[发明专利]一种基于希尔伯特黄变换和质量矩熵的液压泵故障特征提取方法

说明书

技术领域

本发明涉及一种基于希尔伯特黄变换和质量矩熵的液压泵故障特征提取方法，属于液压系统故障诊断技术领域。

背景技术

液压系统在航空航天、舰船、车辆等系统中应用广泛，目前正向高压力、高功率密度和大规模、集成化方向发展，液压系统的安全性和可靠性日益受到人们的重视。液压泵被誉为液压系统的“心脏”，是整个液压系统的动力元件，其工作性能的优劣将直接影响液压系统的整体工作状态。作为高速旋转机械，液压泵在液压系统中运行时间最长，工作负载最大，所以液压泵的磨损劣化速度较快。统计表明，在所有工程机械的故障中，液压泵的故障比重约占30％～40％，因此液压泵的故障诊断是液压系统故障诊断的重要部分。液压泵一旦发生故障，容易导致整个液压系统的失效，造成不可挽回的损失。如飞机上应用液压系统对飞机进行姿态操控，当液压系统出现供油故障时，将导致飞机失去控制，轻则紧急迫降，重则造成机毁人亡的重大事故。

特征提取是故障诊断的核心，好的故障特征对提高故障诊断的精度十分重要。然而，由于液压泵处在封闭的油路中、液压油的压缩性及液压泵与伺服系统之间的流固耦合作用，使得液压泵故障特征不明显，故障信息提取较为困难，导致其诊断模糊性强、难度大。

发明内容

本发明的技术解决问题是：克服现有技术的不足，提出一种基于希尔伯特黄变换和质量矩熵的液压泵故障特征提取方法，其能在液压泵的振动信号中提取到敏感的故障特征，为故障诊断提供支持。

本发明技术解决方案：一种基于希尔伯特黄变换和质量矩熵的液压泵故障特征提取方法，其步骤如下：

(1)提出适用于故障诊断问题的质量矩熵，在量化故障信号时频分布复杂性时充分考虑时频块的位置信息，故障信号二维时频分布的三个质量矩熵(s_t(q),s_f(q),s_o(q))的具体定义如下：

将时频平面等分为N个面积相等的时频块，每块内的能量为E_i，该时频块能量对时间轴t、频率轴f和原点O的质量矩分别为：

式中，d_ti，d_fi和d_oi分别表示第i个时频块到时间轴、频率轴和原点的距离。

整个时频平面对时间轴、频率轴和原点的质量矩分别为：

对每个时频块能量的质量矩进行归一化，得到：

于是有：

故障信号时频分布对时间轴质量矩熵s_t(q)，对频率轴质量矩熵s_f(q)和对原点O的质量矩熵s_o(q)分别定义如下：

式中，q_ti，q_fi和q_oi分别为第i个时频块能量对各坐标轴或原点的质量矩占整个时频分布能量相对于对应坐标轴或原点的质量矩的比值；

对时间轴的质量矩熵s_t(q)表征时频分布对频率f的复杂性，即故障信号能量在不同频率段的分布情况度量；对频率轴的质量矩熵s_f(q)表征时频分布对时间的复杂性，即故障信号能量分布的时变特性度量；对原点O的质量矩熵s_o(q)表征时频分布的综合复杂性；

(2)将希尔伯特黄变换和质量矩熵结合，提出一种适用于处理非平稳信号的故障特征提取方法，经验模态分解用于将振动信号自适应地分解为一系列的固有模态分量，希尔伯特变换用于计算瞬时幅值和瞬时频率从而得到希尔伯特谱，最后使用质量矩熵量化时频分布的复杂性，作为液压泵故障特征。

上述具体实现步骤如下：

第一步，数据预处理：采集液压泵振动信号，并对振动信号进行离群值剔除和降噪处理；

第二步，经验模态分解EMD：将振动信号自适应地分解为一系列固有模态函数IMF分量和趋势项；

第三步，希尔伯特变换：对每一固有模态函数IMF分量实施希尔伯特变换，获得瞬时幅值和瞬时频率，从而得到希尔伯特谱；

第四步，计算故障信号时频分布的质量矩熵：依据希尔伯特变换得到的希尔伯特谱，计算故障信号时频分布的三个质量矩熵，即时频分布对时间轴质量矩熵s_t(q)，对频率轴质量矩熵s_t(q)和对原点O的质量矩熵s_o(q)；

第五步，绘制不同故障状态样本特征值的聚类图，分析方法有效性。