[發明專利]一種基于總變差降噪與RQA的單向閥故障診斷方法

在審

• 申請號: 202010976864.2
• 申請日: 2020-09-17
• 公開（公告）號: CN112183260A
• 公開（公告）日: 2021-01-05
• 發明（設計）人: 黃國勇;何冬
• 申請（專利權）人: 昆明理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G01M13/003
• 代理公司: 昆明明潤知識產權代理事務所(普通合伙) 53215
• 代理人: 王鵬飛

本發明涉及一種基于總變差降噪與RQA的單向閥故障診斷方法，屬于機械故障診斷及信號處理技術領域。首先，利用總變差降噪方法對振動信號進行降噪，提高信噪比；然后，對降噪后的信號繪制遞歸圖，通過遞歸定量分析(RQA)方法提取遞歸圖中的非線性特征參數，對所提取特征參數通過補償距離評估技術進行敏感度分析，找出敏感度較高的特征參數構成特征向量；最后將得到的特征向量輸入加權K近鄰分類器(KNN)完成單向閥故障類型的識別。本發明與現有技術相比，主要解決了單向閥振動信號被強背景噪聲淹沒導致信噪比低和故障表征不明顯的問題，有效提高了單向閥故障診斷的準確率，具有一定的工程應用價值。

技術領域

本發明涉及一種基于總變差降噪與RQA的單向閥故障診斷方法，屬于機械故障診斷及信號處理技術領域。

背景技術

往復式高壓隔膜泵作為礦漿管道輸送的主要動力設備，廣泛應用于輸送高濃度、高腐蝕的礦漿物料。而單向閥作為高壓隔膜泵運動最為頻繁的零部件，在實際工作中最容易發生故障。單向閥一旦發生故障，失去密封性，輕則造成高壓隔膜泵系統癱瘓，影響運輸終點的冶煉等過程，重則造成重大損失及生產事故。因此，對單向閥進行故障診斷有著十分重要的意義。但由于隔膜泵機械系統復雜，信號的激勵源較多，單向閥在工作過程中伴隨著泵部件之間強耦合的影響和強背景噪聲的干擾，導致單向閥的故障特征提取困難。因此，從強背景噪聲中提取故障特征信息是單向閥故障診斷的關鍵所在。

在目前的研究中，大多數方法都是直接從振動信號提取特征，從而導致故障診斷的準確性不高。雖然，奇異值降噪、小波閾值去噪和集合經驗模態分解等方法被廣泛應用于機械振動信號去噪，但奇異值降噪效果取決于Hankel矩陣有效奇異值數目的選?。恍〔ㄩ撝等ピ胄Ч艽蟪潭纫蕾囉诨瘮岛烷撝档倪x取，存在不確定性；集合經驗模態分解重構方法容易導致信號局部信息丟失等問題。

特征提取是故障診斷的關鍵之一，單向閥振動信號具有典型的非線性、非平穩性特征，傳統的線性理論和平穩的特征提取方法，容易丟失重要的非線性狀態信息，不能很好地從復雜非線性信號中提取可以反映非線性振動本質的有效特征。構建特征向量時若不考慮因機械設備復雜性及環境非穩定性導致的振動信號非線性，將直接影響到故障診斷的準確率。

發明內容

本發明要解決的技術問題是提供一種基于基于總變差降噪與RQA的單向閥故障診斷方法，用于解決由于高壓隔膜泵工作環境惡劣，機械系統結構復雜，導致單向閥振動信號存在背景噪聲，難以準確提取設備運行狀態特征的問題，致力于提高單向閥故障診斷的準確率。

本發明的技術方案是：一種基于總變差降噪與RQA的單向閥故障診斷方法，首先，利用總變差降噪方法對振動信號進行降噪，提高信噪比。然后，對降噪后的信號繪制遞歸圖，通過遞歸定量分析(RQA)方法提取遞歸圖中的非線性特征參數，對所提取特征參數通過補償距離評估技術進行敏感度分析，找出敏感度較高的特征參數構成特征向量。最后將得到的特征向量輸入加權K近鄰分類器(KNN)完成單向閥故障類型的識別。

具體步驟為：

Step1：利用加速度傳感器采集高壓隔膜泵單向閥在正常狀態、卡閥故障、磨損擊穿故障狀態下的振動信號，得到高壓隔膜泵單向閥各狀態下的振動數據。

Step2：首先利用總變差降噪算法對高壓隔膜泵單向閥三種狀態下的振動信號數據進行降噪處理，提高信號的信噪比，使提取到的特征能更好的反映單向閥各工況下運行狀態，得到降噪后的振動信號。

Step3：對降噪后的信號繪制遞歸圖，通過遞歸定量分析方法提取遞歸圖中的非線性特征參數。

Step4：對所提取特征參數矩陣進行歸一化處理，利用補償距離評估技術進行特征評分，得到各特征的敏感度評估，將敏感度高的特征構成新的特征集。

Step5：將特征集隨機劃分為測試集與訓練集，輸入加權KNN分類器完成單向閥故障診斷。