机床与液压

作者：谭浩洋，张建敏，宋豫，张帅印，周东波，陶建峰

单位：上海交通大学，机械系统与振动全国重点实验室；上海智能制造功能平台有限公司；上海振华重工（集团）股份有限公司；上海振华重工（集团）股份有限公司；上海交通大学，机械系统与振动全国重点实验室；上海智能制造功能平台有限公司；上海振华重工（集团）股份有限公司；上海交通大学，机械系统与振动全国重点实验室；上海智能制造功能平台有限公司

关键词：柱塞泵;故障诊断;周期相关性;深度学习

基金：国家重点研发计划课题子课题(2023YFB3406705)

针对多工况下轴向柱塞泵故障诊断中存在的故障信号微弱、特征提取困难且易受噪声干扰的问题，提出一种基于周期相关性的弱故障诊断方法。考虑到出口压力信号易于获取，且能有效反映轴向柱塞泵的动态性能，通过分析柱塞泵出口压力脉动的周期性特征，结合傅里叶变换与显著性指标法，准确划分单个柱塞的运动周期，并采用互相关特征提取策略，增强故障信号中的周期性特征，抑制正常信号对深度学习模型分类过程的干扰。基于提取的周期相关特征，进一步引入自注意力机制的Transformer模型，以提高模型对高频时序信号的处理能力及其泛化性能。实验结果表明：与仅使用Transformer的故障诊断方法相比，所提出的方法在多工况物理实验数据集上的故障诊断准确率提高约10%，且在噪声干扰条件下仍能维持90%以上的诊断精度，充分验证了该方法的准确性与鲁棒性。

来源：2026年第1期

《机床与液压》期刊编辑部

查看机床与液压杂志2026年第1期