基于DBN的液压泵劣化程度评估方法研究.pdf

２０２４年７月Ｊｕｌ２０２４

第５２卷第１４期Ｖｏｌ５２Ｎｏ１４

－

ＤＯＩ：１０．３９６９／ｊｉｓｓｎ１００１３８８１２０２４１４０３３

－

文献引用：李振宝，伊明，李富强，等．基于ＤＢＮ的液压泵劣化程度评估方法研究［Ｊ］．机床与液压，２０２４，５２（１４）：２１９２２６．

Ｃｉｔｅａｓ：ＬＩＺｈｅｎｂａｏ，ＹＩＭｉｎｇ，ＬＩＦｕｑｉａｎｇ，ｅｔａｌ．ＲｅｓｅａｒｃｈｏｎｅｖａｌｕａｔｉｏｎｍｅｔｈｏｄｏｆｈｙｄｒａｕｌｉｃｐｕｍｐｄｅｇｒａｄａｔｉｏｎｄｅｇｒｅｅｂａｓｅｄｏｎＤＢＮ

－

［Ｊ］．ＭａｃｈｉｎｅＴｏｏｌ＆Ｈｙｄｒａｕｌｉｃｓ，２０２４，５２（１４）：２１９２２６．

基于ＤＢＮ的液压泵劣化程度评估方法研究

１１，２１１３，４

李振宝，伊明，李富强，张磊，姜万录

（１中石油西部钻探工程有限公司，工程技术研究院，新疆克拉玛依８３４０００；２长江大学石油工程学院，

湖北武汉４３０１００；３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，河北秦皇岛０６６００４；

４燕山大学，先进锻压成形技术与科学教育部重点实验室，河北秦皇岛０６６００４）

摘要：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。

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

中图分类号：ＴＨ１３７；ＴＰ２０６

ＲｅｓｅａｒｃｈｏｎＥｖａｌｕａｔｉｏｎＭｅｔｈｏｄｏｆＨｙｄｒａｕｌｉｃＰｕｍｐＤｅｇｒａｄａｔｉｏｎＤｅｇｒｅｅＢａｓｅｄｏｎＤＢＮ

１１，２１１３，４

ＬＩＺｈｅｎｂａｏ，ＹＩＭｉｎｇ，ＬＩＦｕｑｉａｎｇ，ＺＨＡＮＧＬｅｉ，ＪＩＡＮＧＷａｎｌｕ

（１ＥｎｇｉｎｅｅｒｉｎｇＴｅｃｈｎｏｌｏｇｙＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅ，ＣＮＰＣＸｉｂｕＤｒｉｌｌｉｎｇＥｎｇｉｎｅｅｒｉｎｇＣｏｍｐａｎｙＬｉｍｉｔｅｄ，Ｋａｒａｍａｙ

Ｘｉｎｊｉａｎｇ８３４０００，Ｃｈｉｎａ；２ＳｃｈｏｏｌｏｆＰｅｔｒｏｌｅｕｍＥｎｇｉｎｅｅｒｉｎｇ，ＹａｎｇｔｚｅＵｎｉｖｅｒｓｉｔｙ，ＷｕｈａｎＨ