一种发动机试验用阀门多参数联合故障预警方法技术

本发明专利技术公开了一种发动机试验用阀门多参数联合故障预警方法，以解决在发动机试验中，阀门故障预警采集的数据包太大，需要较大的存储设备，导致故障预警成本高、运算效率低，而且难以发现系统中隐藏故障的技术问题。具体包括：步骤1、建立故障模型库，所述故障模型库包括多个故障规则，所述故障规则由阀门的已知故障及其对应的故障特征组成；步骤2、采集阀门所有参数；步骤3、根据参数片段截取法，采用以下至少一种方式对采集的阀门所有参数进行特征化，提取故障特征：方式一、时域及频域结合的3D数据分析法；方式二、基于声音信号截取窗口及截取密度的数据融合法；步骤4、根据所述故障特征在故障模型库中查找对应的已知故障并进行预警。预警。预警。

【技术实现步骤摘要】
一种发动机试验用阀门多参数联合故障预警方法


[0001]本专利技术涉及阀门故障预警方法，尤其涉及一种发动机试验用阀门多参数联合故障预警方法。

技术介绍

[0002]在液体火箭发动机试验中，由于发动机自身试验成本高，因此，对试验过程系统可靠性的要求非常高，如试验中出现阀门动作故障，尤其是主供应管路的设备故障，往往会直接导致试验的失败。尤其在新一代液氧煤油、液氢液氧发动机试验中，其阀门工作处于低温、高压以及振动工作环境下，很容易发生阀门故障，造成严重后果，影响试验系统的可靠性。
[0003]为了提升试验系统的可靠性，则需要针对试验中的关键阀门进行故障预警，传统的阀门故障预警方法通常是先利用多种传感器采集试验过程中各阀门的多种参数，然后对采集到的参数进行简单计算，根据计算结果进行故障类型以及故障位置的诊断。
[0004]现有的故障预警方法主要存在以下两个问题：
[0005]第一，采集的数据包括阀门整个工作状态中的全部数据，得到的数据包较大，这样不但需要较大的存储设备，而且还会给系统计算带来较大的压力，降低了故障诊断效率，增加了故障诊断成本；为了减小数据包的大小，有时会减小数据采集密度，但这样同时也会减少关键点的数据量，导致故障定位困难。
[0006]第二，采集的数据之间的融合方式简单，仅仅是基于时间的对应关系进行参数融合，使一些隐藏的故障难以被发现，导致故障定位精度不高。
[0007]因此，现亟需一种简单有效的阀门故障预警方法，以提高试验系统的可靠性。

技术实现思路

[0008]本专利技术提供了一种发动机试验用阀门多参数联合故障预警方法，以解决在发动机试验中，现有的阀门故障预警方法采集的数据包太大，需要较大的存储设备，导致故障预警成本高、运算效率低，而且难以发现系统中隐藏故障的技术问题。
[0009]为了达到上述目的，本专利技术提供了一种发动机试验用阀门多参数联合故障预警方法，其特殊之处在于，包括以下步骤：
[0010]步骤1、建立故障模型库，所述故障模型库包括多个故障规则，所述故障规则由阀门的已知故障及其对应的故障特征组成；
[0011]步骤2、采集阀门所有参数；
[0012]步骤3、根据参数片段截取法，采用以下至少一种方式对采集的阀门所有参数进行特征化，提取故障特征：
[0013]方式一、时域及频域结合的3D数据分析法；
[0014]方式二、基于声音信号截取窗口及截取密度的数据融合法；
[0015]步骤4、根据所述故障特征在故障模型库中查找对应的已知故障并进行预警。
[0016]进一步地，方式一具体包括：
[0017]A1、对于采集的阀门所有参数中的时间
‑
幅值曲线，在不同的频域进行截取，计算截取曲线的所有斜率，分别形成不同频域的斜率变化表；
[0018]A2、对同一时刻、不同频域的斜率进行对比，将相关性最强的参数放置在3D坐标系内，形成基于频域及时域的3D数据融合图谱；所述3D坐标系中，X轴为时间，Y轴为频域，Z轴为各个参数的幅值；
[0019]A3、根据已知的不同故障的幅值曲线进行分析处理，过滤所述3D数据融合图谱中不相关参数，将相关参数作为故障特征。
[0020]进一步地，方式二具体包括：
[0021]B1、采集阀门振动时的声音数据，建立时间
‑
声强曲线；
[0022]B2、截取声音参数轴中声音强度值出现尖峰的位置，并记录所述尖峰的起止时间；
[0023]B3、根据所述尖峰的起止时间对阀门的其余参数进行截取，获取出现尖峰声音期间内的其余参数；
[0024]B4、根据声音强度值对出现尖峰声音期间内的其余参数进行数据筛选，筛选原则为：声音强度值越高，筛选密度越大；
[0025]B5、根据筛选出的数据和出现故障时的时间
‑
声强曲线的尖峰进行关联，提取故障特征。
[0026]进一步地，所述数据筛选具体为：
[0027]当声音强度值＜40DB时，采用1个数据点/s的形式进行数据筛选；
[0028]当40DB≤声音强度值＜50DB时，采用10个数据点/s的形式进行数据筛选；
[0029]当50DB≤声音强度值≤60DB时，采用50个数据点/s的形式进行数据筛选。
[0030]进一步地，步骤1具体为：
[0031]1.1、根据诊断对象的已知故障参数和对应的故障特征建立故障规则，多个故障规则构成故障模型库；
[0032]1.2、基于数学模型和诊断结果完善所述故障规则；
[0033]1.3、通过完善后的故障规则的学习训练更新故障模型库。
[0034]进一步地，步骤B3中所述其余参数至少包括所述其余参数包括压力参数、温度参数、应变参数、振动参数及声音参数。
[0035]本专利技术的有益效果：
[0036]1、本专利技术建立阀门的故障模型库，结合阀门的多种常用参数建立多个参数片段截取方法，通过建立结合时域及频域的3D数据分析方法，实现多种参数的有效融合，只截取有效参数，提升故障诊断的准确率，减小了数据采集包的大小，降低了存储成本，也提高了运算效率。
[0037]2、本专利技术还建立了基于声音信号的截取窗口及截取密度的数据融合方法，提高了采集数据的有效性，及故障时间的数据密度。能够更好的完成故障预警及故障部位判断。满足了高可靠性阀门多参数联合故障预警的要求。
[0038]3、本专利技术结合了多种参数进行联合故障诊断，结合振动数据在时间域及频率域的分布，能够发现隐藏的故障，使得故障诊断结果更准确，并且能够快速的、精确地进行故障定位。
[0039]4、本专利技术能够通过数学模型和数据案例对故障模型库不断进行人工智能训练，从而不断的丰富故障模型库，以提高故障诊断结果的精确性。
[0040]5、通过本专利技术提供的预警方法可以有效的增加故障发生区域的数据采集密度，减少非故障区域的无效数据量，提升了数据的利用效率。
[0041]6、本专利技术结合频域和时间域对采集的数据进行分析处理，与现有技术仅基于时间关系对采集的数据进行分析处理方法更加精细、更加准确，提高了故障诊断结果的准确性。
附图说明
[0042]图1是本专利技术实施例提供的一种时间
‑
声强曲线截取图；
[0043]图2是本专利技术实施例提供的基于频域及时域的数据分解图。
具体实施方式
[0044]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0045]本专利技术原理：本专利技术结合了多种阀门参数，可以快速有效的对阀门的故障进行诊断，区别于传统的故障诊断模式，一般数据或者特征点的采集仅仅是基于时间轴的，基于时间轴虽然能够从参数本身本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种发动机试验用阀门多参数联合故障预警方法，其特征在于，包括以下步骤：步骤1、建立故障模型库，所述故障模型库包括多个故障规则，所述故障规则由阀门的已知故障及其对应的故障特征组成；步骤2、采集阀门所有参数；步骤3、根据参数片段截取法，采用以下至少一种方式对采集的阀门所有参数进行特征化，提取故障特征：方式一、时域及频域结合的3D数据分析法；方式二、基于声音信号截取窗口及截取密度的数据融合法；步骤4、根据所述故障特征在故障模型库中查找对应的已知故障并进行预警。2.根据权利要求1所述的发动机试验用阀门多参数联合故障预警方法，其特征在于，方式一具体包括：A1、对于采集的阀门所有参数中的时间
‑
幅值曲线，在不同的频域进行截取，计算截取曲线的所有斜率，分别形成不同频域的斜率变化表；A2、对同一时刻、不同频域的斜率进行对比，将相关性最强的参数放置在3D坐标系内，形成基于频域及时域的3D数据融合图谱；所述3D坐标系中，X轴为时间，Y轴为频域，Z轴为各个参数的幅值；A3、根据已知的不同故障的幅值曲线进行分析处理，过滤所述3D数据融合图谱中不相关参数，将相关参数作为故障特征。3.根据权利要求1所述的发动机试验用阀门多参数联合故障预警方法，其特征在于，方式二具体包括：B1、采集阀门振动时的声音数据，建立时间
‑
声强曲线；B2、截取声...

【专利技术属性】
技术研发人员：唐斌运，王薇，张萌，霍涛，吉展阳，李涛，曾宪林，张富淦，杨战伟，王广涛，
申请(专利权)人：西安航天动力试验技术研究所，
类型：发明
国别省市：