[發明專利]基于振動信號平穩非平穩性判別及特征甄別的智能電廠泵機故障診斷方法

有效

• 申請號: 201811057710.2
• 申請日: 2018-09-11
• 公開（公告）號: CN109241915B
• 公開（公告）日: 2022-03-25
• 發明（設計）人: 趙春暉;田峰;常浩;趙玉柱;邴漢坤;陳帥
• 申請（專利權）人: 浙江大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 黃歡娣;邱啟旺

1.一種基于振動信號平穩非平穩性判別及特征甄別的智能電廠泵機故障診斷方法，其特征在于，包括以下步驟：

(1)采集正常狀態下和不同故障狀態下的智能電廠泵機振動信號，分別作為原始振動信號，進行模型訓練，包括以下步驟：

(1.1)對原始振動信號進行經驗模態分解，將每個原始振動信號分解為n個IMF分量；

(1.2)對步驟(1.1)中經驗模態分解得到的前兩個IMF分量進行3層小波包分解；每個IMF分量分解得到了8個子信號，共獲得16個子信號；

(1.3)對步驟(1.2)獲得的16個子信號的峰峰值x_peak-peak分別與其原始振動信號的峰峰值X_peak-peak計算比值，即計算若子信號與原始振動信號峰峰值的比值小于閾值λ，則進行舍棄，該子信號包含的信息忽略不計；保留與原始振動信號峰峰值比值大于等于閾值λ的子信號，設保留下來的子信號的個數為m；

其中峰峰值X_peak-peak＝X_max-X_min；X_max子信號的最大值，X_min子信號的最小值；

(1.4)對沒有進行小波包分解的n-2個IMF分量和步驟(1.3)中保留下來的m個子信號，共m+n-2個信號x，用AugmentedDickeyFuller(ADF)檢驗進行平穩性判斷，將m+n-2個信號x分為平穩信號x_s和非平穩信號x_t；

(1.5)對m+n-2個信號x分別計算原始統計特征；原始統計特征包括：均方根值RMS、偏度Skew、峰峰值Peak-peak、峰度Kurt、慢特征Slowness、一倍頻值f₁和二倍頻值f₂，其中慢特征Slowness為：

N為采樣點數，Δx_i為信號x中的差分；

其中，一倍頻f₁為頻譜中頻率為泵機驅動轉速頻率的幅值，二倍頻f₂為頻譜中頻率為兩倍泵機驅動轉速頻率的幅值；

小波包分解保留下來的子信號為m個，未進行小波包分解的IMF分量為n-2個，則每個原始振動信號得到的原始統計特征的個數為7×(m+n-2)；

(1.6)針對正常狀態下和不同故障狀態下的原始統計特征，應用隨機森林特征選擇算法分別對平穩信號x_s和非平穩信號x_t進行特征選擇，選擇出k_s個平穩信號的關鍵特征和k_t個非平穩信號的關鍵特征；

(1.7)建立故障診斷模型：將步驟(1.6)中選擇出的k_s個平穩信號的關鍵特征和k_t個非平穩信號的關鍵特征輸入到隨機森林分類器進行訓練，得到故障診斷模型；

(2)采集智能電廠泵機的振動信號，按照步驟(1.1)～(1.6)選擇出特征重要性最高的k_s個平穩信號的關鍵特征和k_t個非平穩信號的關鍵特征，將關鍵特征輸入到故障診斷模型進行故障診斷。