一种基于机器学习的机泵故障诊断方法及系统技术方案

本发明专利技术公开了一种基于机器学习的机泵故障诊断方法及系统，包括：历史振动数据打标签处理步骤；对历史振动数据进行快速傅里叶变换处理，获取历史振动数据的频域信息，至少包括数据在频域的倍频幅值、高频能量幅值；将历史振动数据的频域信息通过反向传播算法分别训练各故障类型的模型；获取振动数据，将振动数据进行快速傅里叶变换处理，获取振动数据的频域信息；将振动数据的频域信息分别输入至各故障类型的模型，根据模型输出结果计算振动数据的故障等级以及故障占比。本机泵故障诊断方法，通过对已验的历史振动数据进行标记，标记内容至少包括故障等级、故障类型及故障占比，输入参数简单，输出的结果更加直观明确，降低处理人员的专业性要求。处理人员的专业性要求。处理人员的专业性要求。

【技术实现步骤摘要】
一种基于机器学习的机泵故障诊断方法及系统


[0001]本专利技术属于故障诊断
，具体地说，涉及一种基于机器学习的机泵故障诊断方法及系统。

技术介绍

[0002]振动分析技术是一种常用的机泵故障诊断技术，通过测量机泵的振动情况来诊断机泵的故障原因。振动分析技术通常使用振动传感器来测量机泵的振动情况，并使用专门的振动分析仪器或软件来分析测量的振动数据。通常，振动分析技术可以帮助发现机泵的轴承故障、叶轮故障、泵壳故障等问题。此外，振动分析技术还可以帮助诊断机泵的转速不均匀、流量不均匀等问题。
[0003]当前业界分析机泵故障依然以人工分析为主，通过振动监测设备比如点巡检仪采集振动数据之后由人工进行分析。这种方法人力成本高，仅适用于分析个别设备，早已不能满足大批量设备的自动诊断需求。
[0004]在智能诊断方面，业界已存在以深度神经网络与随机森林分类等机器学习模型为基础的诊断方法。深度神经网络算法通常使用较多的参数及层数，包含众多的隐藏层，由于参数过多，推理过程极其复杂，对调试人员的专业要求较高，推理过程只能由专业人员操作。此外，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的机泵故障诊断方法，其特征在于，包括：历史振动数据打标签处理步骤，将历史振动数据进行标记，标记内容至少包括故障等级、故障类型及故障占比，所述故障占比为所述故障类型的故障占机泵全部类型的故障的比重，所述故障类型至少包括不平衡故障、不对中故障以及欠润滑故障；对历史振动数据进行快速傅里叶变换处理，获取历史振动数据的频域信息，至少包括数据在频域的倍频幅值、高频能量幅值；将历史振动数据的频域信息通过反向传播算法分别训练各故障类型的模型；获取振动数据，将振动数据进行快速傅里叶变换处理，获取振动数据的频域信息；将振动数据的频域信息分别输入至各故障类型的模型，根据所述模型输出结果计算所述振动数据的故障等级以及故障占比。2.根据权利要求1所述的机泵故障诊断方法，其特征在于，所述频域信息还包括数据在频域的包络能量值。3.根据权利要求2所述的机泵故障诊断方法，其特征在于，训练各故障类型的模型时，还包括将ISO国际标准幅值作为输入值，输入至所述模型进行训练。4.根据权利要求3所述的机泵故障诊断方法，其特征在于，所述倍频幅值包括1～8倍频幅值。5.根据权利要求4所述的机泵故障诊断方法，其特征在于，所述模型包括不平衡故障模型f(x)、不对中故障模型h(x)以及欠润滑故障模型，其中：其中：其中：训练各故障类型的模型步骤中，包括训练各模型的参数a
ji
、b
ji
以及c
ji
，其中j＝1,2,3，i＝1,2，
…
10，x1～x8分别表示振动数据的1～8倍频幅值，x9表示振动数据的高频能量幅值，x
10
表示振动数据的包络能量值，x<...

【专利技术属性】
技术研发人员：回尚宁，刘世鹏，董琪，陈钊，
申请(专利权)人：青岛埃恩斯信息技术科技有限公司，
类型：发明
国别省市：