[發明專利]一種故障檢測方法及系統

有效

• 申請號: 202010522398.0
• 申請日: 2020-06-10
• 公開（公告）號: CN111810418B
• 公開（公告）日: 2022-02-11
• 發明（設計）人: 陳漢新;柯耀;楊柳;王琪;黃浪;苗育茁
• 申請（專利權）人: 武漢工程大學
• 主分類號: F04D15/00
• 分類號: F04D15/00;G01H17/00
• 代理公司: 北京輕創知識產權代理有限公司 11212
• 代理人: 趙秀斌

1.一種故障檢測方法，其特征在于，包括以下步驟：

S1:獲取離心泵在正常模式的第一多源特征信號；

S2:對所述第一多源特征信號進行去噪，得到第一三維時變頻譜陣列；

S3:根據所述第一三維時變頻譜陣列獲取多個第一加載因子；

S4:獲取離心泵在故障模式下的多個第二加載因子；

S5:將所述多個第二加載因子與所述多個第一加載因子進行比較，獲得故障的位置和類型；

其中，所述第一多源特征信號為離心泵不同位置的振動信號、聲信號、流量信號和壓力信號中的一種或多種；

所述S3具體包括：

S301:將所述第一三維時變頻譜陣列，記為，進行平行因子分解，則的分量分別為：

其中，為矩陣，B為矩陣,為矩陣；表示行和列為j的單位對角三維數據矩陣的重組二維矩陣，表示行和列為k的單位對角三維數據矩陣的重組二維矩陣,表示行和列為i的單位對角三維數據矩陣的重組二維矩陣；表示由()形成的三維誤差集在j維度的分量，表示三維誤差集在k維度的分量,表示三維誤差集在i維度的分量；

S302:將所述第一三維時變頻譜陣列進行多尺度時頻分解；

S303:確定因子數目；

S304:初始化加載矩陣和；

S305:通過最小二乘回歸算法加載矩陣B和C來估計A，即,，為的轉置矩陣；

S306:通過最小二乘回歸算法加載矩陣A和B來估計C,即C,，為的轉置矩陣；

S307:通過最小二乘回歸算法加載矩陣A和C來估計B,即B,，為的轉置矩陣；

S308:重復S302-S307，直到收斂,獲得多個第一加載因子。

2.根據權利要求1所述的方法，其特征在于，所述第一加載因子為幅度加載因子、時間加載因子和頻率加載因子中的一種或多種。

3.根據權利要求1或2所述的方法，其特征在于，所述S2中利用小波變換法對所述第一多源特征信號進行去噪。

4.根據權利要求1或2所述的方法，其特征在于，所述S4具體包括：

S401:獲取離心泵在故障模式的第二多源特征信號；

S402:對所述第二多源特征信號進行去噪，得到第二三維時變頻譜陣列；

S403:根據所述第二三維時變頻譜陣列獲取多個第二加載因子。

5.一種故障檢測系統，其特征在于，包括：數據獲取模塊、去噪模塊、數據分析模塊和比較模塊；

所述數據獲取模塊用于獲取離心泵在正常模式的第一多源特征信號并發送至所述去噪模塊；

所述去噪模塊用于對所述第一多源特征信號進行去噪，獲得第一三維時變頻譜陣列并發送至所述數據分析模塊；

所述數據分析模塊用于根據所述第一三維時變頻譜陣列獲取多個第一加載因子加載并發送至比較模塊；所述數據分析模塊還用于獲取離心泵在故障模式下的多個第二加載因子并發送至所述比較模塊；

所述比較模塊用于對所述多個第二加載因子與所述多個第一加載因子進行比較，輸出故障的位置和類型；

其中，所述數據分析模塊獲取多個第一加載因子的具體過程包括：

S301:將所述第一三維時變頻譜陣列，記為，進行平行因子分解，則的分量分別為：

其中，為矩陣，B為矩陣,為矩陣；表示行和列為j的單位對角三維數據矩陣的重組二維矩陣，表示行和列為k的單位對角三維數據矩陣的重組二維矩陣,表示行和列為i的單位對角三維數據矩陣的重組二維矩陣；表示由()形成的三維誤差集在j維度的分量，表示三維誤差集在k維度的分量,表示三維誤差集在i維度的分量；

S302:將所述第一三維時變頻譜陣列進行多尺度時頻分解；

S303:確定因子數目；

S304:初始化加載矩陣和；

S305:通過最小二乘回歸算法加載矩陣B和C來估計A，即,，為的轉置矩陣；

S306:通過最小二乘回歸算法加載矩陣A和B來估計C,即C,，為的轉置矩陣；

S307:通過最小二乘回歸算法加載矩陣A和C來估計B,即B,，為的轉置矩陣；

S308:重復S302-S307，直到收斂,獲得多個第一加載因子。