２０２３年５月第５１卷第９期机床与液压ＭＡＣＨＩＮＥＴＯＯＬ＆ＨＹＤＲＡＵＬＩＣＳＭａｙ２０２３Ｖｏｌ.５１Ｎｏ.９ＤＯＩ：１０．３９６９／ｊ.ｉｓｓｎ.１００１－３８８１.２０２３.０９.０３６本文引用格式：刘岩，康丽，苏庆勇，等．ＯＶＭＤ与三维奇异谱特征融合的往复压缩机气阀故障识别方法［Ｊ］．机床与液压，２０２３，５１（９）：２２６－２３２．ＬＩＵＹａｎ，ＫＡＮＧＬｉ，ＳＵＱｉｎｇｙｏｎｇ，ｅｔａｌ．ＦａｕｌｔｉｄｅｎｔｉｆｉｃａｔｉｏｎｍｅｔｈｏｄｏｆｇａｓｖａｌｖｅｆｏｒｒｅｃｉｐｒｏｃａｔｉｎｇｃｏｍｐｒｅｓｓｏｒｂａｓｅｄｏｎＯＶＭＤａｎｄ３Ｄｓｉｎｇｕｌａｒｓｐｅｃｔｒｕｍｆｅａｔｕｒｅｆｕｓｉｏｎ［Ｊ］．ＭａｃｈｉｎｅＴｏｏｌ＆Ｈｙｄｒａｕｌｉｃｓ，２０２３，５１（９）：２２６－２３２．收稿日期：２０２２－０２－０８基金项目：桂林市创新平台和人才计划项目（２０２２０１２３－２３）；黑龙江省自然科学基金（Ｅ２０１５０３７）作者简介：刘岩（１９７７—），男，博士，副教授，从事往复机械故障诊断方向研究。Ｅ－ｍａｉｌ：１３００９８３２７９＠ｑｑ.ｃｏｍ。ＯＶＭＤ与三维奇异谱特征融合的往复压缩机气阀故障识别方法刘岩１，康丽１，苏庆勇１，王金东２（１.桂林航天工业学院能源与建筑环境学院，广西桂林５４１００４；２.东北石油大学机械科学与工程学院，黑龙江大庆１６３３１８）摘要：针对往复压缩机气阀断裂型故障危害下故障振动波形的变异特点，为提高常见的气阀阀片失效后期断裂型故障的识别率，提出一种基于最优变分模态分解（ＯＶＭＤ）和三维奇异谱融合的诊断算法。通过ＶＭＤ参数优化，利用多重分形去趋势波动分析（ＭＦＤＦＡ）提取模态分量的三维奇异谱参数分析，结合核主分量分析降维提取不同工况模态分量的特征值，并建立完整的ＯＶＭＤ＿ＭＦＤＦＡ融合诊断识别方案。模拟试验和算法对比证实，该法能有效提高环状气阀阀片断裂故障诊断效率和准确性。关键词：最优变分模态分解；多重分形去趋势波动分析；三维奇异谱；往复压缩机；气阀故障中图分类号：ＴＰ２７７；ＴＨ４５７ＦａｕｌｔＩｄｅｎｔｉｆｉｃａｔｉｏｎＭｅｔｈｏｄｏｆＧａｓＶａｌｖｅｆｏｒＲｅｃｉｐｒｏｃａｔｉｎｇＣｏｍｐｒｅｓｓｏｒＢａｓｅｄｏｎＯＶＭＤａｎｄ３ＤＳｉｎｇｕｌａｒＳｐｅｃｔｒｕｍＦｅａｔｕｒｅＦｕｓｉｏｎＬＩＵＹａｎ１，ＫＡＮＧＬｉ１，ＳＵＱ...
