机床与液压

作者：赵茏，路春谦，高学慧，汤伟，高超，侯东明

单位：石家庄工业泵厂有限公司；智能渣浆泵河北省工程研究中心；石家庄工业泵厂有限公司；智能渣浆泵河北省工程研究中心；石家庄工业泵厂有限公司；智能渣浆泵河北省工程研究中心；石家庄工业泵厂有限公司；石家庄工业泵厂有限公司；智能渣浆泵河北省工程研究中心；河北工业大学机械工程学院

关键词：渣浆泵;故障诊断;多源融合;卷积神经网络

针对渣浆泵运行过程中出现的高噪声及单一振动信号所包含的故障特征信息不明显等问题，提出一种基于声发射振动信号特征融合的渣浆泵故障识别方法。对两种传感器采集到的信号进行完全自适应噪声集成经验模态分解（CEEMDAN），筛选信息熵值较高的本征模态函数进行信号重构，实现非平稳信号的有效降噪。构建声发射振动特征融合框架，对预处理后的声发射与振动信号特征进行归一化预处理，构建双通道特征图谱。最后，将预处理得到的双通道特征图谱输入卷积神经网络，构建面向渣浆泵的故障识别模型。结果表明：通过CEEMDAN对声发射振动信号进行处理可以有效去除噪声，处理后的信号信息熵提升了6.9%，保留更多与故障有关的信息；相较于单一振动信号，声发射振动融合信号包含更多的故障信息，在故障识别中可以获得更高的准确率，总体比单一振动信号故障诊断准确率提升4.83%。

来源：2025年第21期

《机床与液压》期刊编辑部

查看机床与液压杂志2025年第21期