NYP不锈钢高粘度泵的性有着重要影响

机电系统中零部件的意外失效会导致生产效率的大幅降低，严重时还会对NYP不锈钢高粘度泵设备及人员的构成威胁。为减小由于零件失效所产生的损失，一些预防性维护技术如定期维护、点检维护等技术已普遍应用。这些方法虽然能减小零件失效的概率，但无法预防零件的意外失效。同时，由于定期维护时设备的重组、提前换未失效的关键零件等所造成的损失，使得预防性维护的效率较低、维护成本较大。利用状态监测的维护技术采用“按需维护”的策略，可以降低不的停机维护，并可依据设备的运行状态合理安排维护时间，从而提高机电系统的工作效率。然而，状态维护技术的实现依赖于对设备的状态监测及故障的准确诊断与定位。
　　液压控制系统由于输出功率质量比大、响应快、控制、可以提供远程控制等特点，在航空航天、舰船、移动车辆和钢铁工业等了广泛应用。电液控制技术系统与已经成熟的控制技术及电了技术相融合，地增强了机电系统的性能并扩展了系统的功能。因此，电液控制系统的应用正在日益增长。液压泵是液压系统中的关键部件，其性能的好坏对整个液压系统操作的性有着重要影响，因此NYP高粘度保温泵的性能检测及故障诊断方法在工业应用中具有重要意义。
　　油液的污染状态监测用于液压系统故障诊断与预防的方法是工业常用的方法之一，但由于采样一分析的时间延迟及采样时的二次污染，其应用受到了的限制。为了获得可供在线状态监测与故障诊断所需要的运行状态参数，学者们进行了大量的试验研究。
　　目前，应用于液压系统故障诊断的方法大都是借鉴于用于机械系统故障诊断的方法。常用的诊断方法有通频振动均方幅值越限诊断法；模型法、状态估计法、参数模型法、模糊/神经网络法和基于信号时一频域诊断技术。近年来，一些新的时频分析方法如小波变换(Wavelettransform),Hilbert变换、Huang变换等方法针对设备系统的故障监测及诊断在不同的取得了的发展。QIN等对于机械故障提出了迭代型Hilbert变换方法，并利用平滑瞬态频率估计方法解决了传统Hilbert变换方法中对模型估计的限制问题。PENG等基于比较Hilbert-Huang变换和小波变换在频谱分析方面各白的优缺点的基础上，针对滚动轴承的故障诊断提出了一种改进的Hilbert-Huang变换方法。GAO等分别利用小波变换及与神经网络复合方法对液压泵的故障诊断和状态监测进行了系列分析，并在此基础上给出了液压泵的时效判别方法。
　　液压泵故障诊断的方法主要是利用其壳体的振动和噪声信息分析高粘度泵的工作状态，并诊断其故障原因。然而，由于所选择的故障特征信号如壳体的振动、噪声、温度和泄漏量等都与液压泵的结构和运行状态无直接联系，且信号受环境因素的影响较大，因此，对于提取故障特征的敏感度差，影响了液压泵故障诊断的准确性。如何获取富含故障信息的可测量信号，提高液压泵故障诊断的准确性一直是该项研究的一个技术瓶颈。研究发现液压泵出口压力信号是一个系统常见、易于获取且富含液压泵故障特征信息的状态监测量。相应的研究表明，利用小波分析、神经网络类聚分析等可诊断液压泵的故障。
　　本文采用NYP高粘度不锈钢泵的出口压力信号作为监测信号，利用小波包对监测信号进行多层分解，通过建立不同频率范围的特征信号与液压泵不同故障因素的对应关系，为液压泵的故障诊断与定位提供依据，以小波包各层分解系数的残差是否超限作为判据进行液压泵的故障诊断分析。