基于主元分析和序贯概率比检验的离心泵故障诊断方法技术

本发明专利技术公开了一种基于主元分析和序贯概率比检验的离心泵故障诊断方法，该方法使用普通叶轮和故障叶轮建立模型，采用离心泵振动信号采集系统获取原始振动信号；然后运用小波包变换对信号进行降噪，利用时域分析法提取信号的特征参数；再采用主元分析法对所提取的特征参数进行降维处理，选取贡献率最大的主元作为检验序列；最后利用序贯概率比检验算法来分析离心泵的运行状态并结合均方根算法对故障进行分类。本发明专利技术主要是利用主元分析和序贯概率比检验进行故障状态诊断的方法，创建了分类的准则，该方法在离心泵故障诊断及识别方面具有更高的有效性和准确性。

Fault Diagnosis Method of Centrifugal Pump Based on Principal Component Analysis and Sequential Probability Ratio Test

【技术实现步骤摘要】
基于主元分析和序贯概率比检验的离心泵故障诊断方法
本专利技术属于无损检测
，尤其涉及一种基于主元分析和序贯概率比检验的离心泵故障诊断方法。
技术介绍
随着科技进步和经济发展,工业技术发展迅速，因而对工业生产设备的安全性、可靠性等方面的要求也越来越高，机械设备如果出现故障或者停机，都会严重影响生产甚至会造成人员伤亡。为了减少因机械设备故障带来的负面影响，故障诊断技术显得尤为重要。近年来，作为工业生产中常用的设备，离心泵因其可以满足大流量、长期连续运转等生产要求而在我国的石化等行业中使用普遍。在离心泵运行过程中，叶轮损坏和轴损坏等各种故障是不可避免的，可能造成人员伤亡和重大经济损失。因此分离心泵的故障并采取相应措施经行处理是非常重要的，需要针对复杂故障模式的诊断做出改进。
技术实现思路
本专利技术所要解决的技术问题是，提供一种基于主元分析和序贯概率比检验的离心泵故障诊断方法，创建了分类的准则，该方法在离心泵故障诊断及识别方面具有更高的有效性和准确性。本专利技术解决其技术问题所采用的技术方案是：提供一种基于主元分析和序贯概率比检验的离心泵故障诊断方法，该方法包括以下步骤，步骤1：使用标准对照叶轮和故障叶轮建立模型，采用离心泵振动信号采集系统获取原始振动信号；步骤2：运用小波包变换对原始信号进行降噪处理，利用时域分析法提取信号的特征参数；步骤3：采用主元分析法对所提取的特征参数进行降维处理，选取贡献率最大的主元作为检验序列；步骤4：利用序贯概率比检验算法来分析离心泵的运行状态并结合均方根算法对故障进行分类。按上述技术方案，步骤2中降噪处理和提取信号的特征参数具体为，运用小波包变换对原始信号进行降噪处理后，得到离心泵的特指参数。小波包变换对原始信号进行降噪处理，有利于能够对信号的低频部分与高频部分都进行更细致的分解，从而提高了信号的时频分辨率，使降噪后信号的幅值明显有所减小，而且信号曲线也更为清晰。按上述技术方案，得到离心泵在四种状况下的四组信号的八种特征参数，四种类型的叶轮包括标准对照叶轮(F1)、叶片损伤叶轮(F2)、边缘损坏叶轮(F3)和穿孔叶轮(F4)。选择叶轮的型号，离心泵的型号，电机的功率和转速，设置离心泵与电机的转动方式和转动比，振动传感器的放置位置。所述步骤1中，根据使用标准对照叶轮和故障叶轮分为四种类型，离心泵振动信号采集系统包括离心泵、电机、振动传感器、信号采集卡和电脑，离心泵振动信号采集系统分别确定正常条件和故障条件下获得4种原始振动信号，分别用S1、S2、S3和S4表示。通过使用四种类型的叶轮，然后由离心泵振动信号采集系统分别确定正常条件和故障条件下获得原始振动信号S1、S2、S3和S4，用四种类型进行对比，获得的原始信号也更加有利于后期运用小波包分析处理。通过四种类型的叶轮包括正常的(F1)叶片损伤的(F2)，边缘损坏的(F3)和穿孔的(F4)，便于这四种模式有着清晰地区别又能很好地代表离心泵叶轮的典型故障，通过叶轮的型号，离心泵的型号，电机的功率和转速，离心泵与电机的转动方式和转动比，便于确认叶轮、离心泵和电机的型号，也表明很具有普遍性，通过振动传感器的放置位置，能够更有效的检测出有用的原始信号，并使其的精确度更高。按上述技术方案，特征参数包括均值、有效值、标准差、峭度指标、波形指标、峰值指标、裕度指标和脉冲指标。均值，用于反映信号波动能量的大小；有效值，用于描述动态信号强度的指标；标准差，用于描述信号的波动分量；峭度指标，用于反应振动信号中的冲击特征；波形指标，用于反映信号偏离高斯分布程度的指标；脉冲指标与峰值指标，用于检测信号中有无冲击的指标；裕度指标，用于检测机械设备的磨损状况。因为每个特征参数都能反映该信号的某种特性，所以根据特征参数结合振动信号，可以间接说明离心泵运行状态。按上述技术方案，步骤3中选取贡献率最大的主元具体为，采用主元分析法对所提取的特征参数进行降维处理后，根据贡献率的高低来对处理后的主成分进行降序排列，选择累积贡献率超过85％的第一主元，将其作为检验序列。采用主元分析法对所提取的特征参数进行降维处理，简化了原始过程特性分析的复杂程度，降低了数据的维度而且保留原始变量绝大部分有用的信息。通过选择累积贡献率超过85％的第一主元，将其作为检验序列，是后续的检验更加方便，提高了分析的效率，结果的准确率也很高。按上述技术方案，贡献率是保留原有信息中有用信息的量。按上述技术方案，步骤4中具体步骤为：步骤41：选取的检验序列满足高斯分布，可得出其均值μ和标准差σ；步骤42：计算出任意两组序列的联合概率密度函数Pik(yk)、Pjk(yk)；步骤43：由概率密度函数可以得出序贯概率比检验似然比Δi,j(YSm)；步骤44：根据序贯概率比检验的检验准则，识别出离心泵的状态；步骤45：结合均方根误差算法，将其中状态下的待检序列的均值分别与其他三组待检序列的均值作为序贯概率比检验参数，将三种分析结合起来识别出该状态。通过联合概率密度，使有用信息更加准确，对于整体来说不会因个别因子分布不同而受到影响。通过序贯概率比检验，解决了过于考虑选取样本的多少问题，而且不需要预先固定样本量，减少抽样次数。在序贯概率比检验似然比中，提出用似然比更有利于反映检测的真实性和可靠性。通过将均方根误差算法与序贯概率比检验相结合，即用三层序贯概率比检验对离心泵故障进行诊断来验证序贯概率比检验算法的有效性和稳定性，然后用四组待检序列进行对比分析，这样能够更加精细有效的识别出离心泵所处的状态。按上述技术方案，贯概率比检验的检验准则为比较似然比与阈值A、B的大小；待检序列的均值由在待检序列所处状态下选取10组振动信号的待检序列，记为Y′S1(M)，其中M＝1，…，10，计算Y′S1(M)的均值μi。本专利技术产生的有益效果是：运用小波包变换对信号降噪，而后对提取的特征参数进行主元分析，最后将序贯概率比检验运用到离心泵故障诊断中。结果表明，小波包降噪效果良好，主元分析处理之后的数据用于序贯概率比检验能够准确识别出4种不同的故障模式。同时将序贯概率比检验与均方根误差算法相结合进一步对各种模式进行了分类，创建了分类的准则，该方法在离心泵故障诊断及识别方面具有更高的有效性和准确性。附图说明下面将结合附图及实施例对本专利技术作进一步说明，附图中：图1为本专利技术实施例基于PCA-SPRT算法的离心泵故障诊断方法的流程示意图；图2为本专利技术实施例基于PCA-SPRT算法的离心泵故障诊断方法的基于序贯概率比检验算法的离心泵故障诊断流程图；图3为本专利技术实施例基于PCA-SPRT算法的离心泵故障诊断方法的基于序贯概率比检验并结合均方根算法的离心泵故障诊断流程图；图4为本专利技术实施例基于PCA-SPRT算法的离心泵故障诊断方法的离心泵信号采集系统图。其中，1、电机，2、V型传送带，3、振动传感器，4、离心泵，5、数据线，6、控制面板，7、电脑。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，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例仅用以解释本专利技术，并不用于限定本专利技术。如图1所示，为基于PCA-SPRT算法的离心泵故障诊断方法具体实施例流程示意图，包括以下步骤：S1：使用普通叶轮和故障叶轮建本文档来自技高网...

【技术保护点】
1.一种基于主元分析和序贯概率比检验的离心泵故障诊断方法，其特征在于，该方法包括以下步骤，步骤1：使用标准对照叶轮和故障叶轮建立模型，采用离心泵振动信号采集系统获取原始振动信号；步骤2：运用小波包变换对原始信号进行降噪处理，利用时域分析法提取信号的特征参数；步骤3：采用主元分析法对所提取的特征参数进行降维处理，选取贡献率最大的主元作为检验序列；步骤4：利用序贯概率比检验算法来分析离心泵的运行状态并结合均方根算法对故障进行分类。

【技术特征摘要】
1.一种基于主元分析和序贯概率比检验的离心泵故障诊断方法，其特征在于，该方法包括以下步骤，步骤1：使用标准对照叶轮和故障叶轮建立模型，采用离心泵振动信号采集系统获取原始振动信号；步骤2：运用小波包变换对原始信号进行降噪处理，利用时域分析法提取信号的特征参数；步骤3：采用主元分析法对所提取的特征参数进行降维处理，选取贡献率最大的主元作为检验序列；步骤4：利用序贯概率比检验算法来分析离心泵的运行状态并结合均方根算法对故障进行分类。2.根据权利要求1所述的基于主元分析和序贯概率比检验的离心泵故障诊断方法，其特征在于，步骤2中降噪处理和提取信号的特征参数具体为，运用小波包变换对原始信号进行降噪处理后，得到离心泵的特指参数。3.根据权利要求2所述的基于主元分析和序贯概率比检验的离心泵故障诊断方法，其特征在于，得到离心泵在四种状况下的四组信号的八种特征参数，四种类型的叶轮包括标准对照叶轮、叶片损伤叶轮、边缘损坏叶轮和穿孔叶轮。4.根据权利要求3所述的基于主元分析和序贯概率比检验的离心泵故障诊断方法，其特征在于，特征参数包括均值、有效值、标准差、峭度指标、波形指标、峰值指标、裕度指标和脉冲指标。5.根据权利要求1或2所述的基于主元分析和序贯概率比检验的离心泵故障诊断方法，其特征在于，步骤3中选取...

【专利技术属性】
技术研发人员：陈汉新，苗育茁，范东亮，方璐，黄浪，柯耀，王琪，杨柳，
申请(专利权)人：武汉工程大学，
类型：发明
国别省市：湖北,42