一种仿真运动学振动数据的离心泵故障模式诊断方法技术

本发明专利技术属于机械装备状态监测与故障诊断领域，具体是一种仿真运动学振动数据的离心泵故障模式诊断方法，该方法利用3D离心泵模型对振动信号进行计算机模拟，拾取在3D离心泵模型中设置的故障模式和正常运行模式下的振动加速度数据；对振动加速度数据进行处理，转化成与模式相应的灰度图，构成少量的原始灰度图数据集；利用少量的原始灰度图数据集进行WGAN模型的训练，用训练生成的更多相似灰度图来扩充原始灰度图数据集，形成用于故障识别的故障识别数据集；利用扩充后的故障识别数据集对离心泵进行故障识别，完成离心泵故障模式诊断。本发明专利技术使用WGAN模型对所得数据扩充，解决了实验室小样本问题和数据不平衡问题。

【技术实现步骤摘要】

本专利技术属于机械装备状态监测与故障诊断，尤其涉及一种仿真运动学振动数据的离心泵故障模式诊断方法。

技术介绍

1、在机械装备状态监测与故障诊断中，离心泵的状态监测和故障诊断可通过传统的信号传感器采集正常运行时的振动信号和故障状态下的振动信号，以对离心泵的状态进行评估与诊断识别，然而由于外界噪声与结构干扰分量的扰动，采集的振动信号往往具有很强的非线性、非平稳、非高斯特性。

2、作为离心泵中的关键零部件，叶轮与滚动轴承长时间连续作业在如汽蚀、空化、变速、变负载、高周循环疲劳的恶劣工况中，不可避免地出现点蚀、腐蚀、裂纹、剥落、断裂等典型故障；轻则可导致设备停机、生产停线，重则可能导致人员伤亡等重大安全事故，严重危及生命财产安全；因此，叶轮与滚动轴承的故障特征诊断对于保障设备能精准诊断、快速维修、恢复生产、可靠运行具有重要意义。

3、经研究发现，叶轮与滚动轴承出现局部损伤时，运行过程中产生的各种振动信号表现出极度差异性；然而，传统的传感器故障诊断，极易被外界噪声与结构干扰分量污染，使得较弱故障特征频率提取困难或诊断精度低。

4、本文档来自技高网...

【技术保护点】

1.一种仿真运动学振动数据的离心泵故障模式诊断方法，其特征在于：

2.根据权利要求1所述的仿真运动学振动数据的离心泵故障模式诊断方法，其特征在于，利用3D离心泵模型模拟的振动信号可表达为：

3.根据权利要求2所述的仿真运动学振动数据的离心泵故障模式诊断方法，其特征在于，将式（1）的振动信号切分成等长片段，将片段转化成二维灰度图64×64，4096个数据点转化64×64的二维矩阵。

4.根据权利要求3所述的仿真运动学振动数据的离心泵故障模式诊断方法，其特征在于，所述WGAN模型的目标函数为：

【技术特征摘要】

1.一种仿真运动学振动数据的离心泵故障模式诊断方法，其特征在于：

2.根据权利要求1所述的仿真运动学振动数据的离心泵故障模式诊断方法，其特征在于，利用3d离心泵模型模拟的振动信号可表达为：

3.根据权利要求2所述的仿真运动学振动数据的离心泵故...

【专利技术属性】
技术研发人员：李庆，储利影，孙强，张亚苹，唐燕宁，方梁菲，许良元，
申请(专利权)人：安徽农业大学，
类型：发明
国别省市：