最大相关峭度解卷积的改进及在往复压缩机气阀故障诊断中的应用

王金东，李云峰，赵海洋，李彦阳

(东北石油大学机械科学与工程学院，黑龙江 大庆 163318)

气阀作为往复压缩机重要的功能性组件，长期处在交变冲击载荷作用下，其内部构件极易发生故障【1】。阀盖测点采集的振动信号呈高度非线性、非平稳性的特点，且往往表现为较强烈的噪声突变和振幅畸变，基于传统的振动信号分析故障诊断方法很难准确地提取故障特征【2】。

最小熵解卷积(Minimum Entropy Deconvolution，缩写为MED)由Wiggins等提出。MED方法通过设计一个逆滤波器使信号的峭度达到最大化，从而消除信号中的噪声。H.Endo等首次将其用于齿轮的故障诊断。MED方法的优点是能解卷积出单个脉冲特征【3】，但故障的冲击成分具有周期性，为弥补MED方法的不足，McDonald等人【4】利用故障的周期性，通过迭代选择最佳滤波系数，使滤波信号的相关峭度达到最大化，这种新的方法称为最大相关峭度解卷积(MCKD)。MCKD方法的精确性在很大程度上取决于初始对故障周期的准确估计，而且当遇到波动周期时，其效果就会受到严重影响【5】。张晓涛等【6】提出一种改进MCKD的降噪方法。该方法采用双向循环重构的滤波准则，具有较好的降噪效果，但也需要预估准确的故障周期。针对MCKD方法的局限性，本文对其进行了改进。新方法将自相关函数和双向重构准则的相关峭度【7】相组合，应用于往复压缩机故障诊断，可实现故障特征的准确提取。

熵值分析能检测复杂信号稳定性，是非线性时间序列分析的一种新方法，在机械设备故障诊断领域得到了广泛的应用【8】。……