[發(fā)明專利]基于盲源分離單邊檢測(cè)法的環(huán)冷機(jī)漏風(fēng)率檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201810553950.5
• 申請(qǐng)日: 2018-05-31
• 公開（公告）號(hào): CN108627242B
• 公開（公告）日: 2020-08-25
• 發(fā)明（設(shè)計(jì)）人: 方田;葉學(xué)農(nóng);石海軍
• 申請(qǐng)（專利權(quán)）人: 中冶華天南京工程技術(shù)有限公司;中冶華天工程技術(shù)有限公司
• 主分類號(hào): G01H17/00
• 分類號(hào): G01H17/00;G01M3/24;F27D15/02
• 代理公司: 北京中偉智信專利商標(biāo)代理事務(wù)所(普通合伙) 11325
• 代理人: 張岱

1.一種基于盲源分離單邊檢測(cè)法的環(huán)冷機(jī)漏風(fēng)率檢測(cè)方法，在環(huán)冷機(jī)臺(tái)車處安裝若干第一聲音信號(hào)采集器，在環(huán)冷風(fēng)機(jī)處安裝若干第二聲音信號(hào)采集器，其特征在于，所述方法包括如下步驟：

步驟1：采集正常工況下臺(tái)車聲音數(shù)據(jù)和風(fēng)機(jī)聲音數(shù)據(jù)，得到臺(tái)車聲音樣本和風(fēng)機(jī)聲音樣本，臺(tái)車聲音樣本和風(fēng)機(jī)聲音樣本按照時(shí)間一一對(duì)應(yīng)構(gòu)成正常數(shù)據(jù)樣本集X_normal；

步驟2：利用采集到的臺(tái)車聲音樣本和風(fēng)機(jī)聲音樣本獲得混合歷史樣本集，并利用混合歷史樣本集獲得信源重構(gòu)模型；

步驟3：利用獲得的信源重構(gòu)模型對(duì)正常數(shù)據(jù)樣本集X_normal進(jìn)行信源重構(gòu)，得到正常工作音源樣本集；并濾除臺(tái)車聲音音源樣本中風(fēng)機(jī)的聲音強(qiáng)度，獲得濾除風(fēng)機(jī)干擾的正常工作音源樣本集；

步驟4：利用第一計(jì)算公式計(jì)算濾除風(fēng)機(jī)干擾的正常工作音源樣本集中各特征音源的聲音強(qiáng)度，獲得正常樣本強(qiáng)度集；并利用正常樣本強(qiáng)度集X_snormal建立正常聲音模型；

步驟5：實(shí)時(shí)采集環(huán)冷機(jī)車間當(dāng)前臺(tái)車聲音樣本和風(fēng)機(jī)聲音樣本，并通過信源重構(gòu)獲得故障特征音源對(duì)應(yīng)的臺(tái)車聲音強(qiáng)度集和風(fēng)機(jī)聲音強(qiáng)度集，從臺(tái)車聲音樣本中濾除風(fēng)機(jī)聲音強(qiáng)度的影響獲得濾除風(fēng)機(jī)影響的在線聲音樣本；將濾除風(fēng)機(jī)影響的在線聲音樣本和正常聲音模型進(jìn)行比較，依據(jù)比較結(jié)果判斷在線聲音樣本是否異常，如果在線聲音樣本的數(shù)據(jù)異常，則將在線聲音樣本的數(shù)據(jù)與漏風(fēng)故障庫中的漏風(fēng)聲音模型進(jìn)行比較，判斷在線聲音樣本是否屬于已定義的漏風(fēng)故障以判斷環(huán)冷機(jī)是否發(fā)生漏風(fēng)故障；

所述的利用混合歷史樣本集獲得信源重構(gòu)模型的方法為：

步驟2.1：對(duì)混合歷史樣本集中的樣本數(shù)據(jù)進(jìn)行零均值化和白化處理,得到白化后的樣本Z；

步驟2.2：根據(jù)對(duì)現(xiàn)場(chǎng)聲音信號(hào)來源數(shù)量的估計(jì),初始化向量W＝{w₁，w₂，…w_k}，其中，k為估計(jì)的信號(hào)源數(shù)量，w_i為初始值；

步驟2.3：利用公式通過迭代的計(jì)算方式計(jì)算并更新w_i，再利用公式W←(WW^T)^-0.5W計(jì)算獲得信源重構(gòu)模型；

所述步驟3中，利用獲得的信源重構(gòu)模型對(duì)正常數(shù)據(jù)樣本集X_normal進(jìn)行信源重構(gòu)，得到正常工作音源樣本集的具體方法為：

步驟3.1：對(duì)采集的樣本，進(jìn)行濾波、去噪，并按模型參數(shù)進(jìn)行零均值化和和白化處理，記為z；

步驟3.2：利用信源重構(gòu)模型的分離矩陣W對(duì)正常樣本集進(jìn)行信源重構(gòu)，計(jì)算按信號(hào)源重構(gòu)后的樣本s＝W·z，

所述第一計(jì)算公式為：s_ij＝s1_ij-α·s2_ij；

i是音源代號(hào)；

j是當(dāng)前樣本序號(hào)；

s_ij是當(dāng)前樣本消除風(fēng)機(jī)干擾后的i音源的聲音強(qiáng)度；

s1_ij是當(dāng)前樣本i音源的臺(tái)車聲音強(qiáng)度；

s2_ij是當(dāng)前樣本i音源的風(fēng)機(jī)聲音強(qiáng)度；

α是干擾系數(shù)。

2.根據(jù)權(quán)利要求1所述的基于盲源分離單邊檢測(cè)法的環(huán)冷機(jī)漏風(fēng)率檢測(cè)方法，其特征在于，所述步驟4中利用正常樣本強(qiáng)度集X_snormal建立正常聲音模型的方法包括：利用正常樣本強(qiáng)度集X_snormal計(jì)算正常樣本的質(zhì)心，作為正常數(shù)據(jù)的中心點(diǎn)，樣本點(diǎn)構(gòu)成的超球體半徑作為正常狀態(tài)的空間半徑，最終獲得正常聲音模型。

3.根據(jù)權(quán)利要求1所述的基于盲源分離單邊檢測(cè)法的環(huán)冷機(jī)漏風(fēng)率檢測(cè)方法，其特征在于，所述步驟5中判斷環(huán)冷機(jī)是否發(fā)生漏風(fēng)故障的步驟為：

步驟5.1：利用公式s_ij＝s1_ij-α·s2_ij，將風(fēng)機(jī)聲音強(qiáng)度從臺(tái)車聲音音源樣本中濾除，獲得濾除風(fēng)機(jī)影響的正常聲音樣本，

步驟5.2：計(jì)算濾除風(fēng)機(jī)影響的正常聲音樣本到質(zhì)心的距離；將濾除風(fēng)機(jī)影響的正常聲音樣本到質(zhì)心的距離與超球體半徑進(jìn)行比較，如果濾除風(fēng)機(jī)影響的正常聲音樣本到質(zhì)心的距離小于或等于超球體半徑，則將當(dāng)前狀態(tài)歸類為正常狀態(tài)，如果濾除風(fēng)機(jī)影響的正常聲音樣本到質(zhì)心的距離小大于超球體半徑，則將當(dāng)前狀態(tài)歸類為異常狀態(tài)。

4.根據(jù)權(quán)利要求1所述的基于盲源分離單邊檢測(cè)法的環(huán)冷機(jī)漏風(fēng)濾檢測(cè)方法，其特征在于，所述方法還包括通過閾值判定法或者模糊決策法對(duì)模型結(jié)果進(jìn)行分析并給出故障診斷意見。