基于EMD与神经网络的柱塞泵故障诊断方法-机械电子工程专业论文.docxVIP

摘 要 混凝土泵车是一种负载变化复杂、工作环境恶劣的工程机械，其内部元件常由于疲 劳或油液污染引起各种故障的发生，混凝土泵车一旦出现事故往往对生产安全造成很大 危害。根据统计，柱塞泵是混凝土泵车中最主要的故障源之一，但是柱塞泵作为泵车泵 送动力的来源，既是旋转机械，又是往复运动机械和机液转换元件，工作过程中既有机 械零件间的振动，又有工作介质引起的冲击，因而其给诊断带来了很大的难度。 本研究分析了柱塞泵的结构特点与运动规律，指出常见故障的发生位置与振动频 率，通过传统频谱分析方法做出功率谱与包络谱，但由于介质冲击影响严重无法找出故 障特征。进而提出利用 Hilbert-Huang 变换的核心理论 EMD，将实验台中测取的五种常 见故障与正常状态的振动信号进行分解，得到与自身频率组成相符的各频段信号波形， 通过分析将其中蕴含故障信息丰富的高频段分量建立时间序列 AR 模型，并将模型参数 作为故障诊断的特征参数，作为后续神经网络的输入。神经网络具有强大的非线性映射 和并行处理的功能，网络中的权值向量模拟人大脑神经元的记忆方式，可以较为稳定的 存储来自输入样本的特征信息，并利用已有信息对新输入做出分类辨识，因此本研究利 用较新型的 Fuzzy ARTMAP 神经网络对柱塞泵六种状态振动信号的特征参数进行学习 与分类，结果表明该方法可以有效地完成诊断。本文还就特征参数个数对神经网络的分