[發明專利]一種跨工況條件下水泵故障智能診斷方法

有效

• 申請號: 202110967655.6
• 申請日: 2021-08-23
• 公開（公告）號: CN113669246B
• 公開（公告）日: 2022-06-24
• 發明（設計）人: 楊德瑋;周克發;楊軍;劉曉杰;陳瑩穎;陳偉;董凱
• 申請（專利權）人: 水利部交通運輸部國家能源局南京水利科學研究院
• 主分類號: F04B51/00
• 分類號: F04B51/00;G01M13/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 南京樂羽知行專利代理事務所(普通合伙) 32326
• 代理人: 李玉平

本發明公開了一種跨工況條件下水泵故障智能診斷方法，涉及振動信號處理、模式識別等技術領域。該方法構建了一種域對抗網絡框架，使得原始工況條件下獲取的水泵振動數據(源域)和當前工況條件下獲取的水泵振動數據(目標域)在高階矢量特征空間中對齊，實現自適應的水泵故障診斷。在此網絡框架下提出了一種域對抗膠囊網絡，能夠實現跨工況條件下水泵故障智能診斷。本發明能夠穩定、可靠地用于野外復雜工況條件下的水泵故障診斷，具有較高的可靠性和適用性。

技術領域

本發明涉及一種基于域對抗的跨工況條件下水泵故障智能診斷方法，具體的是指通過模型學習和優化實現源域振動信息和目標域振動信息在高階矢量特征空間中對齊，以實現跨工況條件下水泵故障的智能診斷，屬于振動信號處理、模式識別技術領域。

背景技術

水泵是一種基本的水利設備，廣泛布設于各類水庫及出/入水口站點。隨著人類活動的不斷加劇，水泵系統的必須保持長時間的穩定運行。對泵的健康和故障進行實時檢測和分析，及時發現其故障隱患并進行檢修，是保障水泵健康狀態的必要基礎。軸承系統是各類水泵機械的最重要的基礎機械元件，數量多且長時間發生滾動運行，是水泵設備故障隱患最多發的機械元件。對于軸承的故障診斷對于水泵系統的健康狀態診斷而言尤為重要。對于軸承故障診斷，振動數據是最為可靠的依據，能夠直接關聯水泵設備微小的故障種類。

在實際應用中，水泵多布設于野外場景和多變的水情條件，常面臨復雜的工況條件和新穎的運行環境。在此條件下先驗的專家知識和已學習的模型參數面臨不適定的問題，而重新學習又面臨數據匱乏和高時間損耗的難題。此時，傳統的故障診斷方法，如基于SVM、貝葉斯網絡的故障診斷方法難以應用。近年來，在水泵故障診斷研究領域，盡管深度學習模型已取得了出色的性能但仍難以實現跨工況條件下的故障智能診斷，先驗的深度學習模型難以適用于霹時出水量、揚程、軸功率三種因素變化工況條件下水泵故障診斷。

發明內容

發明目的：針對現有技術中存在的問題與不足，本發明提供了一種基于域對抗的跨工況條件下水泵故障智能診斷方法，通過故障分類和工況域分類模型學習和聯合優化實現源域振動信息和目標域振動信息在高階矢量特征空間中對齊，以實現跨工況條件下水泵故障的智能診斷。

技術方案：一種基于域對抗的跨工況條件下水泵故障智能診斷方法，包括如下步驟：

(一)搭建變化工況條件下水泵故障診斷的域對抗網絡框架：建立了針對霹時出水量、揚程、軸功率三種因素變化工況條件下水泵故障診斷的域對抗網絡模型框架。

(二)構建類別分類、領域分類的損失函數。

(三)通過損失函數的聯合優化，實現域對抗網絡模型的優化，完成模型訓練學習。

(四)將跨工況條件下的水泵振動數據輸入到域對抗網絡模型中，同時完成對故障種類和工況域種類的分類，以此完成故障診斷。

所述變化工況條件下水泵故障診斷的域對抗網絡框架主要包括水泵振動源域數據和水泵振動振動域數據輸入、基于CNN網絡的源域/目標域特征提取器、基于膠囊網絡的水泵振動數據高階矢量特征提取器、水泵故障類別分類器、水泵工況領域分類器。

(1)多工況條件下水泵振動源域數據和水泵振動振動域數據輸入：構建了并行處理兩路輸入數據的雙流網絡架構分別輸入多工況條件下水泵振動數據，包括：源域振動數據x^s和目標域振動數據x^t。其中，水泵源域振動數據x^s和目標域振動數據x^t采集的工況環境不同，在霹時出水量、揚程、軸功率上具有差異。

(2)通過源域/目標域特征提取器和水泵振動數據高階矢量特征提取器兩級特征提取獲取源域高階矢量特征和目標域高階矢量特征其中G_s()為兩級特征提取函數。以此，獲取一維水泵振動故障特征。