空调机房设备群的健康能效检测方法技术

本发明专利技术公开了一种空调机房设备群的健康能效检测方法，首先在机房内安装振动传感器，并将接收到的振动信号传递给数据采集系统，采集出设备的振动信号；然后通过自然梯度下互信息的高阶积累量盲源分离算法计算出分离模型W1、W2。利用计算出的分离模型对多源混合信号进行盲源分离，从而提取出设备故障信号的时频特征；然后根据这些特征参数和传感器的位置进行信号特征识别，判定故障类型和设备工作状态，根据分析出的状态信息及时做出相应处理，从而达到设备健康检测和提高设备运行效率的目的。本发明专利技术能够在多种设备共同运行情况下提取单个设备运行时振动信号特征，从而正确判断设备的健康状态并提高运行效率。

【技术实现步骤摘要】
空调机房设备群的健康能效检测方法
本专利技术属于设备故障诊断
，具体地是涉及一种空调机房设备群的健康能效检测方法。
技术介绍
在设备复杂化、规模化的趋势下，空调机房为了节省空间资源和便于维护管理，常将不同类型的机组经常集中安装在同一空间内。目前国内空调系统能效比平均值为2.5左右，最低值仅为1.7，远远落低于单台空调机组的效率值。与国外相比，我国在设备能效利用方面一直处于劣势，国外的设备能效利用率可以达到75％以上，但国内只有30％左右。造成这种局面的主要原因是机房内各类设备振动传递，噪声引起的二次振动使设备运行效率下降，机械故障频发，从而降低了机组的能效。因此对空调机房内设备群进行振动监测，及时发现单台设备的早期故障，是保证空调机组健康、高效运行的有力保障。设备状态监测系统通过分析各类状态特征信息，从而获知设备的运行状态，尽量减少设备的损坏，从而避免不必要的能效浪费和财力损失。因此，高效、准确的设备健康能效监测系统不仅可以保证空调机房的正常运行，还可以提高设备运行效率，减少停机维护费用。但是，由于传感器的状态监测方法只能对单台设备进行监测，对于多种设备互相干扰，机组运行效率变化等因素带来的影响无法准确、实时地诊断。因此，在对多振动源信号未知，且空调机组输出功率动态变化的情况下，能够提取单机组故障源信号特征成为关键技术难题。
技术实现思路
本专利技术的目的就在于克服现有技术存在的上述不足，针对多个振源的混合信号难以快速准确识别设备运行状态的难题，提出了一种新的多源混合信号故障识别技术的空调机房设备群的健康能效检测方法，既对微弱早期故障信号敏感、又能识别多种故障特征；本专利技术能够在多种设备共同运行情况下提取单个设备运行时振动信号特征，从而正确判断设备的健康状态并提高运行效率。而且本专利技术提出的方法改进了盲分离算法的性能，提高了振动信号分离精度，使实际应用中分离性能更加稳定、可靠、准确和高效，从而能够准确有效及时地判断机组的健康和能效状态，达到早期发现设备故障，准确识别故障类型和能效水平的目的。为实现上述目的，本专利技术采用如下技术方案。本专利技术一种空调机房设备群的健康能效检测方法，其特征在于包括以下步骤：步骤1：首先，在机房内空调机组的压缩机、联轴器等关键部位布置振动测点，使用振动频谱分析仪测量机组各部件的轴向、垂直向和水平的振动频谱，最后将信号传递给数据采集系统；步骤2：然后，将采集储存的振动信号作为输入信号X(t)，用三阶积累量和四阶积累量表示输出信号y(t)、边缘熵H(yi)，并将三阶积累量和四阶积累量用Edgeworth级数展开获得边缘熵H(yi)的显示表达式，利用自然梯度法分别对互信息表达式中的W1、W2求导，由此计算出分离矩阵W1和W2，最后在非线性多源信号盲分离模型的基础上，利用求解出的分离矩阵分离出振动源信号y(t)；步骤3：最后，将分离出的源信号进行特征分析，从而确定机房的主要故障源并根据分离的振源信号特征识别运行状态，并将设备运行状态信息及时反馈给健康能效监测系统，从而达到实时监测健康和能效状态的目的。作为本专利技术的一种优选方案，所述步骤1中在设备机房内所布置的振动测点为振动传感器。作为本专利技术的另一种优选方案，所述步骤2中计算分离矩阵W1、W2分为以下步骤：(1).根据空调机组关键部位确定振动传感器最佳安装位置，利用数据采集系统进行空调机组振动数据采集，通过布置在空调机组上压缩机、联轴器等关键部位的振动传感器采集空调机组的振动信号Xj(t)，j＝1，2，...，n，其中，j为通道个数，n为正整数；(2).根据本专利技术的盲源分离算法对采集的空调机组振动信号Xj(t)进行盲源分离，从而得到原始振动信号源sj(t)的近似信号源yj(t)，其中，j＝1，2，...，n；(3).将yi的边缘熵用三阶积累量和四阶积累量表示并将其用Edgeworth级数展开：其中分别为yi的三阶和四阶积累量；(4).根据信息论中互信息的定义，将输出y的用分离参数表示为互信息：(5).定义矢量函数f(y)为非线性激励函数，并根据sigmoid函数计算出矢量函数：(6).利用最小互信息的梯度下降算法，分别对公式(b)中W1和W2求导：其中D(u)＝diag[P′y1(y1)，…，P′yn(yn)]，diag[·]是将矢量化为对角矩阵，对角元素为矢量的对应分量，η为学习步长；(7).最后将公式(c)带入公式(d)和(e)中，求解出分离矩阵W1和W2：W1(k+1)＝W1(k)+η(I－f(y)yT)W1(k)(f)，W2(k+1)＝W2(k)+η(I－f(y)yT－W1(k)Tf(y)yT)W2(k)(g)，其中η为自适应学习步长；(8).利用分离矩阵分离采集信号X(t)求解出源信号y(t)；(9).绘图；(10).根据分离出源信号y(t)进行特征分析；(11).结束。作为本专利技术的另一种优选方案，所述步骤1中的振动频谱分析仪采用CSI2310振动频谱分析仪。本专利技术中选取地下一层的空调机房，其中包括两台热泵机组、三台循环水泵和各类管道作为计算实例。由于本专利技术的多源振动分离方法具有良好时频聚集性和抗干扰性，因此能够最大限度地分离多源混合信号，根据分离出信号的能量分布、频率组成和脉冲时隔即可判断出故障的类型，从而确定机房中设备的运行状态。在工程应用本专利技术时，一般都在空调机房内安装设备振动采集系统长期检测设备的运行状态，根据实际采集到的振动信号，通过本专利技术的信号处理方法，分离出故障信号的时频特征，即可判断出设备的工作状态，从而达到设备健康能效监测的目的。本专利技术通过在设备上安装振动传感器并传递给数据采集系统，对采集的多源混合信号基于自然梯度的高阶积累量互信息盲源分离算法进行信号盲源分离处理。这种信号处理方法可以准确地反映出设备故障信号的时频特征，为监测设备工作状态和设备故障预警提供有效手段。本专利技术中采用高阶累积量的方法，可减少估计误差对分离结果的影响，改善了盲分离算法的性能，提高了计算精度，通过处理后信号的时频特征参数即可判断出故障类型及设备工作状态，避免了常规故障诊断方法难以准确分离多源信号的难题，因此该方法可操作性强、诊断快速、精度高。与现有技术相比较，本专利技术有益效果是：在机械设备不断大型化、多元化、群落化的今天，国内企业对设备群检测系统没有成熟的产品，主要依赖进口，国内部分软件与国外相比还存在较大差距；此外，国外的整套设备健康监测系统售价昂贵，且与国内设备运行状态多不相符，使其不能发挥良好的作用。同时，国外产品的设计环境与国内设备的工作环境不同，无法提高设备在恶劣环境中的运行可靠性。本专利技术能够快速准确地分析出设备的工作状态，保证设备的安全性和高效性，提高设备不健康状态预警效果、减少维护成本。同时本专利技术对机房、设备群等复杂空间环境下的故障检测同样有效，特别适合于水源热泵、水泵机房、空调箱、风力机、鼓风机等设备的故障检测，可大大降低各类设备的检测和维护成本，改进设备检修方式，提高设备运行的安全可靠性和高效性，因此带来的经济效益显著。附图说明为了使本专利技术所解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及具体实施方式，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本专利技术，并不用于限定本专利技术。图1本文档来自技高网...

【技术保护点】
空调机房设备群的健康能效检测方法，其特征在于，包括以下步骤：步骤1：首先，在机房内空调机组的压缩机、联轴器等关键部位布置振动测点，使用振动频谱分析仪测量机组各部件的轴向、垂直向和水平的振动频谱，最后将信号传递给数据采集系统；步骤2：然后，将采集储存的振动信号作为输入信号X(t)，用三阶积累量

【技术特征摘要】
1.空调机房设备群的健康能效检测方法，其特征在于，包括以下步骤：步骤1：首先，在机房内空调机组的压缩机、联轴器等关键部位布置振动测点，使用振动频谱分析仪测量机组各部件的轴向、垂直向和水平的振动频谱，最后将信号传递给数据采集系统；步骤2：然后，将采集储存的振动信号作为输入信号X(t)，用三阶积累量和四阶积累量表示输出信号y(t)、边缘熵H(yi)，并将三阶积累量和四阶积累量用Edgeworth级数展开获得边缘熵H(yi)的显示表达式，利用自然梯度法分别对互信息表达式中的W1、W2求导，由此计算出分离矩阵W1和W2，最后在非线性多源信号盲分离模型的基础上，利用求解出的分离矩阵分离出振动源信号y(t)；步骤3：最后，将分离出的源信号进行特征分析，从而确定机房的主要故障源并根据分离的振源信号特征识别运行状态，并将设备运行状态信息及时反馈给健康能效监测系统，从而达到实时监测健康和能效状态的目的。2.根据权利要求1所述的空调机房设备群的健康能效检测方法，其特征在于，所述步骤1中在设备机房内所布置的振动测点为振动传感器。3.根据权利要求1所述的空调机房设备群的健康能效检测方法，其特征在于：所述步骤2中计算分离矩阵W1、W2分为以下步骤：(1).根据空调机组关键部位确定振动传感器最佳安装位置，利用数据采集系统进行空调机组振动数据采集，通过布置在空调机组上压缩机、联轴器等关键部位的振动传感器采集空调机组的振动信号Xj(t)，j＝1，2，...，n，其中，j为通道个数，n为正整数；(2).根据本发明的盲源分离算法对采集的空调机组振动信号Xj(t)进行盲源分离，从而得到原始振动信号源sj(t)的近似信号源yj(t)，其中，j＝1，2，...，n；(3).将yi的边缘熵用三阶积累量和四阶积累量表示并将其用Edgeworth级数展开：

【专利技术属性】
技术研发人员：周勃，张亚楠，陈长征，费朝阳，
申请(专利权)人：沈阳工业大学，
类型：发明
国别省市：辽宁,21