基于无传感器监测技术的离心泵叶轮破损诊断方法及装置制造方法及图纸

本发明专利技术公开了一种基于无传感器监测技术的离心泵叶轮破损诊断方法及装置，采集离心泵驱动电机的瞬态电流信号，利用循环平稳理论对电流信号时频联合分析，提取出离心泵运行特征分量，从而判断是否发生叶轮破损。本发明专利技术通过测量分析离心泵驱动电机电流信号，不必接近运行设备即可实现离心泵的运行状态监测，装置安装使用方便灵活、安装成本低，同时离心泵的运行特征信息可以实时反映在电流信号中，信息集成度高，测量可靠性高；采用奇异值分解剔除瞬态电流中的工频分量，减少其对电流信号的调制影响，信号处理基于循环平稳理论，分析结果更加准确、可靠。

Method and device of impeller damage diagnosis of centrifugal pump based on Sensorless monitoring technology

【技术实现步骤摘要】
基于无传感器监测技术的离心泵叶轮破损诊断方法及装置
本专利技术涉及流体机械测试方法及其装置，特别是一种离心泵叶轮破损诊断方法及其装置。
技术介绍
离心泵广泛应用于工业领域。高温、高压、高转速等严重工况下长时间运转，或工作点的不合理和维修故障，容易使离心泵发生机械故障，降低了离心泵的性能，增加了能耗。在机械故障中，叶轮裂纹较为常见。叶轮裂纹可能是由于流体或固体颗粒在流体中的腐蚀造成的，这种裂纹可能会破坏离心泵的转动平衡，从而降低运行稳定性。因此，需要对离心泵的运行状态进行监控以保证运行的效率和可靠性。无传感器监测技术可以用于离心泵工况监测。该技术将驱动泵运行的异步电机作为转矩传感器，通过分析电机定子电流信号的时频特征，来提取泵运行状态特征，实现工况监测。该技术可大大降低传统监测方法的成本，简化安装并提高监测结果的准确性和可靠性。一种转动叶片故障间接诊断技术(国别：中国，公开号：101592590A，公开日期：2009-12-02)、随机共振的离心式压缩机半开式叶轮裂纹故障检测方法(国别：中国，公开号：104165925A，公开日期：2014-11-26)、离心式压缩机半开式叶轮裂纹故障识别方法(国别：中国，公开号：104236871A，公开日期：2014-12-24)，均公开了利用传感器获取叶轮运行状态信号，但存在以下缺点：传感器安装需要接近待检测设备，安装成本高，操作复杂；传感器信号传递路径多，抗干扰能力较差，可靠性不高；检测装置工作环境差，维护成本较高。
技术实现思路
专利技术目的：针对上述问题，本专利技术的目的是提供一种基于无传感器监测技术的离心泵叶轮破损诊断方法，提高监测结果的准确性，本专利技术的另一目是提供实现这种方法的装置。技术方案：一种基于无传感器监测技术的离心泵叶轮破损诊断方法，对于实际工况、设计工况下运行的离心泵驱动电机，按以下步骤计算出各自相关参数并进行比较：步骤1，采集驱动电机的瞬态电流信号，并转化成电压信号，用于分析计算；步骤2，对所采集的瞬态电流信号进行分析，利用奇异值分解剔除瞬态电流中的工频分量；步骤3，对所采集的瞬态电流信号基于循环平稳理论进行分析，计算出循环自相关函数Rx(τ，α)，以及循环自相关函数Rx(τ，α)切片分量的标准差；步骤4，比较实际工况下的标准差σ、设计工况下的标准差σ0，当σ＞(1.05～1.10)σ0时表示离心泵偏离设计工况运行，反之表示离心泵在设计工况点附近运行，则需进一步计算分析其运行状态；步骤5，提取出叶片通过频率α1处切片分量Rx(τ，α1)，并作Fourier变换以获得主频分量幅值，比较实际工况下的主频分量幅值A1、设计工况下无故障正常运行时的主频分量幅值当时表示叶轮发生破损，反之表示叶轮正常；再提取瞬态电流信号中N(N≤6)整数倍叶片通过频率对应的循环切片谱用于分析，以判断叶轮破损数目。进一步的，步骤2具体为：(1)假设以所采集的离散的瞬态电流信号序列构成矩阵A，对实数矩阵A∈Rm×n，存在正交矩阵U∈Rm×m和V∈Rm×n，则序列可构成矩阵：A＝UΛVT式中，Λ为对角阵，Λ的秩为r，r≤min(m，n)，非零对角元素为矩阵A的奇异值元素，按降序排列；(2)对矩阵A进行SVD分解，得到一系列奇异值σi和对应的子矩阵Ai，子矩阵Ai由奇异值向量ui和vi组成，每个向量ui和vi可构成一直角坐标系，因此矩阵A中的特征信息被分解到正交矢量ui、vi构成的一系列子空间中：式中，ui和vi分别为矩阵A的第i个左奇异向量和右奇异向量，σi为矩阵A的第i个奇异值，Ai为子矩阵；(3)电网频率分量是电流信号中的主要组成，因此对应第一子空间，而能反映离心泵运行特征信息的微弱信号则被分解到其余不同的子空间，由此将电网频率分量表示为分解后的第一分量：式中，u1、σ1、为分解后的第一分量中的构造矩阵；(4)在电流信号A中去除电网频率分量即可得到剔除电流中的工频分量的信号，表示为：进一步的，步骤3中，循环自相关函数Rx(τ，α)具体为：循环自相关函数Rx(τ，α)切片分量的标准差具体为：式中，*表示共轭，τ为时延因子，信号的二阶循环平稳特性表示为所有时间t满足Rx(t，τ)＝Rx(t+T，τ)，这里T0是循环周期，α＝1/T为基础循环频率，N为Rx(τ，α)切片分量中点数，mi表示各点的值，μ表示所有点的平均值，n表示-N到N的整数，j表示虚数。一种实现上述基于无传感器监测技术的离心泵叶轮破损诊断方法的装置，包括：信号采集模块，用于采集离心泵运行时驱动电机的瞬态电流信号；信号调理模块，将信号采集模块采集的瞬态电流信号转化为电压信号；信号处理模块，对信号调理模块转化的电压信号进行分析处理；存储模块，与信号调理模块、信号处理模块连接，用于存储数据；显示模块，与信号处理模块连接，用于显示数据；电源模块，分别与信号采集模块、信号调理模块、信号处理模块、存储模块、显示模块连接，用于装置运行。进一步的，信号采集模块为霍尔电流传感器，其一个接口与信号调理模块连接，另一个接口与离心泵驱动电机的三相交流电火线连接。进一步的，存储模块为SD存储卡，显示模块为LCD触摸控制显示设备。进一步的，信号调理模块将信号采集模块采集的瞬态电流信号转化为0～3V电压信号。有益效果：与现有技术相比，本专利技术的优点是：1、基于无传感器监测技术，通过测量分析离心泵驱动电机电流信号，不必接近运行设备即可实现离心泵的运行状态监测，装置安装使用方便灵活；2、装置安装成本低，同时离心泵的运行特征信息可以实时反映在电流信号中，信息集成度高，另外离心泵动态信息通过定、转子绕组的气隙磁场变化反映出来，信息传递路径少，抗干扰能力强，测量可靠性高；3、采用奇异值分解剔除瞬态电流中的工频分量，减少其对电流信号的调制影响，信号处理基于循环平稳理论，通过分析信号循环自相关函数中的切片分量，可准确提取出故障特征信息，并消除因偏工况导致的运行不稳定造成的信号干扰，分析结果更加准确、可靠。附图说明图1为实现本专利技术离心泵叶轮破损诊断方法的一种装置结构示意图；图2为本专利技术离心泵叶轮破损诊断方法的流程图；图3为方法的步骤2剔除瞬态电流中的工频分量的流程图；图4为方法的步骤3～5进行信号分析处理的流程图。具体实施方式下面结合附图和具体实施例，进一步阐明本专利技术，这些实施例仅用于说明本专利技术而不用于限制本专利技术的范围。一种离心泵叶轮破损诊断装置，包括：信号采集模块、信号调理模块、信号处理模块、存储模块、显示模块、电源模块。如附图1所示，信号采集模块采用霍尔电流传感器1，其一个接口与信号调理模块2连接，另一个接口与带动离心泵3工作的驱动电机4的三相交流电火线41连接，用于采集离心泵运行时驱动电机的瞬态电流信号。信号处理模块为DS本文档来自技高网...

【技术保护点】
1.一种基于无传感器监测技术的离心泵叶轮破损诊断方法，其特征在于：对于实际工况、设计工况下运行的离心泵驱动电机，按以下步骤计算出各自相关参数并进行比较：/n步骤1，采集驱动电机的瞬态电流信号，并转化成电压信号，用于分析计算；/n步骤2，对所采集的瞬态电流信号进行分析，利用奇异值分解剔除瞬态电流中的工频分量；/n步骤3，对所采集的瞬态电流信号基于循环平稳理论进行分析，计算出循环自相关函数R

【技术特征摘要】
1.一种基于无传感器监测技术的离心泵叶轮破损诊断方法，其特征在于：对于实际工况、设计工况下运行的离心泵驱动电机，按以下步骤计算出各自相关参数并进行比较：
步骤1，采集驱动电机的瞬态电流信号，并转化成电压信号，用于分析计算；
步骤2，对所采集的瞬态电流信号进行分析，利用奇异值分解剔除瞬态电流中的工频分量；
步骤3，对所采集的瞬态电流信号基于循环平稳理论进行分析，计算出循环自相关函数Rx(τ，α)，以及循环自相关函数Rx(τ，α)切片分量的标准差；
步骤4，比较实际工况下的标准差σ、设计工况下的标准差σ0，当σ＞(1.05～1.10)σ0时表示离心泵偏离设计工况运行，反之表示离心泵在设计工况点附近运行，则需进一步计算分析其运行状态；
步骤5，提取出叶片通过频率α1处切片分量Rx(τ，α1)，并作Fourier变换以获得主频分量幅值，比较实际工况下的主频分量幅值A1、设计工况下无故障正常运行时的主频分量幅值当时表示叶轮发生破损，反之表示叶轮正常；再提取瞬态电流信号中N(N≤6)整数倍叶片通过频率对应的循环切片谱用于分析，以判断叶轮破损数目。


2.根据权利要求1所述的基于无传感器监测技术的离心泵叶轮破损诊断方法，其特征在于：步骤2具体为：
(1)假设以所采集的离散的瞬态电流信号序列构成矩阵A，对实数矩阵A∈Rm×n，存在正交矩阵V∈Rm×m和V∈Rm×n，则序列可构成矩阵：
A＝UΛyT
式中，Λ为对角阵，Λ的秩为r，r≤min(m，n)，非零对角元素为矩阵A的奇异值元素，按降序排列；
(2)对矩阵A进行SVD分解，得到一系列奇异值σi和对应的子矩阵Ai，子矩阵Ai由奇异值向量ui和vi组成，每个向量ui和vi可构成一直角坐标系，因此矩阵A中的特征信息被分解到正交矢量ui、vi构成的一系列子空间中：



式中，ui和vi分别为矩阵A的第i个左奇异向量和右奇异向量，σi为矩阵A的第i个奇异值，Ai为子矩阵；
(3)电网频率分量是电流信号中的主要组成，因此对应第一子空间，而能反映离...

【专利技术属性】
技术研发人员：孙慧，陈宁，周逸龙，王军，
申请(专利权)人：江苏科技大学，
类型：发明
国别省市：江苏;32