[發明專利]一種自適應泵站故障智能診斷方法

有效

• 申請號: 201810935911.1
• 申請日: 2018-08-16
• 公開（公告）號: CN109063782B
• 公開（公告）日: 2021-08-24
• 發明（設計）人: 田雨;雷曉輝;張備;劉小蓮;劉梅;張忠波;樊紅剛;王浩;馬良;常文娟
• 申請（專利權）人: 中國水利水電科學研究院
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/00
• 代理公司: 北京市盛峰律師事務所 11337
• 代理人: 梁艷

本發明公開了一種自適應泵站故障智能診斷方法，涉及水力機械故障診斷技術領域。該方法針對泵站的故障診斷分類方面，用各種故障數據進行支持向量機分類，分類時采用概念更為簡單，而且更易于實現的CSA優化算法對C?SVC中的參數?c，與RBF核函數進行優化。提高了分類準確率，縮短了分類所需要的時間，提高了故障診斷的自適應性。從而提高了泵站故障診斷的效率，解決了現有的分類優化算法中實現時間較長，分類不準確等的問題，進而實現自適應的泵站故障智能診斷方法。另外，本發明在進行分類優化之前，在泵站的故障診斷方面引入了經驗模態分解和樣本熵理論，從而進一步提高了水泵機組故障發生類型的診斷準確率。

技術領域

本發明涉及水力機械故障診斷技術領域，尤其涉及一種自適應泵站故障智能診斷方法。

背景技術

隨著水泵設計制造技術和應用技術的不斷提高，水泵的制造和生產正沿著大型化、大容量化、高揚程化、高速化、系列化、通用化、標準化的方向發展。但是即使制造與應用技術達到了一定的水平，仍然避免不了有意外情況的發生。由于水泵屬于一種水力機械，機械就像人一樣有自己的生命周期，在運行過程中不免會出現各種各樣的問題，也就是所說的故障。

水泵故障是指機組運轉過程中不能按預期的指標工作，水泵機組故障可以按時間劃分為突發性故障和漸發性故障。對于突發性故障我們無法預測，但漸發性故障在機械設備運轉的過程中是能夠提前發現的，因為這種備故障的發生必然伴隨著噪聲、振動、溫度等參數的變化。工程師可以依據這些物理參數對故障來源進行識別，判斷故障發生部位，防止故障進一步擴大，從而使水泵機組能夠長時間的在高效區運行，該過程稱為故障診斷。

目前，通常采用的方法包括：基于神經網絡算法、遺傳算法、免疫算法和粒子群算法等方法來實現泵站的故障診斷。這些啟發式算法在解決大多數實際的優化問題時表現出了良好的性能，能夠很好地解決復雜的優化問題，但不能保證能得到最優解，即無法保證得到最準確的泵站故障診斷結果。

發明內容

本發明的目的在于提供一種自適應泵站故障智能診斷方法，從而解決現有技術中存在的前述問題。

為了實現上述目的，本發明采用的技術方案如下：

一種自適應泵站故障智能診斷方法，包括如下步驟：

S1，確定泵站故障的分類準確率作為故障診斷的最終目標；

S2，采集設備信號，并對信號進行降噪處理，得到降噪后的信號，

S3，對降噪后的信號進行經驗模態分解，得到分解出的本征模函數；

S4，對所述本征模函數進行樣本熵提??；

S5，利用不同信號的樣本熵進行支持向量機分類，分類過程中，采用烏鴉搜索算法對C-SVC中的參數-c，與RBF核函數中的參數-g進行優化，得到最高的分類準確率，進而得到最優分類效果的智能化故障診斷。

優選地，S2具體為，水泵機組使用電容式傳感器采集機組信息，由傳感器所轉換而來的連續性電流電壓信號，經過A/D轉換器的采樣、量化、編碼后轉化成數字信號，對然后對數字信號進行小波硬閾值降噪，得到降噪后的信號。

優選地，所述對數字信號進行小波硬閾值降噪，采用如下的函數進行處理：

式中，ω為含噪信號小波變化系數，預先選設閾值為T；

比較含噪信號的小波變化系數ω與預設值T的大小，若小于T，則輸出為零，反之，對其進行閾值函數處理。

優選地，S3包括如下步驟：