空化的发生会造成离心泵工作效率的下降,并诱发振动、压力脉冲和噪声等,严重影响其安全运行和使用寿命。因此,对离心泵空化状态进行监测和研究具有重大的意义。声发射(AE)技术作为一种先进的检测手段,对检测对象的运行无干扰,且对其状态变化敏感,能够有效地避开低频信号的干扰,可用于离心泵空化状态的检测。本文基于声发射检测技术对离心泵空化状态进行监测,分别采用多分辨奇异值分解(MRSVD)方法和改进变分模态分解(IVMD)方法对离心泵空化AE信号进行降噪和特征提取,结合极限学习机(ELM)方法对提取出的特征值进行训练学习,进而实现离心泵空化不同状态的识别。本文主要开展了以下工作:(1)采用本课题组自主研发的声发射采集系统,在水泵试验台上获取离心泵不同空化状态下的AE信号,并在试验过程中记录离心泵的进出口压力、流速和流量等参数,建立离心泵扬程随汽蚀余量(NPSH)变化的特性曲线图。(2)针对采集的离心泵空化AE信号的含噪,采用MRSVD方法对离心泵空化AE信号进行降噪处理。该方法基于矩阵二递推构造原理可以实现信号在多层次、多空间的奇异值分解,将信号分解为近似信号和多个细节信号,最终保留近似信号作为降噪信号。仿真和试验结果表明MRSVD方法能够有效地去除信号内的噪声成分,保留真实有效的有用信号。(3)针对离心泵空化AE信号的特征提取,采用IVMD方法对离心泵空化AE信号进行特征提取。VMD中存在分解层数和惩罚因子人为经验设定的问题,采用包络熵差异系数和人工蜂群算法分别对VMD的两个参数进行寻优,筛选出最优的参数。然后将其应用到离心泵空化AE信号的特征提取中,选出相关系数较大的分量,作为离心泵空化的特征分量。结果表明:在离心泵空化状态从无到有,从弱到强的过程中,各工况点的特征分量的绝对能量值、相对能量值和包络熵值都呈现出一定的规律,与离心泵空化的状态相对应。(4)针对离心泵空化不同状态的识别,采用ELM方法对离心泵空化的不同状态进行识别。将表征空化不同状态的特征向量作为ELM的输入,识别出离心泵空化的不同状态。结果表明:该方法的识别率高达85%,能实现对离心泵空化不同状态的识别。