柱塞泵是液压系统的关键部件之一,监测其健康状态对液压系统的可靠运行具有重要意义。提出一种基于小波包和流形学习的方法,用于分析柱塞泵出口振动信号,从而对其进行健康评估;该方法利用小波包对原始信号进行分解,从中提取用于描述柱塞泵健康状态的有效特征群;把提取的高维特征群作为输入,利用并比较多种流形学习方法进行特征降维,选取状态识别准确率最高的拉普拉斯特征映射方法,建立起的特征向量到健康状态之间的对应关系,实现液压泵健康状态监测的分类要求。实验结果表明,采用小波包和拉普拉斯特征映射相结合的方法可以有效提高柱塞泵状态评估的准确性。

当前油田用泵存在故障状态与故障判断模糊性大、状态评估指标片面、现场维修指导性不强等问题,针对这些问题,提出了一种基于模糊层次分析法的分析模型方法,并将其用于油田用泵的健康状态评估。首先,将9标度与失效模式影响和关键性分析中的严酷度一一对应,进行了两两比较,建立了判断矩阵,计算了权重向量,并通过一致性检验建立了权重矩阵;其次,根据监测数据计算出劣化度,将其代入隶属度函数中,生成了模糊判断矩阵;并在此基础上利用权重矩阵和劣化度模糊判断矩阵,进行了矩阵相乘运算,得到了健康状态评价矩阵,并按照最大隶属度原则实时评估了设备健康状态;最后,采用该健康状态评估模型,对油田注水系统中使用的柱塞泵进行了健康状态评估实验,以验证该模型的有效性。研究结果表明:该健康状态评估模型在工程中具有良好的实用性和可行性...

针对液压泵故障检测手段的不完善性、信号获取装置的不稳定性等原因造成的诊断信息不完备性，提出一种基于灰靶理论的液压系统健康状态方法。该方法首先利用小波包消噪和Hilbert变换对信号进行预处理，然后提取液压泵故障信号特征，对不同严重程度的液压泵复合故障进行分析，将信号幅值域特征作为特征向量，最后通过建立标准故障模式，利用靶心度计算确定故障等级。实验研究表明，采用灰靶理论对液压泵进行故障程度分级是有效可行的。