机床与液压

作者：李振宝，伊明，李富强，张磊，姜万录

单位：中石油西部钻探工程有限公司，工程技术研究院；中石油西部钻探工程有限公司，工程技术研究院；长江大学石油工程学院；中石油西部钻探工程有限公司，工程技术研究院；中石油西部钻探工程有限公司，工程技术研究院；燕山大学，河北省重型机械流体动力传输与控制重点实验室；燕山大学，先进锻压成形技术与科学教育部重点实验室

关键词：梅尔频率倒谱系数;深度信念神经网络;轴向柱塞泵;劣化评估

基金：中国石油集团油田技术服务有限公司科学研究与技术开发项目（2023T-001-001）；国家自然科学基金面上项目(52275067)；河北省自然科学基金项目（E2023203030）

针对轴向柱塞泵中心弹簧失效故障难以有效评估的问题，提出一种基于梅尔频率倒谱系数(MFCC)和深度信念神经网络(DBN)的液压泵劣化程度评估方法。对现场采集的正常数据和3种不同程度中心弹簧失效故障的液压泵振动信号进行信号预处理，包括预加重、分帧和加窗等；对预处理后的信号进行快速傅里叶变换(FFT)，得到其频率谱和功率谱，然后让其通过Mel滤波器组，得到信号的对数能量；最后对对数能量进行离散余弦变换，得到信号的倒谱系数和一阶差分系数，并以此构成特征向量。基于DBN方法搭建深度学习模型，对特征向量进行学习，将测试样本导入深度学习模型，对中心弹簧失效程度进行评估，并将倒谱系数和一阶差分系数的识别结果进行对比。结果表明：当选择倒谱系数为特征向量时，具有较高的识别精度，能够有效识别轴向柱塞泵中心弹簧的性能劣化程度。

来源：2024年第14期

《机床与液压》期刊编辑部

查看机床与液压杂志2024年第14期