为了从液压泵振动信号中准确提取冲击成分的频率特征,研究了Walsh变换和数学形态学在振动信号特征提取中的应用。Walsh变换具有能够分析微弱脉冲信号的特点,且在特征提取中具有较好的敏感性和抗噪能力。数学形态学利用其独特的结构元素探针,在信号冲击特征的提取方面效果较好。仿真和实验结果表明,数学形态学方法比Walsh变换更能够清晰地提取振动信号的频率特征。

根据液压泵振动信号的非线性及信噪比低等特点,针对现有加权方法存在的不足,提出了基于改进加权多尺度形态学差值滤波器(improved weighting multi—scale morphological d—value filter,IWMMDF)的液压泵振动信号特征提取方法;该方法首先利用不同尺度的结构元素对信号进行形态差值滤波,再根据本尺度特征能量比占所有尺度特征能量比总和的大小对各尺度的滤波结果进行加权求和;仿真实验和液压泵故障模拟试验结果表明,该方法不但避免单尺度形态分析的片面性,而且可获得不同层次上的信号特征信息,能够有效的提取液压泵振动信号的特征。

液压泵振动信号常湮没在强噪声背景中,为准确提取其特征频率,提出自适应随机共振形态学方法。首先采用以广义相关系数为目标函数的量子遗传算法对随机共振系统参数进行优化,再将优化后的参数代入随机共振系统对液压泵振动信号进行降噪预处理,最后利用形态学差值滤波器提取振动信号的特征频率。仿真实验和液压泵故障模拟实验结果表明,该方法能够准确地提取出振动信号的各种频率特征,优于其他特征提取方法。

针对液压泵故障振动信号信噪比低，故障特征难以提取的问题，对液压泵振动信号预处理方法进行研究。针对现有自适应随机共振优化算法及其目标函数存在的问题，将量子遗传算法（Quantum Genetic Algorithm，QGA）引入自适应随机共振中，提出一种改进的自适应随机共振的信号预处理方法。该方法以广义相关系数为目标函数，采用 QGA 算法对随机共振系统的结构参数进行优化，从而实现对信号的降噪预处理。仿真及实验结果表明，该方法能够有效提取强噪声背景下的液压泵振动信号频率特征，是液压泵故障特征提取及故障诊断中信号预处理的有效方法，可进一步发展至实际工程应用。