離心泵故障診斷研究現(xiàn)狀與發(fā)展趨勢

劉和明　劉艷

摘要：進行離心泵故障診斷可以大幅提高泵的運行平穩(wěn)性。概述離心泵故障的基本理論，分析振動對離心泵的影響，介紹壓力脈動與離心泵故障的聯(lián)系，闡述旋轉(zhuǎn)葉輪機械的故障原理及其診斷方法的研究現(xiàn)狀，展望離心泵故障診斷的發(fā)展趨勢，以期為離心泵故障診斷的進一步研究提供參考。

關(guān)鍵詞：離心泵；故障診斷；研究現(xiàn)狀；發(fā)展趨勢

中圖分類號：TH311 文獻標識碼：A 文章編號：1674-1161（2019）01-0070-06

離心泵具有結(jié)構(gòu)簡單緊湊、安裝方便、運行范圍廣等優(yōu)點，在工業(yè)、冶金、城市給排水、航天、航海等各個領(lǐng)域都有廣泛應用。隨著離心泵應用領(lǐng)域日益廣泛，維護與故障診斷在離心泵的使用中愈加重要。目前，國內(nèi)對離心泵的檢測和故障診斷仍處于起步階段，關(guān)于離心泵的研究一般都是對正常運行狀態(tài)的性能進行分析，而有關(guān)其故障或事故狀態(tài)下的性能研究還比較少。離心泵運行狀態(tài)檢測的普遍方式仍是定期維護和定時保養(yǎng)，這不僅導致維修過度或保養(yǎng)欠缺，還可能因為不能有效解決隱在故障而影響離心泵的正常工作。本課題對離心泵故障診斷的相關(guān)研究進行概括總結(jié)，重點對離心泵的振動、壓力脈動及旋轉(zhuǎn)機械的故障機理和診斷方法進行分析，并展望離心泵故障診斷的發(fā)展趨勢。

1 離心泵故障分類及特點

離心泵運行故障可分為兩類：一是不合適的工作條件使泵發(fā)生故障，如不當操作、零件加工精度不夠等，這類故障可通過更換部件或調(diào)整運行參數(shù)排除；二是離心泵一直在故障或極端條件下運行，使得泵系統(tǒng)故障越來越嚴重。離心泵故障特點主要有兩個：一是并發(fā)性，即離心泵的故障一般都是由多種故障并發(fā)引起；二是隨機性，即同一種泵在故障模式下的表現(xiàn)形式不一定相同。

2 離心泵的國內(nèi)外研究現(xiàn)狀

2.1 離心泵振動研究現(xiàn)狀

離心泵振動水平是評價泵運行可靠性的一個重要指標。離心泵振動可分為流體誘導振動和機械結(jié)構(gòu)振動兩類。

軸承磨損、轉(zhuǎn)子不平衡及零件缺陷是引起機械結(jié)構(gòu)振動的主要原因。其中：對由轉(zhuǎn)子不平衡引起機械結(jié)構(gòu)振動的機理已有較為系統(tǒng)的研究，轉(zhuǎn)子不平衡的影響在很大程度上可以通過動平衡技術(shù)來減小，采用柔性聯(lián)接可有效防止兩轉(zhuǎn)子間產(chǎn)生周期性的激勵源。軸承磨損是導致機械結(jié)構(gòu)振動的另一重要原因，這可能是驅(qū)動端與非驅(qū)動端同時產(chǎn)生缺陷、也可能是單側(cè)磨損導致。軸承剛度不夠會引起離心泵的振動，并且軸承耐磨性能差、軸瓦間隙過大和推力軸承以及其他滾動軸承磨損也會加劇離心泵的振動。殷洪權(quán)通過ADAMS建立了機組軸系的虛擬樣機模型，給出軸系建模辦法，表明通過適度調(diào)整泵軸和聯(lián)軸器等結(jié)構(gòu)可以使軸的固有頻率避開轉(zhuǎn)子的工作頻率，從而減小振動。Khalifa研究了葉輪切割對離心泵性能的影響，指出不同形狀的葉輪切割均會使葉片與隔舌間隙增大，從而使泵內(nèi)壓力脈動與振動減小。蔣愛華等人采用相空間重構(gòu)的方法確定影響離心泵系統(tǒng)振動特性因素的數(shù)量。Srivastav等人研究了葉頂間隙對離心泵結(jié)構(gòu)振動的影響，指出隨著葉頂間隙的增大泵的振動會逐漸降低。趙萬勇等人研究了內(nèi)流對離心泵轉(zhuǎn)子振動的影響，建立了符合泵轉(zhuǎn)子振動的分析理論，并指出應綜合應用各種獨立故障的分析方法來研究離心泵的運行故障。

與機械結(jié)構(gòu)振動研究的日漸成熟相比，離心泵流體誘導振動研究還需深入。流體誘導振動主要是由流動分離、空化、失速及漩渦等不穩(wěn)定流動產(chǎn)生的壓力脈動引起的。數(shù)值計算和試驗測試是研究壓力脈動的兩種主要方法。在數(shù)值計算方面，Zhang N等人分析了斜坡式蝸殼對離心泵內(nèi)壓力脈動的影響，結(jié)果表明，斜坡式蝸殼能夠明顯降低泵內(nèi)壓力脈動。Spence等人研究了隔舌位置、導葉安放形式和口環(huán)間隙等對壓力脈動的影響，發(fā)現(xiàn)壓力脈動頻譜主要受葉輪與隔舌間動靜干涉的影響。Gao B等人對低比速離心泵內(nèi)壓力脈動進行研究，結(jié)果表明，工況對不同測點壓力脈動幅值有較大影響，壓力脈動主頻在葉頻。Asim等人研究了離心泵蝸殼內(nèi)壓力脈動，發(fā)現(xiàn)葉輪與隔舌動靜干涉對隔舌附近的二次流有明顯影響。Zhang Y等人采用大渦模擬方法分析了離心泵蝸殼內(nèi)壓力脈動，發(fā)現(xiàn)壓力脈動在隔舌處最大。崔寶玲等人研究了復合葉輪離心泵內(nèi)的壓力脈動，發(fā)現(xiàn)葉輪和蝸殼的動靜耦合是產(chǎn)生壓力脈動的主要原因，且主頻受軸頻控制。王福軍等人分析了雙蝸殼離心泵內(nèi)的壓力脈動，發(fā)現(xiàn)隔板和隔舌處壓力脈動頻率在大流量下均為葉頻，小流量下以軸頻為主。祝磊等人分析了不同隔舌型式對離心泵內(nèi)壓力脈動的影響，發(fā)現(xiàn)采用短舌和中舌有利于降低離心泵內(nèi)的壓力脈動。姚志峰等人分析了雙吸離心泵內(nèi)的壓力脈動，結(jié)果表明，在吸水室和壓水室內(nèi)壓力脈動的特征頻率主要是軸頻及低于軸頻的頻率。黃茜等人研究了流量對離心泵內(nèi)壓力脈動，結(jié)果表明，流量越小泵內(nèi)壓力脈動越大。在試驗測試方面，Parrondo等人研究了離心泵葉片附件的壓力脈動，發(fā)現(xiàn)泵內(nèi)壓力脈動強度主要由葉片與隔舌的動靜干涉決定。Dong R等人的試驗結(jié)果表明，隔舌是離心泵內(nèi)壓力脈動的主要激勵源。Mele等人通過試驗測試了轉(zhuǎn)速對離心泵流動振動的影響，發(fā)現(xiàn)隨轉(zhuǎn)速的增加流動誘導振動也不斷增強。陳長盛測試了不同轉(zhuǎn)速下船用離心泵的振動特性，發(fā)現(xiàn)振動大小與轉(zhuǎn)速的4～9次方成正比。周林玉對偏工況下離心泵內(nèi)的壓力脈動進行了試驗分析，指出小流量下葉輪出口壓力脈動主頻不再是葉片通過頻率，并且頻譜寬度明顯增大。陳斌測試了單葉片螺旋離心泵內(nèi)的壓力脈動，發(fā)現(xiàn)壓力脈動在葉片圓周厚度1/3處時最小。蔡建程測試了離心泵隔舌附近的壓力脈動，發(fā)現(xiàn)隔舌附近的壓力脈動以離散分量為主，且其強度隨著流量的減小逐漸增大。

綜上所述，目前已經(jīng)開展了大量有關(guān)離心泵振動的研究，但有關(guān)離心泵故障狀態(tài)下運行特性的研究還比較缺乏，因此未來需要加強通過壓力脈動和振動數(shù)據(jù)分析來辨別不同故障類型方面的研究。

2.2 旋轉(zhuǎn)機械故障機理研究現(xiàn)狀

離心泵是一種典型的旋轉(zhuǎn)機械。旋轉(zhuǎn)機械由于其性能穩(wěn)定、噪音小、自動化程度高等優(yōu)點，在工業(yè)和生活領(lǐng)域中被廣泛使用。隨著旋轉(zhuǎn)機械應用領(lǐng)域的增加，其發(fā)生故障的形式也變得多種多樣，因而對旋轉(zhuǎn)機械故障機理的研究也逐漸增多。Samira等人采用帕克變換和希爾伯特變換分析了感應電動機的機械故障信號。Sohre對系統(tǒng)總結(jié)了旋轉(zhuǎn)機械的典型故障，并歸納為9類37種。Chuan Li等人采用形態(tài)小波分析了滾動軸承的監(jiān)測信號，成功消除了其中的隨機噪聲。王洪杰等人提出把分頻段控制技術(shù)和信號處理方法相結(jié)合的故障診斷方法，并對鍋爐給水泵常見故障進行歸類與分析。程軍圣等人的研究表明，基于局部均值分解的能量算子解調(diào)方法能夠有效提取設(shè)備故障振動信號。朱俊對多級離心泵葉輪堵塞、葉片斷裂、氣蝕、口環(huán)磨損等4種常見故障進行了研究，提出一種基于工藝參數(shù)和振動的泵效率降低的監(jiān)測方法。趙鵬采用遞歸定量分析理論對Elman神經(jīng)網(wǎng)絡(luò)進行了改進，并應用于離心泵的振動信號提取。張曉清等人總結(jié)了常見的離心泵故障類型，并給出一些處理方法。

雖然目前有較多關(guān)于旋轉(zhuǎn)機械故障機理方面的研究，但由于其結(jié)構(gòu)形式的多樣性，且多數(shù)情況下故障的發(fā)生并不是由單一故障引起，這些都給旋轉(zhuǎn)機械的故障機理探索帶來了挑戰(zhàn)，因此未來仍需深入研究旋轉(zhuǎn)機械的故障形成機理。

2.3 旋轉(zhuǎn)機械故障診斷研究現(xiàn)狀

旋轉(zhuǎn)機械故障診斷方法較多，大多是通過檢測電壓、電流、流量、壓力、振動和噪聲這幾個方面來進行診斷，從原理上可分為3類：基于模式識別故障診斷、基于控制模型故障診斷及基于人工智能故障診斷。

2.3.1 基于模式識別的故障診斷 基于模式識別的故障診斷是根據(jù)機械的故障表現(xiàn)形式，選擇相應的模式識別方法進行診斷，其本質(zhì)上就是一個模式識別的過程。對旋轉(zhuǎn)機械故障主要是應用模式分類器來檢測提取出來的各類特征信號，再進行分類和辨別。王峰采用人工免疫應用模式識別方法分析了汽輪機組故障時的振動信號，通過對信號參數(shù)的識別和分類，表明該方法具有一定的適用性。馮長建應用多觀測變量和多樣本的隱Markov模型對旋轉(zhuǎn)機械啟動過程振動模式的故障診斷進行了研究，取得了很好的診斷效果。針對不同的故障有不同的模式識別，因而，能否準確判斷故障類型就對系統(tǒng)的模式識別分類的準確度和精確度提出了一定的要求，如何提高可識別模式的種類和精度與準確度將會是下一步的研究方向。

2.3.2 基于控制模型的故障診斷 基于控制模型的故障診斷是將現(xiàn)實所得的數(shù)據(jù)與數(shù)據(jù)庫中的標準數(shù)據(jù)進行比對獲得殘差，再將殘差與標準值相對比，進而獲得診斷結(jié)果。狀態(tài)估計和參數(shù)選擇是該方法的關(guān)鍵和難點。史軍杰等人基于因式分解法建立了離心泵管道系統(tǒng)模型，并對模型系統(tǒng)進行了故障診斷研究，仿真試驗表明該方法有一定的可靠性，但未涉及故障定位和故障狀態(tài)評估。陳安華等人給出了一種轉(zhuǎn)子系統(tǒng)非線性振動的辨識建模方法，該模型可對故障信號進行在線建模。周云龍等建立了一種連續(xù)隱Markov模型與自回歸譜分析相結(jié)合的方法，并應用到對離心泵的故障診斷中，取得了良好的效果。

2.3.3 基于人工智能的故障診斷 由于故障表現(xiàn)形式各不相同，傳統(tǒng)的故障診斷技術(shù)很難進行精確的故障診斷。針對復雜故障形式，基于人工智能的故障診斷技術(shù)逐漸成為主流。最近幾年，隨著有關(guān)智能分析和信號分析技術(shù)研究的深入，主流的智能故障診斷可以分為小波變換、支持向量機、人工免疫和盲源分離等幾類，但主要有3種：基于神經(jīng)網(wǎng)絡(luò)的故障診斷、基于知識的故障診斷和基于支持向量機的故障診斷。

1） 基于神經(jīng)網(wǎng)絡(luò)的故障診斷。人工神經(jīng)網(wǎng)絡(luò)具有優(yōu)秀的學習能力、優(yōu)秀的函數(shù)逼近功能以及強大的自適應性。Samanta探索了人工神經(jīng)網(wǎng)絡(luò)在故障診斷中的應用，結(jié)果發(fā)現(xiàn)徑向基函數(shù)網(wǎng)絡(luò)、多層感知器和概率神經(jīng)網(wǎng)絡(luò)算法可以用于齒輪故障振動信號的診斷。周云龍等人基于BP神經(jīng)網(wǎng)絡(luò)提出將反向轉(zhuǎn)播的遺傳算法與經(jīng)驗模式分解結(jié)合用于離心泵汽蝕故障診斷。侯祥林等人將多層感知器神經(jīng)網(wǎng)絡(luò)算法和分形計算維數(shù)概念相結(jié)合，提出了分形神經(jīng)網(wǎng)絡(luò)診斷算法的方法。魏效玲等人成功應用BP神經(jīng)網(wǎng)絡(luò)對離心泵的故障進行了診斷。梁超分析了離心泵不同工況下振動信號的相空間復雜網(wǎng)絡(luò)動力學特性，對不同的振動故障進行定量地遞歸分析，從而對不同振動故障狀態(tài)進行診斷。印洪浩等人設(shè)計建立了SOM神經(jīng)網(wǎng)絡(luò)，實現(xiàn)了船用離心泵運行故障的智能診斷。近年來基于神經(jīng)網(wǎng)絡(luò)的故障診斷方法以其獨特的優(yōu)勢發(fā)展迅速，但由于需要大量的訓練樣本，因此在實際應用中仍有一定的局限性。

2） 基于知識的故障診斷?；谥R的故障診斷主要是指專家系統(tǒng)，即對數(shù)據(jù)信號運用知識庫中已有的規(guī)則進行推理，再根據(jù)實際情況修改推理策略，從而對系統(tǒng)故障類型進行準確定位。其中，知識庫的完善程度決定了專家系統(tǒng)的診斷水平。席玉潔歸納總結(jié)了離心泵的常見故障并進行了機理分析，建立了適用于離心泵故障診斷邏輯的專家系統(tǒng)。韓延喆采用貝葉斯網(wǎng)絡(luò)推理方法建立了一種高速離心泵故障診斷專家系統(tǒng)。基于知識的故障診斷是目前主流的故障診斷方向。雖然其具有即時故障推理，并能根據(jù)實際進行調(diào)整方案的優(yōu)點，但也不可避免地對數(shù)據(jù)庫內(nèi)規(guī)則和處理方案的完善程度提出了一定的要求?？梢姡撛\斷系統(tǒng)未來的發(fā)展方向?qū)跀?shù)據(jù)庫的擴充與完善。

3） 基于支持向量機的故障診斷。Vapnik基于統(tǒng)計學理論首次提出了支持向量機（Support Vector Machine，SVM）的模式識別方法，該方法在小樣本、非線性及高維模式識別等方面具有較為明顯的優(yōu)勢。翟永杰等人提出了基于錯分樣本變數(shù)的變增量迭代算法，改進了多類支持向量機的算法，在小樣本的情況下成功用于汽輪發(fā)電機組的故障診斷。Samanta等人以軸承故障診斷為研究對象，將SVM與神經(jīng)網(wǎng)絡(luò)方法進行了對比，發(fā)現(xiàn)SVM方法具有更強的最優(yōu)解逼近能力。趙鵬等人提出一種基于最小二乘支持向量機和EMD復雜度特征的離心泵振動故障診斷方法，取得了較好的效果。顧小軍根據(jù)模式識別系統(tǒng)和旋轉(zhuǎn)機械故障診斷的要求設(shè)計了實時振動信號采集系統(tǒng)，并結(jié)合LabVIEW和MATLAB實現(xiàn)了基于SVM故障識別系統(tǒng)。洪君等人則提出將SVM和HHT方法相結(jié)合的離心泵振動信號故障診斷方法，并通過試驗證明了該方法具有較高的診斷率。萬毅等人基于SVM方法構(gòu)建了離心泵的磨損特性分析和優(yōu)化的智能模型，并與神經(jīng)網(wǎng)絡(luò)算法進行了比較，發(fā)現(xiàn)SVM方法具有更高的預測精度。朱霄珣分析了SVM模型中訓練特征選取、參數(shù)確定以及核函數(shù)選擇等關(guān)鍵問題，建立了基于SVM的轉(zhuǎn)子振動故障診斷智能模型。楊野提出了基于支持向量機和粗糙集的故障診斷方法，并應用于離心泵汽蝕故障診斷，結(jié)果表明，支持向量機可準確快速地識別不同類型的汽蝕故障。基于向量機的故障診斷在模式識別、小樣本和非線性等多方面具有較大的優(yōu)勢，但在實際診斷過程中易受系統(tǒng)內(nèi)部噪聲以及周圍因素的干擾，從而影響診斷的準確度。因此，如何排除外來以及系統(tǒng)內(nèi)的干擾，將會是該模式診斷的下一步研究方向。

3 離心泵故障診斷研究展望

對離心泵故障診斷的研究目前仍處于剛起步的狀態(tài)，需要在以下兩個方面進行更為深入的研究：一是加強離心泵故障診斷的機理研究。主要包括離心泵各種單一故障以及并發(fā)故障下泵結(jié)構(gòu)振動噪聲和內(nèi)部流動誘導噪聲的運行規(guī)律，從而為故障診斷提供依據(jù)，其中各類信號的分離、提取和識別將會是一個難點。二是發(fā)展集多個智能故障診斷系統(tǒng)于一體的新型智能故障診斷系統(tǒng)。目前主流的智能故障診斷方法都需要滿足特定的條件才能夠使用，而且各自都具有不同的優(yōu)缺點。將不同的診斷方法進行合理配合，取長補短，能夠發(fā)揮出超過原有診斷系統(tǒng)的功能。開發(fā)一個基于物聯(lián)網(wǎng)的兼具智能診斷方法、智能監(jiān)控系統(tǒng)以及智能故障預警的新型故障診斷系統(tǒng)將是未來故障診斷的研究方向。

參考文獻

[1] 聞邦春.高等轉(zhuǎn)子動力學[M].北京：機械工業(yè)出版社，1998.

[2] 蔣愛華.流體激勵誘發(fā)離心泵基座振動的研究[D].上海：上海交通大學，2012.

[3] 劉超.離心泵振動故障分析及排查措施[J].化工設(shè)備與管道，2016，53（4）：64-65，84.

[4] 劉超，王中良，于濤，等.離心泵振動原因分析[J].管道技術(shù)與設(shè)備，2015（1）：30-32.

[5] 殷洪權(quán).大型多級離心泵機組軸系的扭轉(zhuǎn)振動分析[J].化工設(shè)備與管道，2014，51（5）：57-61.

[6] KHALIFA A E.Effect of blade exit shape on performance and vibration of a double volute centrifugal pump[J].International Journal of Materials Mechanics and Manufacturing，2014，2（4）：261-264.

[7] 蔣愛華，周璞，章藝，等.基于相空間重構(gòu)離心泵基礎(chǔ)振動的研究[J].農(nóng)業(yè)工程學報，2014，30（2）：56-62.

[8] SRIVASTAV O P，PANDU K R，GUPTA K.Effect of radial gap between impeller and diffuser on vibration and noise in a centrifugal pump[J].Journal of the Institution of Engineers，2003，74（1）：36-39.

[9] 趙萬勇，白雙寶，馬鵬飛.離心泵轉(zhuǎn)子振動研究現(xiàn)狀與展望[J].流體機械，2011，39（3）：37-39.

[10] 周林玉.偏離工況下離心泵的壓力脈動和振動分析[J].流體機械，2015，43（2）：52-55.

[11] ZHANG N，YANG M G，GAO B，et al.Experimental investigation on unsteady pressure pulsation in a centrifugal pump with special slope volute[J].Journal of Fluids Engineering，2015，137（6）：57-59.

[12] ZHANG N，YANG M，LI Z，et al.Pressure pulsation of centrifugal pump with tilt volute[J].Chinese Journal of Mechanical Engineering，2012，48（14）：164-168.

[13] SPENCE R，AMARAL-TEIXEIRA J.A CFD parametric study of geometrical variations on the pressure pulsations and performance characteristics of a centrifugal pump[J].Computers & Fluids，2009，38（6）：1 243-1 257.

[14] GAO B，GUO P，ZHANG N，et al.Unsteady pressure pulsation measurements and analysis of a low specific speed centrifugal pump[J].Journal of Fluids Engineering，2017（3）：89-92.

[15] GAO B，ZHANG N，LI Z，et al.Influence of the blade trailing edge profile on the performance and unsteady pressure pulsations in a low specific speed centrifugal pump[J].Journal of Fluids Engineering，2016，138（5）：132-136.

[16] ASIM T，MISHRA R.Large eddy simulation based analysis of complex flow structures within the volute of a vaneless centrifugal pump[J].Sādhanā，2017（4）：1-12.

[17] ZHANG Y，ZHANG Y，ZHANG J，et al.Study on pressure pulsation in the volute of a centrifugal pump by large eddy simulation[C].ASME 2014 International Mechanical Engineering Congress and Exposition.American Society of Mechanical Engineers，2014.

[18] 崔寶玲，許文靜，朱祖超，等.低比轉(zhuǎn)速復合葉輪離心泵內(nèi)的非定常流動特性[J].化工學報，2011，62（11）：3 093-3 100.

[19] 楊敏，閔思明，王福軍.雙蝸殼泵壓力脈動特性及葉輪徑向力數(shù)值模擬[J].農(nóng)業(yè)機械學報，2009，40（11）：83-88.

[20] 叢國輝，王福軍.雙吸離心泵隔舌區(qū)壓力脈動特性分析[J].農(nóng)業(yè)機械學報，2008，39（6）：60-63.

[21] 祝磊，袁壽其，袁建平，等.不同型式隔舌離心泵動靜干涉作用的數(shù)值模擬[J].農(nóng)業(yè)工程學報，2011，27（10）：50-55.

[22] 姚志峰，王福軍，肖若富，等.離心泵壓力脈動測試關(guān)鍵問題分析[J].排灌機械工程學報，2010，28（3）：219-223.

[23] 姚志峰，王福軍，肖若富，等.雙吸離心泵吸水室和壓水室壓力脈動特性試驗研究[J].水力學報，2012，43（4）：474-479.

[24] 黃茜，袁壽其，方玉建，等.多級離心泵多工況壓力脈動數(shù)值模擬[J].中國農(nóng)村水利水電，2016（10）：191-195.

[25] PARRONDO-GAYO J L，GONZALEZ-PEREZ J，F(xiàn)ERNANDEZ-FRANCOS J.The effect of the operating point on the pressure fluctuations at the blade passage frequency in the volute of a centrifugal pump[J].ASME Journal of Fluids Engineering，2002，124（3）：784-790.

[26] DONG R，CHU S，KATZ J.Effect of modification to tongue and impeller geometry variations on the pressure pulsations and performance in centrifugal pump[J].ASME Journal of Turbomachinery，1997，119（3）：506-515.

[27] MELE J，GUZZOMI A，PAN J.Correlation of centrifugal pump vibration to unsteady flow under variable motor speed[J].Mechanics & Industry，2014，15（6）：525-534.

[28] 陳長盛，馬俊，柳瑞鋒，等.運行工況對離心泵振動影響的試驗研究[J].噪聲和振動控制，2012（6）：199-202.

[29] 周林玉.偏離工況下離心泵的壓力脈動和振動分析[J].流體機械，2014，43（2）：52-55.

[30] 陳斌，張華，李國鋒，等.半開式單葉片螺旋離心泵葉輪內(nèi)部壓力脈動研究[J].農(nóng)業(yè)機械學報，2016，47（10）：73-77.

[31] 蔡建程，潘杰，GUZZOMI ANDREW.離心泵隔舌區(qū)壓力脈動測量與分析[J].農(nóng)業(yè)機械學報，2015，46（6）：92-96.

[32] SAMIRA BEN SALEM，KHMAIS BACHA，ABDELKADER CHAARI.Support vector machine based decision for mechanical fault condition monitoring in induction motor using an advanced Hilbert-Park transform[J].ISA Transactions，2012，51（5）：566-572.

[33] Sohre J S.Trouble-shooting to stop vibration of centrifugal[J].Petro/Chem Engineer，1998（6）：69-73.

[34] CHUAN LI，MING LIANG，YI ZHANG，et al.Multi-scale autocorrelation via morphological wavelet slices for rolling element bearing fault diagnosis[J].Mechanical Systems and Signal Processing，2012（31）：428-446.

[35] 王洪杰，劉全忠，季天晶，等.鍋爐給水泵故障機理及診斷技術(shù)的研究[J].節(jié)能技術(shù)，2004，22（6）：30-31.

[36] 程軍圣，楊怡，楊宇.基于LMD的能量算子解調(diào)機械故障診斷方法[J].振動、測試與診斷，2012，32（6）：915-919.

[37] 朱俊.多級離心泵性能下降故障機理分析及診斷方法研究[D].北京：北京化工大學，2016.

[38] 趙鵬，周云龍，孫斌.遞歸定量分析在離心泵故障診斷中的運用[J].振動、測試與診斷，2010，30（6）：612-616.

[39] 張曉清.離心泵常見故障分析及處理[J].寧夏工程技術(shù)，2011，10（4）：356-358.

[40] 顧志勇.離心泵常見故障分析及處理措施[J].純堿工業(yè)，2016（6）：39-40.

[41] 張震華，姜蘇蘇.淺談離心式水泵工作原理及常見故障原因[J].南方農(nóng)機，2014（4）：30-31.

[42] 曹沖鋒.基于EMD的機械振動分析與診斷方法研究[D].杭州：浙江大學，2009.

[43] 王峰.基于模式識別的汽輪機組振動故障診斷方法的研究[D].北京：華北電力大學，2009.

[44] 馮長建.HMM動態(tài)模式識別理論、方法以及在旋轉(zhuǎn)機械故障診斷中的應用[D].杭州：浙江大學，2002.

[45] FRANK.P.M.Fault diagnosis in dynamic systems using analytical and knowledge-based redundancy：A survey and some new results[J].Automatics，1990，26（3）：459-474.

[46] 陳玉東，施頌椒，翁正新.動態(tài)系統(tǒng)的故障診斷方法綜述[J].化工自動化及儀表，2001，28（3）：1-14.

[47] 史軍杰，王美霞.基于模型的離心泵故障診斷設(shè)計[J].自動化與儀器儀表，2014（12）：68-70.

[48] 陳安華，鐘掘.轉(zhuǎn)子系統(tǒng)非線性振動的辨識建模[J].中國有色金屬學報，1997，7（3）：159-163.

[49] 周云龍，柳長昕，趙鵬，等.基于自回歸-連續(xù)隱馬爾可夫模型的離心泵故障診斷[J].中國電機工程學報，2008，28（20）：88-93.

[50] 吳金培，肖建華.智能故障診斷與專家系統(tǒng)[M].北京：科學出版社，1997.

[51] SAMANTA B.Artificial neural networks and genetic algorithms for gear fault detection[J].Mechanical Systems and Signal Processing，2004，18（5）：1 273-1 282.

[52] 周云龍，吳昱.基于EMD與GA-BP網(wǎng)絡(luò)的離心泵汽蝕故障診斷[J].化工自動化及儀表，2014（41）：660-664.

[53] 侯祥林，李永強，虞和濟.非線性機械設(shè)備系統(tǒng)的分形神經(jīng)網(wǎng)絡(luò)診斷方法[J].振動工程學報，2001，14（2）：220-223.

[54] 魏效玲，王杰華，陳稚文，等.基于BP神經(jīng)網(wǎng)絡(luò)的離心泵故障診斷方法研究[J].煤礦機械，2013，34（2）：244-245.

[55] 梁超.復雜網(wǎng)絡(luò)在離心泵故障診斷中的應用[D].吉林：東北電力大學，2014.

[56] 印洪浩，彭中波.船用離心泵故障SOM網(wǎng)絡(luò)診斷方法[J].中國航海，2012，35（2）：24-28.

[57] 吳金培.智能故障診斷技術(shù)的發(fā)展和展望[J].振動、測試與診斷，1999，19（2）：79-86.

[58] 譚巨興，張清華，王欽若，等.旋轉(zhuǎn)機械設(shè)備智能故障診斷方法的研究[J].工業(yè)控制計算機，2016，29（1）：36-38.

[59] 席玉潔.離心泵故障診斷專家系統(tǒng)的應用研究[D].北京：北京化工大學，2011.

[60] 韓延喆，劉波峰，張俊，等.基于貝葉斯網(wǎng)絡(luò)的超速離心機故障診斷專家系統(tǒng)研究[J].傳感器與位系統(tǒng)，2012，31（2）：39-44.

[61] B.BOSER，L.GUYON，V.VAPNIK.A Training Algorithm for Optimal Margin Classifier[C].In Fifth annual Workshop on Computational Learning Theory.Baltimore：ACM Press，1992.

[62] 翟永杰，王東風，韓璞.基于多類支持向量機的汽輪發(fā)電機組故障診斷[J].動力工程，2003，23（5）：2 694-2 698.

[63] JACK L B，NANDI A K.Fault detection using support vector machines and artificial neural networks， augmented by genetically algorithms[J].Mechanical Systems and Signal Processing，2002，16（3）：373-390.

[64] 趙鵬，周云龍，孫斌.基于經(jīng)驗模式分解復雜度特征和最小二乘支持向量機的離心泵振動故障診斷[J].中國電機工程學報，2009，29（1）：138-144.

[64] 顧小軍.面向旋轉(zhuǎn)機械的支持向量機方法及智能故障診斷系統(tǒng)研究[D].杭州：浙江大學，2006.

[65] 洪君，樊志華，李玉婷.HHT與SVM在離心泵故障振動信號處理中的應用[J].吉林電力，2009，37（2）：26-29.

[66] 萬毅.基于支持向量機的離心泵磨損特性分析方法[J].水利學報，2010，41（4）：488-492.

[67] 朱霄珣.基于支持向量機的旋轉(zhuǎn)機械故障診斷與預測方法研究[D].北京：華北電力大學，2013.

[68] 楊野.基于粗糙集和支持向量機的離心泵汽蝕故障診斷[J].軟件導刊，2011，10（11）：43-44.（下轉(zhuǎn)第77頁）