液壓泵的工作環(huán)境一般比較惡劣,，其工況受環(huán)境的影響較大，通常在泵出口檢測到的信號含有很大的噪聲,。試驗表明,，液壓泵出口檢測到的壓力信號和振動信號體現(xiàn)出以下特點：①信號的頻譜分布很寬、波形雜亂,，規(guī)律性差,；②時變與非平穩(wěn)性表現(xiàn)明顯。中國臺灣KOMPASS壓力繼電器,，KOMPASS葉片泵轉(zhuǎn)軸間隙補償”設(shè)計,，可根據(jù)設(shè)定壓力，自動調(diào)整泵的排量內(nèi)置壓力調(diào)整閥,，系統(tǒng)無需加裝調(diào)壓閥裝配容易,，可直結(jié)電機組成電機泵組合適用于研磨機、自動車床,、工作母機、制鞋機械及其它各種機或單能機等使用
因此,，基于這兩種信號的故障特征提取非常困難,，有必要對檢測的信號進行消噪處理。
小波分析是目前較有效的信號處理方法,，它可以同時在時域和頻域中對信號進行分析,，能有效地區(qū)分信號中的突變部分和噪聲，實現(xiàn)信號的消噪,。
泵出口振動信號及其小波消噪后的信號,，選取小波消噪的全局閾值為1.049。很明顯,，檢測信號中包含了許多干擾信號,，很難簡單地利用檢測到的振動信號進行有效的故障診斷。為了消除干擾影響,，經(jīng)過小波處理,，可以有效地消除泵出口振動信號中所包含的噪聲,，有利于故障特征的提取。
3,、信息融合故障診斷方法
信息融合是將多源信息加以智能合成,，產(chǎn)生比單一信息源更精確、容錯性和魯棒性更強的估計和判斷‘2’,。由于液壓泵出口檢測到的信息微弱,，易于被干擾所淹沒，很難利用單個傳感器的檢測信號進行微弱故障特征的有效診斷,。采用的信息融合故障診斷過程,，即將振動信號和壓力信號進行小波消噪處理，利用統(tǒng)計分析提取有效特征信息,，采用主成分分析(PrinciP81componentanalysis,，PCA)有效解耦各故障特征間的相關(guān)性，減少故障特征的維數(shù),，采用改進算法的BP神經(jīng)網(wǎng)絡(luò)實現(xiàn)液壓泵球頭松動故障診斷,。
3.l特征層信息融合
特征層狀態(tài)屬性融合就是將對多種類型傳感器數(shù)據(jù)進行預處理以完成特征提取及數(shù)據(jù)配準，即通過傳感器信息轉(zhuǎn)換,，把各傳感器輸人數(shù)據(jù)變換成統(tǒng)一的數(shù)據(jù)表達形式,。
通過特征向量歸一化處理可以實現(xiàn)信息融合數(shù)據(jù)配準。本文提取振動信號和壓力信號的均值,、峰值因子,、特征頻率的能量值和功率譜幅值、四次矩等作為球頭松動故障的特征向量,。

?
3.2選取主成分

齒輪油泵 CB-FA10  CB-FA18  CB-FA25  CB-FA31.5 CB-FC10  CB-FC16  CB-FC20  CB-FC25

CB-FC32  CB-FC40  CB-FD25  CB-FD10

CB-FD16  CB-FD20  CB-FD25  CB-FD32

CB-FD40  CB-HB50  CB-HB60  CB-HB70

CB-HB80  CB-HB90  CB-HB100

CB-FA10C-FL　　CB-FA18C-FL　　CB-FA25C-FL　　CB-FA32C-FL

CB-FA40C-FL　　CB-FC10C-FL　　CB-FC16C-FL　　CB-FC20C-FL

CB-FC25C-FL　　CB-FC31.5C-FL    CB-FC40C-FL　　CB-FD10C-FL

　高壓齒輪泵CB-Fc10-FL-Y2  CB-Fc16-FL-Y2  CB-Fc20-FL-Y2  CB-Fc25-FL-Y2  CB-Fc31.5-FL-Y2  CB-Fc40 -FL-Y2

高壓齒輪泵CB-Fc10-FL-Y2  CB-Fc16-FL-Y2  CB-Fc20-FL-Y2  CB-Fc25-FL-Y2  CB-Fc31.5-FL-Y2  CB-Fc40 -FL-Y2

高壓齒輪泵CB-Fc10-FL-Y2  CB-Fc16-FL-Y2  CB-Fc20-FL-Y2  CB-Fc25-FL-Y2  CB-Fc31.5-FL-Y2  CB-Fc40 -FL-Y2

齒輪油泵 CB-FA10-FL  CB-FA18-FL  CB-FA25-FL  CB-FA31.5-FL

在新樣本空間上,，逐次計算傳感器信息的綜合指數(shù)為主成分上的貢獻。令主成分貢獻綜合指數(shù)閾值為85%,，根據(jù)貢獻綜合指數(shù)選取前幾個主成分,，作為下一步信息融合的信息。

針對液壓泵正常和4種球頭松動故障,，各選取100個樣本,，由于高度顯著，說明這4組特征向量有十分明顯的差異,，故此類故障的不同故障程度是可以診斷的,。
選擇BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，對液壓泵正常和設(shè)置的4種球頭松動故障在訓練誤差精度要求下對網(wǎng)絡(luò)進行訓練,，通過改進算法的學習和訓練得到BP網(wǎng)絡(luò)的優(yōu)化權(quán)值矩陣,。在實際使用時，利用BP神經(jīng)網(wǎng)絡(luò)的權(quán)值矩陣及其改進算法實現(xiàn)多故障的有效診斷。其中輸出節(jié)點1表示液壓泵正常時神經(jīng)網(wǎng)絡(luò)的輸出值,，節(jié)點2表示間隙為6μm時神經(jīng)網(wǎng)絡(luò)的輸出值,，節(jié)點3表示間隙為9μm神經(jīng)網(wǎng)絡(luò)的輸出值，節(jié)點4表示間隙為12μm時神經(jīng)網(wǎng)絡(luò)的輸出值,，節(jié)點5表示15μm時神經(jīng)網(wǎng)絡(luò)的輸出值,。
利用BP神經(jīng)網(wǎng)絡(luò)及其改進算法可以有效診斷不同間隙大小的球頭松動故障。
4,、結(jié)論中國臺灣KOMPASS壓力繼電器,，KOMPASS葉片泵轉(zhuǎn)軸間隙補償”設(shè)計，可根據(jù)設(shè)定壓力,，自動調(diào)整泵的排量內(nèi)置壓力調(diào)整閥,，系統(tǒng)無需加裝調(diào)壓閥裝配容易，可直結(jié)電機組成電機泵組合適用于研磨機,、自動車床,、工作母機、制鞋機械及其它各種機或單能機等使用
本文通過液壓泵出口的振動信號和壓力信號,，通過小波消噪處理有效提取故障特征,，利用PCA分析很大程度上減少了信息融合特征向量的維數(shù)，通過可診斷性檢驗證明PCA重新組合的特征向量可以實現(xiàn)多故障診斷,。在BP算法中引人附加動量項,，獲得學習率，通過改進BP算法實現(xiàn)不同間隙大小球頭松動故障的有效診斷,。