[發明專利]一種基于熵值的離心泵故障診斷方法

有效

• 申請號: 201811141726.1
• 申請日: 2018-09-28
• 公開（公告）號: CN108984997B
• 公開（公告）日: 2022-07-01
• 發明（設計）人: 李永波;王先芝;杜小強;朱文金;魏禹;司書賓;方俞富
• 申請（專利權）人: 西北工業大學
• 主分類號: G06F30/17
• 分類號: G06F30/17;G01M13/00
• 代理公司: 西安匠星互智知識產權代理有限公司 61291
• 代理人: 華金

本發明提出了一種基于熵值的離心泵故障診斷方法，稱為復合多維多尺度符號動力學熵(CMvMSDE)。首先，為克服傳統粗粒化過程中尺度增加而產生復雜度估計不準確和結果波動性較大的缺點，本文提出了復合多尺度粗粒化過程，利用滑動窗口進行多尺度分割，提高了方法的穩定性。其次，基于多變量相空間重構技術，將一維的符號動力學熵拓展到多維符號動力學熵，從而提出復合多維多尺度符號動力學熵。本文所提的CMvMSDE可提高故障特征提取能力，并可進一步豐富熵值理論。最后，結合邏輯回歸分類器，有效識別不同的離心泵故障，并且識別率為100％。

技術領域

本發明涉及數字信號處理領域，特別涉及一種基于熵值的離心泵故障診斷方法。

背景技術

離心泵作為重要的能量轉化和流體輸送設備，具有體積小，重量輕，效率高，結構簡單等優勢，因此被廣泛應用于石化，電力、供水，排水，航空等各個領域中。離心泵通常在惡劣的工況中運行，易發生各種形式的損傷。如果故障發現不及時，可能導致離心泵運行效率下降，生產中斷，造成重大的經濟損失或災難性事故。因此，離心泵的故障診斷對保障其安全運行至關重要。

離心泵故障診斷的關鍵是如何從測得的振動信號中準確提取故障特征。目前在離心泵健康監測中傳統的特征提取方法包括：有效值、峭度值、均方根值和快速傅里葉變換(FFT)等。然而，當離心泵發生故障時，測得的振動信號往往呈現出非平穩非線性的特征，上述傳統的特征提取方法難以有效提取離心泵隱藏的故障特征，導致最終故障識別率較低。因此，需要尋求一種新的離心泵特征提取方法。

熵在檢測時間序列的動態變化方面給予了研究者新的視角，目前已廣泛應用于旋轉機械的故障診斷。熵值是用來衡量一個時間序列混亂程度的度量，系統越混亂，有序度就越低，因此熵就越大，反之熵就越小。從正常離心泵收集的振動信號由于其高度不規則性而通常具有較大的熵值，而從故障的離心泵收集的振動信號由于較低的不規則性而具有較小的熵值。因此，可以利用熵值作為故障特征來對離心泵的故障類型進行識別。目前，樣本熵(SE)和排列熵(PE)是測量給定時間序列的復雜度的最廣泛使用的方法。然而，樣本熵在分析長信號的效率并不高，排列熵盡管比樣本熵快，但其僅考慮時間序列的幅度值的排序，因此易受干擾噪聲的影響。因此，研究者提出符號動力學熵(SDE)解決這些問題。與樣本熵和排列熵相比，符號動力學熵具有明顯的優勢，如計算效率高和抗噪性強。同時，符號動力學熵被擴展到多尺度符號動力學熵(MSDE)，成功用于行星齒輪箱的故障診斷。但是，由于MSDE僅考慮從單通道傳感器捕獲的故障信息，而單個傳感器很難全面反應某些大型設備的故障信息，所以MSDE方法在提取離心泵的故障特征時仍存在缺陷。目前，如何充分和有效的利用機器中所有的傳感器成為了研究的熱點及難點。

離心泵的主要故障模式為軸承故障和葉輪故障。然而，軸承和葉輪之間存在較長的傳輸路徑，因而測得的振動信號較弱，大量的有效信息被噪聲淹沒，從而導致故障識別的正確率較低。如果用兩個傳感器收集振動信號，一個安裝在軸承末端，另一個安裝在葉輪末端，從雙通道振動信號中提取的故障特征無疑會提供更多的故障信息，因此能夠更全面的反應離心泵的運行狀態，從而有效地提高故障識別的正確率。

發明內容

本發明解決的技術問題是：本發明為了解決多尺度符號動力學熵在離心泵故障診斷中不能進行多通道信號分析這一缺點，我們提出了一種新的故障特征提取方法，稱為復合多維多尺度符號動力學熵(CMvMSDE)。

本發明的技術方案是：一種基于熵值的離心泵故障診斷方法，包括以下步驟：

步驟1：利用p個通道的震動傳感器采集到p個通道的震動信號(每一個通道即為一維變量)，構建多維時間序列矩陣X_i,j，形式如下：

式中，i代表了通道的數目，取值范圍為i＝1,2,…,p，即矩陣中每一行表示了一個通道；j代表了數據的長度，取值范圍為j＝1,2,…,N。