[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

本發明公開了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。本發明主要針對的是火力發電機組中的泵機設備，通過經驗模態分解對原始信號進行分解得到多個本征模態分量，并利用小波分解克服了EMD分解的模態混疊問題。同時對分解得到的子信號進行平穩性判別，對平穩部分和非平穩部分分別進行特征計算。在特征計算方面，由于泵機的振動信號發生異常時，其頻譜特征變化明顯，加入了一倍頻和二倍頻特征。另外，對關鍵特征進行選擇，降低了特征向量的維數，減少了數據的冗余，提高了火力發電機組中泵機設備振動信號故障診斷的準確率，有助于現場工程師對故障進行準確的修復，從而保證了發電過程的安全可靠運行并提高了生產效益。

技術領域

本發明屬于振動信號的故障診斷領域，特別是針對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。

背景技術

隨著社會的進步與科技的發展，近年來，人們對于電的使用量不斷增加，隨著信息化和工業化的深度融合，推進大型火力發電機組的智能轉型升級，是加快構建高效、清潔、低碳、可持續的電力工業體系的必然選擇。泵機作為燃煤發電的輔助設備，其應用范圍遍布火力發電的各個生產過程。因此，泵機的運行安全性不容忽視，一旦泵機發生故障，極有可能影響真個發電過程的正常運行，甚至會造成全線停機，給生產和生活都帶來了極大地不便。泵機的應用范圍較廣，在火力發電的各個生產過程中都能看見泵機的身影，尤其是發電的水汽系統中。泵機設備結構較為復雜且與眾多其他關鍵設備連接，各種參數相互影響，對泵機設備的有效監測顯得格外重要。由于振動信號自身具有靈敏性的特點，即當泵機設備發生故障或異常時，設備的振動上往往會立刻有所表征，因此對振動信號進行分析能及時的發現故障的發生；同時振動信號對于不同的故障有不同的表征形式，所以通過振動信號對泵機設備進行故障診斷，能區分出不同的故障類型。由于泵機工作的環境嘈雜惡劣，同時與各種設備相互連接，振動信號中夾雜著大量的噪聲且相互影響，具有極強的非線性和非平穩性的特點，難以直接對原始的振動信號進行分析。

一般來說需要通過預處理將原始的振動信號分解成多個簡單的子信號，子信號克服了原始信號夾雜噪聲的問題且成分單一，易于直接進行分析，可提取統計特征。前人對振動信號的研究做了相關研究和貢獻。其中，傅里葉變換、包絡譜分析等多種時頻信號處理的方法已經被廣泛應用于振動信號的預處理以及信號的分解。經驗模態分解雖然在處理非平穩信號有優異的表現，但是其分解過程中的模態混疊現象一直難以解決，對模態混疊現象的探索，一直是學術界研究的重點。特征提取方面，由于振動信號較為復雜，如果僅僅提取單一的特征，不能完全的表征真實的故障情況，而如果對所有的子信號均提取眾多的統計特征，又會造成信息的冗余，如何處理這一矛盾問題也是學術界探討的重點。

本發明針對智能電廠發電機組中泵機的振動信號提出了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。本方法首先利用經驗模態分解對泵機設備采集到的原始振動信號進行預處理，將原始信號分解為多個IMF分量，由于IMF1和IMF2存在模態混疊現象，仍然包含著多種成分。所以對IMF1和IMF2在進行三重小波包分解。將分解得到的多個子信號以及其他IMF分量進行平穩性判別，得到平穩信號和非平穩信號兩部分，對平穩信號部分和非平穩信號部分分別進行統計特征的計算，在統計特征計算中加入了泵機振動信號頻譜中典型的一倍頻和二倍頻。再利用隨機森林特征選擇算法分別對平穩信號和非平穩信號兩部分進行關鍵特征的選擇，消除了特征的冗余，并利用關鍵特征建立故障診斷模型，大大提高了泵機設備運行時的在線故障診斷的準確率。尚未見到與本發明相關的研究報道。

發明內容

本發明的目的在于針對智能電廠發電機組中泵機設備，提供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。

本發明的目的是通過以下技術方案實現的：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，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：