[發明專利]一種基于多傳感器信息融合的往復式壓縮機故障診斷方法

有效

• 申請號: 201310087273.X
• 申請日: 2013-03-19
• 公開（公告）號: CN103147972A
• 公開（公告）日: 2013-06-12
• 發明（設計）人: 江志農;靳夢宇;張明;張進杰;胡敬芬
• 申請（專利權）人: 北京化工大學
• 主分類號: F04B51/00
• 分類號: F04B51/00
• 代理公司: 北京五月天專利商標代理有限公司 11294
• 代理人: 涂蕭愷

1.一種基于多傳感器信息融合的往復式壓縮機故障診斷方法，其特征在于包括如下步驟：

1）采集數據，通過往復壓縮機實驗臺和往復式壓縮機故障診斷與在線狀態監測系統采集相應的故障數據；

2）構造故障特征子空間及故障空間，對采集到的數據進行處理，提取對應的一些特征參數，利用提取的特征參數分類組合成多個故障特征子空間，根據上述一些特征參數，選取多個往復式壓縮機常見故障及正常狀態，構成往復式壓縮機故障空間；

3）得到故障診斷網絡，使用故障特征子空間對已經選好的徑向基神經網絡進行訓練，并保存訓練后的故障診斷網絡；

4)?獲得特征級融合診斷結果，訓練好的故障診網絡自動地對輸入的故障數據進行初步特征級融合診斷，給出特征級融合診斷結果；

5）進行D-S證據理論決策級融合診斷，將特征級融合診斷結果作為證據體，由特征級融合診斷結果確定各個證據體的基本可信度分配，然后，制定應用D-S證據理論進行決策級融合所需要的決策規則，利用構造好的D-S證據理論對所述特征級融合診斷結果進行決策級融合，給出決策級診斷結果。

2.根據權利要求1所述的方法，其特征在于：傳感器采集的信號數據主要包括活塞桿沉降量數據、缸體振動數據、曲軸箱振動數據和氣閥溫度數據。

3.根據權利要求1或2所述的方法，其特征在于：所述步驟3）進一步包括：

31）根據各故障特征子空間的定義和相應的故障空間，獨立構造相應診斷網絡的學習樣本；

32）選取徑向基神經網絡作為診斷網絡，并對診斷網絡進行訓練，使其具有????????????????????????????????????????????????的能力，其中為故障特征子空間，為往復式壓縮機故障；

33)對訓練好的網絡進行測試、診斷，為以后的融合決策診斷做準備。

4.根據權利要求2或3所述的方法，其特征在于：所述步驟5）中，根據特征級融合診斷結果構造基本可信度分配函數，將徑向基神經網絡的訓練誤差作為不確定因素m(θ)，計算公式為：

式中，，分別對應著第i個神經元的期望輸出值以及實際值；

將徑向基神經網絡節點的輸出作為各焦點元素的基本概率分配值，有如下公式：

??????

?????????

式中，?-故障模式；

-神經網絡的輸出結果，即第j種故障發生的可能性。

5.根據權利要求1-4任一項所述的方法，其特征在于：步驟5）中采用的決策規則包括：

規則1?，表明診斷結論是具有最大可信度的命題；

規則2?,，表明診斷結論的可信度必須比其他所有命題的可信度和診斷不確定性大；

規則3?<γ,?，表明證據的不確定性必須小于，其中和視實際情況確定；?

其中，

：故障診斷最終結果；?

：診斷結果中某種故障的可信度；

：不確定因素；

R表示實數，，為大于零的小數；

在滿足上述3個規則的前提下，才能確診故障；若無法確定，則必須重新確定識別框架或選擇更多的證據體進行融合計算。

6.根據權利要求1-5任一項所述的方法，其特征在于：步驟2）中構造的故障特征子空間包括：

S1：一段時間內，活塞桿沉降趨勢變化差值、缸體振動趨勢變化差值、曲軸箱振動趨勢變化差值和氣閥溫度趨勢變化差值；

S2：缸體振動加速度波形的峰值、峰峰值、絕對平均值、均方根值、方根幅值、波形指標、脈沖指標、峰值指標和裕度指標；

S3：缸體振動加速度波形特征相位的峰值及峰峰值。

7.根據權利要求6所述的方法，其特征在于：步驟2）中構造的故障特征子空間S3的特征相位包括：氣閥開啟與關閉的沖擊相位：30°—50°,?110°-130°,?290°—310°,?210°—230°；撞缸、液擊的特征相位：0°—10°，170°—190°；磨損類特征相位：0°—360°。