【技术实现步骤摘要】
本专利技术涉及离心泵状态监测与故障诊断，具体地涉及一种离心泵故障诊断方法、一种离心泵故障诊断装置、一种机器可读存储介质及一种处理器。
技术介绍
1、离心泵在工业生产中，与其他设备之间的联系也越来越紧密，由于其结构复杂且工况复杂导致受随机因素的影响大的特点，离心泵容易发生各式各样的故障。如何在复杂干扰下实现针对未知故障的准确识别并实现诊断模型的自动更新，是基于机器学习技术实现离心泵智能诊断的关键与难点之一。
2、现有技术中，采用已知状态数据以及故障类型训练神经网络得到故障诊断模型，从而通过故障诊断模型实现了对离心泵故障的诊断。但是，由于离心泵运行特点及常见故障种类繁多，现有的故障类型无法保证包含了所有的故障类型，就无法保证能够识别出所有的故障类型。并且当发生未知故障时，现有离心泵故障诊断方法会识别为现有故障。
3、因此，现有技术中的离心泵故障诊断方法仅能识别已知故障，无法识别出未知故障，导致故障诊断结果不准确的问题。
技术实现思路
1、本专利技术实施例的目的是提供一种离心泵故障诊断方法、一种离心泵故障诊断装置、一种机器可读存储介质及一种处理器，该方法可以识别出未知故障。
2、为了实现上述目的，本申请第一方面提供一种离心泵故障诊断方法，包括：
3、获取当前状态数据，并根据所述当前状态数据提取故障特征；
4、将所述故障特征输入至预置的离心泵故障诊断模型中，得到故障诊断结果；
5、其中，所述故障诊断结果为已知故障或未知
6、在本申请实施例中，在确定故障不为已知故障的情况下，所述方法还包括：
7、将所述故障的故障特征作为新的故障类型，根据所述故障特征和所述新的故障类型对所述离心泵故障诊断模型进行训练，得到新的离心泵故障诊断模型。
8、在本申请实施例中，所述故障特征包括时域特征和频域特征；其中，所述时域特征包括振动信号有效值和峭度，所述频域特征包括低频峰值、频域高频带能量和包络低频峰值；
9、所述根据所述当前状态数据提取故障特征，包括：
10、根据所述当前状态数据分别计算得到振动信号有效值和峭度；
11、根据所述当前状态数据分别计算得到低频峰值、频域高频带能量和包络低频峰值。
12、在本申请实施例中，所述根据所述当前状态数据计算得到低频峰值，包括：
13、根据所述当前状态数据中的离心泵转频，按照预设范围选取相应的频域信号；
14、根据所述频域信号，按照低频峰值计算公式计算得到低频峰值；其中，所述低频峰值计算公式为：
15、
16、其中，m表示频域信号内的样本数，fi表示第i个样本点对应的幅值，fmax表示fi中最大的幅值，d为低频峰值。
17、在本申请实施例中，所述根据所述当前状态数据计算得到频域高频带能量，包括：
18、根据离心泵的固有频率确定中心频带；
19、将所述当前状态数据转换成频域，得到频域数据；
20、将所述频域数据代入到高频带能量计算公式中，得到频域高频带能量；其中，所述带能量计算公式为：
21、
22、其中，n表示频域数据内的样本数，fi表示第i个样本点对应的频谱幅值，e为频域高频带能量。
23、在本申请实施例中，所述根据所述当前状态数据计算得到包络低频峰值，包括：
24、对所述当前状态数据做频谱包络，得到包络谱；
25、在所述包络谱中选取多个频域数据，并按照包络低频峰值计算公式分别计算得到各个频域数据的包络低频峰值；其中，所述包络低频峰值计算公式为：
26、
27、其中，gk为各个频域数据的包络低频峰值，mk表示一个单独区间的样本点数，hi表示包络谱中第i个采样点对应的幅值，hmax表示hi中最大的幅值。
28、在本申请实施例中，所述离心泵故障诊断模型包括多个训练好的svm分类器，其中，每一个svm分类器对应一种已知故障类型，所述svm分类器用于判断故障是否为对应的已知故障类型；
29、所述将所述故障特征输入至预置的离心泵故障诊断模型中，得到故障诊断结果，包括：
30、将所述故障特征分别输入至各个所述svm分类器中，得到各个已知故障类型对应的概率值，作为初始故障诊断结果；
31、将所述初始故障诊断结果中最大的概率值减1后，得到新的概率值；
32、将所述初始故障诊断结果中最大的概率值替换为所述新的概率值，得到新的故障诊断结果；
33、计算所述新的故障诊断结果的标准差；
34、根据所述标准差确定故障是否为已知故障，得到故障诊断结果。
35、在本申请实施例中，所述离心泵故障诊断模型的构建过程，包括：
36、获取历史故障数据，并将所述历史故障数据划分为训练样本和测试样本；
37、按照已知故障类型分别构建对应的svm分类器，并在每一个svm分类器中分别设置故障标签，以区分对应的已知故障类型和其他故障类型；其中，每一个svm分类器对应一种已知故障类型；
38、将所述训练样本划分为多个训练子样本；其中，一个训练子样本用于训练一个svm分类器；
39、将所述训练子样本分别输入至对应的svm分类器中进行训练，得到训练好的svm分类器；
40、根据所述训练好的svm分类器对所述测试样本进行已知故障识别，得到离心泵故障诊断模型。
41、本申请第二方面提供一种离心泵故障诊断装置，包括：
42、获取模块，用于获取当前状态数据，并根据所述当前状态数据提取故障特征；
43、故障诊断模块，用于将所述故障特征输入至预置的离心泵故障诊断模型中，得到故障诊断结果；其中，所述故障诊断结果为已知故障或未知故障；所述离心泵故障诊断模型用于根据所述故障特征确定故障是否为已知故障；在确定故障为已知故障的情况下，得到所述故障诊断结果为已知故障；在确定故障不为已知故障的情况下，得到所述故障诊断结果为未知故障。
44、本申请第三方面提供一种处理器，被配置成执行上述的离心泵故障诊断方法。
45、本申请第四方面提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令用于使得机器执行本申请上述任一项离心泵故障诊断方法。
46、通过上述技术方案，通过获取当前状态数据，并根据所述当前状态数据提取故障特征；然后将所述故障特征输入至预置的离心泵故障诊断模型中，得到故障诊断结果；其中，所述故障诊断结果为已知故障或未知故障；所述离心泵故障诊断模型用于根据所述故障特征确定故障是否为已知故障；在确定故障为已知故障的情况下，得到所述本文档来自技高网...
【技术保护点】
1.一种离心泵故障诊断方法，其特征在于，包括：
2.根据权利要求1所述的离心泵故障诊断方法，其特征在于，在确定故障不为已知故障的情况下，所述方法还包括：
3.根据权利要求1所述的离心泵故障诊断方法，其特征在于，所述故障特征包括时域特征和频域特征；其中，所述时域特征包括振动信号有效值和峭度，所述频域特征包括低频峰值、频域高频带能量和包络低频峰值；
4.根据权利要求3所述的离心泵故障诊断方法，其特征在于，所述根据所述当前状态数据计算得到低频峰值，包括：
5.根据权利要求3所述的离心泵故障诊断方法，其特征在于，所述根据所述当前状态数据计算得到频域高频带能量，包括：
6.根据权利要求3所述的离心泵故障诊断方法，其特征在于，所述根据所述当前状态数据计算得到包络低频峰值，包括：
7.根据权利要求1所述的离心泵故障诊断方法，其特征在于，所述离心泵故障诊断模型包括多个训练好的SVM分类器，其中，每一个SVM分类器对应一种已知故障类型，所述SVM分类器用于判断故障是否为对应的已知故障类型；
8.根据权利要求1所述的
9.一种离心泵故障诊断装置，其特征在于，包括：
10.一种处理器，其特征在于，被配置成执行根据权利要求1至8中任一项所述的离心泵故障诊断方法。
11.一种机器可读存储介质，该机器可读存储介质上存储有指令，其特征在于，该指令在被处理器执行时使得所述处理器被配置成执行根据权利要求1至8中任一项所述的离心泵故障诊断方法。
...【技术特征摘要】
1.一种离心泵故障诊断方法，其特征在于，包括：
2.根据权利要求1所述的离心泵故障诊断方法，其特征在于，在确定故障不为已知故障的情况下，所述方法还包括：
3.根据权利要求1所述的离心泵故障诊断方法，其特征在于，所述故障特征包括时域特征和频域特征；其中，所述时域特征包括振动信号有效值和峭度，所述频域特征包括低频峰值、频域高频带能量和包络低频峰值；
4.根据权利要求3所述的离心泵故障诊断方法，其特征在于，所述根据所述当前状态数据计算得到低频峰值，包括：
5.根据权利要求3所述的离心泵故障诊断方法，其特征在于，所述根据所述当前状态数据计算得到频域高频带能量，包括：
6.根据权利要求3所述的离心泵故障诊断方法，其特征在于，所述根据所述当前状态数据计算...
【专利技术属性】
技术研发人员：高静，马国亮，柳跃，秦少星，
申请(专利权)人：国能数智科技开发北京有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。