轴向柱塞泵气穴现象故障诊断研究.pdfVIP

２０２５年３月Ｍａｒ２０２５

第５３卷第６期Ｖｏｌ５３Ｎｏ６

－

ＤＯＩ：１０．３９６９／ｊｉｓｓｎ１００１３８８１２０２５０６０１９

－

文献引用：杨景昆，张纯，强熠宇，等．轴向柱塞泵气穴现象故障诊断研究［Ｊ］．机床与液压，２０２５，５３（６）：１２５１３０．

Ｃｉｔｅａｓ：ＹＡＮＧＪｉｎｇｋｕｎ，ＺＨＡＮＧＣｈｕｎ，ＱＩＡＮＧＹｉｙｕ，ｅｔａｌ．Ｆａｕｌｔｄｉａｇｎｏｓｉｓｏｆｃａｖｉｔａｔｉｏｎｐｈｅｎｏｍｅｎｏｎｉｎａｘｉａｌｐｉｓｔｏｎｐｕｍｐ［Ｊ］．Ｍａｃｈｉｎｅ

－

Ｔｏｏｌ＆Ｈｙｄｒａｕｌｉｃｓ，２０２５，５３（６）：１２５１３０．

轴向柱塞泵气穴现象故障诊断研究

杨景昆，张纯，强熠宇，戴吉勇，关栋，秦永法

（扬州大学机械工程学院，江苏扬州２２５１２７）

摘要：在高速高压工况下，柱塞泵的气穴现象不可避免。针对传统气穴现象故障检测方法中存在效果差和迟滞性的缺

－－－

点，提出一种结合实验研究和信号处理的新型气穴检测系统，并采用ＫＯＡＣＮＮＢｉＬＳＴＭＡｔｔｅｎｔｉｏｎ深度学习算法对采集的

信号进行训练，实现对轴向柱塞泵气穴强度的检测。通过ＣＮＮ提取数据中的高维空间特征，利用开普勒优化算法（ＫＯＡ）

与ＣＮＮ相互配合来增强关键特征的表现能力，再通过ＢｉＬＳＴＭ提高信号的时序性，最后利用注意力机制进行优化。结果表

明：该方法对轴向柱塞泵气穴故障状态识别精度达到９８％，其效果明显优于其他方法，可以更加准确地识别轴向柱塞泵气

穴故障状态。

关键词：柱塞泵；信号处理；开普勒优化算法；深度学习

中图分类号：ＴＨ３２２

ＦａｕｌｔＤｉａｇｎｏｓｉｓｏｆＣａｖｉｔａｔｉｏｎＰｈｅｎｏｍｅｎｏｎｉｎＡｘｉａｌＰｉｓｔｏｎＰｕｍｐ

ＹＡＮＧＪｉｎｇｋｕｎ，ＺＨＡＮＧＣｈｕｎ，ＱＩＡＮＧＹｉｙｕ，ＤＡＩＪｉｙｏｎｇ，ＧＵＡＮＤｏｎｇ，ＱＩＮＹｏｎｇｆａ

（ＳｃｈｏｏｌｏｆＭｅｃｈａｎｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＹａｎｇｚｈｏｕＵｎｉｖｅｒｓｉｔｙ，ＹａｎｇｚｈｏｕＪｉａｎｇｓｕ２２５１２７，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：Ｕｎｄｅｒｈｉｇｈｓｐｅｅｄａｎｄｈｉｇｈｐｒｅｓｓｕｒｅｃｏｎｄｉｔｉｏｎｓ，ｔｈｅｃａｖｉｔａｔｉｏｎｐｈｅｎｏｍｅｎｏｎｏｆｐｌｕｎｇｅｒｐｕｍｐｉｓｉｎｅｖｉｔａｂｌｅ．Ｉｎｖｉｅｗｏｆｔｈｅ

ｓｈｏｒｔｃｏｍｉｎｇｓｏｆｐｏｏｒｅｆｆｅｃｔａｎｄｈｙｓｔｅｒｅｓｉｓｉｎｔｒａｄｉｔｉｏｎａｌｆａｕｌｔｄｅｔｅｃｔｉｏｎｍｅｔｈｏｄｓｏｆｃａｖｉｔａｔｉｏｎｐｈｅｎｏｍｅｎｏｎ，ａｎｅｗｃａｖｉｔａｔｉｏｎｄｅｔｅｃｔｉｏｎｓｙｓ⁃

－－－

ｔｅｍｃｏｍｂｉｎｉｎｇｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｅａｒｃｈａｎｄｓｉｇｎａｌｐｒｏｃｅｓｓｉｎｇｗａｓｐｒｏｐｏｓｅｄ．ＴｈｅＫＯＡＣＮＮＢｉＬＳＴＭＡｔｔｅｎｔｉｏｎｄｅｅｐｌｅａｒｎｉｎｇａｌｇｏｒｉｔｈｍ