【技术实现步骤摘要】
本专利技术涉及故障诊断，特别是涉及一种冷却剂泵健康评估方法及系统。
技术介绍
1、在风洞试验中，冷却剂泵的应用是一项重要而复杂的技术。风洞作为航空航天领域关键的试验设备，需要高效的冷却系统来确保试验过程中设备的正常运行。冷却剂泵因其稳定性和高效性而被引入风洞系统，为风洞试验提供了可靠的冷却支持。冷却剂泵主要负责将冷却剂引入风洞系统，以有效降低试验设备的温度。风洞试验中，由于高速气流和试验模型的摩擦，设备会受到显著的加热，容易导致温度过高影响试验结果或设备寿命。冷却剂泵通过循环冷却剂，将热量带走，确保设备在整个试验过程中保持稳定的温度。
2、现有技术中缺少对冷却剂泵健康状态提前进行测点数据预测，无法提前实现参数的异常预警。
技术实现思路
1、鉴于以上所述现有技术的缺点，本专利技术的目的在于提供一种冷却剂泵健康评估方法及系统，本专利技术可以对冷却剂泵健康状态提前进行测点数据预测，能够提前实现参数的异常预警。
2、为实现上述目的及其他相关目的，本专利技术提供一种冷却剂泵健康评估方法，包括：
3、s1、获取冷却剂泵电机顶部振动测点位置，确定冷却剂泵的诊断区域；
4、s2、对所述诊断区域振动测点的振动传感器进行数据采集，对采集到的冷却剂泵振动数据进行清洗和筛选，以得到处理后的振动数据；使用经验模态分解emd对所述处理后的振动数据进行分解，以分解为多个自适应的本征模态函数imf；
5、s3、基于多个所述自适应的本征模态函数imf，得到
6、s4、将所述特征数据按照时间窗口进行划分，形成输入序列和目标序列，利用深度学习框架构建lstm模型，将所述特征数据输入至所述lstm模型，对所述lstm模型进行训练；
7、s5、利用训练后的lstm模型进行冷却剂泵的健康评估和状态监测。
8、在本专利技术的一实施例中，还包括：
9、s6、实时监测冷却剂泵的运行数据，当所述运行数据超过设定阈值，则进行预警。
10、在本专利技术的一实施例中，步骤s3中的利用所述上包络线和所述下包络线，得到特征数据包括：
11、所述上包络线和下包络线的均值记作ml，即为平均包络ml，将所述振动数据序列x(t)减去所述平均包络ml，得到新的数据序列hl，公式为x(t)-ml＝hl，将所述新的数据序列hl输入至所述lstm模型进行训练。
12、在本专利技术的一实施例中，在步骤s3中，利用三次样条插值函数拟合形成振动数据的上包络线。
13、在本专利技术的一实施例中，在步骤s3中，将所有极小值点通过三次样条插值函数拟合形成振动数据的下包络线。
14、在本专利技术的一实施例中，步骤s4中的利用深度学习框架构建lstm模型包括：
15、时域峭度特征：
16、峭度k4的计算公式为：
17、
18、其中，xi为时域波形离散序列点对应的振动幅值，xa为离散序列的平均幅值，n为离散序列点数；
19、时域波峰特征：
20、波峰因数可定义为：
21、
22、其中cf为波峰因数，xp为峰值，xrms为均方根值；
23、时域峰峰值特征：
24、峰峰值的计算公式为：v_pp＝v_max-v_min
25、其中，v_max和v_min分别为信号中的最大值和最小值。
26、本专利技术还提供一种冷却剂泵健康评估系统，包括：
27、诊断区域确定模块，用于获取冷却剂泵电机顶部振动测点位置，确定冷却剂泵的诊断区域；
28、分解模块，用于对所述诊断区域振动测点的振动传感器进行数据采集，对采集到的冷却剂泵振动数据进行清洗和筛选，以得到处理后的振动数据；使用经验模态分解emd对所述处理后的振动数据进行分解，以分解为多个自适应的本征模态函数imf；
29、特征数据获取模块，用于基于多个所述自适应的本征模态函数imf，得到振动数据序列x(t)的所有极大值点，形成振动数据的上包络线，得到振动数据序列x(t)的所有极小值点，并将所有极小值点形成振动数据的下包络线；利用所述上包络线和所述下包络线，得到特征数据；
30、lstm模型构建模块，用于将所述特征数据按照时间窗口进行划分，形成输入序列和目标序列，利用深度学习框架构建lstm模型，将所述特征数据输入至所述lstm模型，对所述lstm模型进行训练；
31、训练模块，用于利用训练后的lstm模型进行冷却剂泵的健康评估和状态监测。
32、本专利技术还提供一种电子设备，包括处理器和存储器，所述存储器存储有程序指令，所述处理器运行程序指令实现上述的冷却剂泵健康评估方法。
33、如上所述，本专利技术的一种冷却剂泵健康评估方法及系统，具有以下有益效果：
34、(1)本专利技术的冷却剂泵健康评估方法对冷却剂泵健康状态提前进行测点数据预测，能够提前实现参数的异常预警，系统的异常诊断，以及关键部件的剩余寿命预警，可以在发生预警的情况下，进行相应的处理措施，减少冷却剂泵的异常或停机时长。
35、(2)本专利技术的冷却剂泵健康评估方法通过训练lstm模型来学习正常运行状态的模式，当出现与正常模式不符的情况时，可以识别出潜在的异常，并及时采取措施进行维护和修复。采用该方法可以准确的对冷却剂泵进行提前诊断，提高冷却剂泵的安全运行。
36、(3)本专利技术的冷却剂泵健康评估方法通过提取特征并建立序列模型，可以自动学习和识别冷却剂泵运行状态中的潜在故障或异常情况。
本文档来自技高网...【技术保护点】
1.一种冷却剂泵健康评估方法，其特征在于，包括：
2.根据权利要求1所述的一种冷却剂泵健康评估方法，其特征在于，还包括：
3.根据权利要求1所述的一种冷却剂泵健康评估方法，其特征在于，步骤S3中的利用所述上包络线和所述下包络线，得到特征数据包括：
4.根据权利要求1所述的一种冷却剂泵健康评估方法，其特征在于：在步骤S3中，利用三次样条插值函数拟合形成振动数据的上包络线。
5.根据权利要求1所述的一种冷却剂泵健康评估方法，其特征在于：在步骤S3中，将所有极小值点通过三次样条插值函数拟合形成振动数据的下包络线。
6.根据权利要求2所述的一种冷却剂泵健康评估方法，其特征在于，步骤S4中的利用深度学习框架构建LSTM模型包括：
7.一种冷却剂泵健康评估系统，其特征在于，包括：
8.一种电子设备，包括处理器和存储器，所述存储器存储有程序指令，其特征在于：所述处理器运行程序指令实现如权利要求1至6任意一项所述的冷却剂泵健康评估方法。
【技术特征摘要】
1.一种冷却剂泵健康评估方法，其特征在于，包括：
2.根据权利要求1所述的一种冷却剂泵健康评估方法，其特征在于，还包括：
3.根据权利要求1所述的一种冷却剂泵健康评估方法，其特征在于，步骤s3中的利用所述上包络线和所述下包络线，得到特征数据包括：
4.根据权利要求1所述的一种冷却剂泵健康评估方法，其特征在于：在步骤s3中，利用三次样条插值函数拟合形成振动数据的上包络线。
5.根据权利要求1所述的一种冷却剂泵...
【专利技术属性】
技术研发人员：杜方洲，高鹏，王晓栋，王问宇，周静栋，
申请(专利权)人：北京航天测控技术有限公司，
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。