针对柱塞泵早期故障时特征信号微弱的问题,首先对采集到的泵壳体振动信号进行极值域均值模式分解（extremum field mean mode decomposition,EMMD）,得到有限模态分量IMF及余量C,然后对IMF分量进行Teager能量算子解调,提取特征频率点的能量信息组成能占比特征向量,并利用分类敏感度对向量进行筛选,最终获得有效特征向量。实验结果表明,采用EMMD-Teager方法能有效对信号进行滤波,方便从频域提取特征,经过筛选后的能占比特征向量可以准确分类柱塞泵正常、柱塞孔磨损及滑靴磨损3种状态。

在对柱塞泵常见故障模式进行分析的基础上，针对柱塞泵早期故障时特征信号微弱的问题，提出了基于余弦相邻系数（Cosine Neighboring Coefficients,CNC）降噪和EMMD分解的故障诊断方法。该方法首先对采集到的泵壳体振动信号进行CNC降噪，提高信噪比，降低信息复杂度；然后利用基于极值域均值模式分解（extremum fiel dmean mode decomposition，EMMD）方法对降噪后的信号进行有限固有模态分解，并对每个模态分量进行包络谱分析，提取故障信息。试验结果表明，该方法能有效提取柱塞泵的早期故障特征，准确分类柱塞泵正常、柱塞孔磨损及滑靴磨损3种状态。