双螺杆输油泵在线监测机械故障实时诊断方法技术

本发明专利技术提供一种双螺杆输油泵在线监测机械故障实时诊断方法，包括：获取待训练的双螺杆输油泵故障数据；针对故障相关各项参数属性进行数据预处理；基于关联关系将待处理的故障相关数据以对应的输入属性显示在所述神经网络对应的节点位置；得到训练完成的初始网络模型；将目标优化参数中的故障数据节点参数进行对齐确认；利用L

【技术实现步骤摘要】
双螺杆输油泵在线监测机械故障实时诊断方法


[0001]本专利技术涉及机械故障诊断
，特别是涉及到一种双螺杆输油泵在线监测机械故障实时诊断方法。

技术介绍

[0002]双螺杆输油泵是企业进行生产的基础设备，机械设备能否安全运行，直接关系到企业的生产效率与经济效益，而随着我国现代化生产力的不断提高，对机械的技术要求也在不断地增加，这就对设备的安全性提出了更高的要求。机械故障若不能即时诊断出来，则会留下许多的安全隐患。据统计，截至2018年为止，与机械设备运行有关的各种事故中，引起机械性伤害事故占到事故总数的70％左右。因此，对机械设备进行实时的故障诊断，采取有效措施，防止伤害事故发生，对确保工人安全生产、提高企业经济效益具有重要意义。
[0003]近年来人工智能技术得到了快速的发展，因此在机械设备故障诊断与监测上也可以应用人工智能控制的核心算法，例如遗传算法、模糊控制、粗糙集理论等智能决策算法在故障诊断中具有非常大的优势。
[0004]目前，单螺杆采油泵的状态监测和故障诊断系统已日趋完善，并成功的应用于现场生产操作之中，而双螺杆输油泵由于其型线复杂，振动类参量、工艺类参量和电气类参量混杂，现场耦合并发性故障较多，而一直没有完整的状态监测实时故障诊断系统，存在了严重的技术空白。
[0005]经检索，中国专利申请号CN201811007052.6，申请公布日为2018年8月31日，专利技术创造名称为基于改进果蝇
‑
蝙蝠算法的机械故障诊断方法，该申请案涉及一种基于改进果蝇
>‑
蝙蝠算法的机械故障诊断方法，包括以下步骤：A.从采集的机械运行状态信号中提取时域统计特征和频域统计特征；B.采用机械故障诊断训练样本集来训练支持向量机；C.以果蝇算法为框架，融入蝙蝠算法的回声定位思想，设计出改进果蝇
‑
蝙蝠参数优化方法，并采用该方法来寻找支持向量机的全局最优参数；D.将得到的全局最优参数代入支持向量机，完成基于支持向量机的故障诊断模型的构建。
[0006]该申请案提出了一种基于改进果蝇
‑
蝙蝠算法的机械故障诊断技术方案，但其不足之处在于：(1)果蝇算法的基本原理是通过迭代味道浓度来进行位置判断，迭代过程效率极低，而改进后的果蝇
‑
蝙蝠算法虽然加入了蝙蝠算法的回声定位原理，但依然没有克服该缺点；(2)机械设备故障诊断要求很高的诊断精度，果蝇
‑
蝙蝠算法虽然具有易于实现的优点，但准确性偏低，难以做到对机械设备故障的准确预测。
[0007]在申请号：CN201310175532.4的中国专利申请中，涉及到一种输油泵故障诊断系统及方法，其系统主要由四个压电式加速度传感器、五个温度传感器、一个信号调理器、一个温度测量模块、一张数据采集卡和一台工业控制计算机组成。所述四个压电式加速度传感器分别与信号调理器连接，所述信号调理器、数据采集卡和工业控制计算机依次连接；所述五个温度传感器分别与温度测量模块连接，所述温度测量模块、数据采集卡和工业控制计算机依次连接。所述方法包括：1)振动信号获取步骤；2)信号调理步骤；3)数据采集步骤；
4)信号分析步骤。
[0008]在申请号：CN201810246460.0的中国专利申请中，涉及到一种输油泵轴承故障诊断方法，其特征是它包括以下步骤：(1)采用加速度传感器对轴承振动信号进行数据采集，进行EMD经验模态分解、本征模态函数IMF包络谱分析，获得样本数据特征物理量；(2)基于轴承故障特征矩阵对样本数据特征物理量进行处理，获取BPA值作为BPA证据；(3)改进D
‑
S证据推理规则对BPA证据进行融合获得轴承故障诊断结果。
[0009]以上现有技术均与本专利技术有较大区别，未能解决我们想要解决的技术问题，为此我们专利技术了一种新的双螺杆输油泵在线监测机械故障实时诊断方法。

技术实现思路

[0010]本专利技术的目的是提供一种可以对双螺杆输油泵故障进行实时、准确的判断，并具有高度的泛化能力的双螺杆输油泵在线监测机械故障实时诊断方法。
[0011]本专利技术的目的可通过如下技术措施来实现：双螺杆输油泵在线监测机械故障实时诊断方法，该双螺杆输油泵在线监测机械故障实时诊断方法包括：
[0012]步骤1，获取待训练的双螺杆输油泵故障数据；
[0013]步骤2，针对故障相关各项参数属性进行数据预处理；
[0014]步骤3，建立所述待处理的故障相关数据与输入格式之间的关联关系，并基于所述关联关系将所述待处理的故障相关数据以对应的输入属性显示在所述神经网络对应的节点位置；
[0015]步骤4，利用得到的预处理过的机械故障相关数据对BP神经网络进行监督训练，得到训练完成的初始网络模型；
[0016]步骤5，将目标优化参数中的故障数据节点参数进行对齐确认；
[0017]步骤6，利用L
‑
BFGS算法优化权重，后进行监督训练，得到训练完成的BP神经网络模型；
[0018]步骤7，利用完成的BP神经网络模型对实时数据库中的故障相关数据进行批量训练，最终达到精准预测的结果。
[0019]本专利技术的目的还可通过如下技术措施来实现：
[0020]在步骤1中，采集双螺杆输油泵机组实时运行数据及历史记录数据作为训练的机械故障数据，获取同一设备在不同时间点及不同运行模式下的运行状态数据组。
[0021]在步骤1中，采集的实时运行数据包括横向位移、纵向位移、主轴转速、载荷、温度、压力范围、功率、动态电流、运行效率这9个机械运行相关参数；历史数据库中包括振动状态、累计运行时间、润滑状态和电机运行状态这些数据；根据机组的测量定义、采集定义和诊断参数定义建立测点数据库，包括机器编号、电动机转速、轴承型号、机器转速、齿轮传动的主动齿轮和被动齿轮的齿数。
[0022]在步骤1中，采集双螺杆输油泵机组实时运行数据及历史记录数据作为训练的机械故障数据，设置所述待训练的数据对应的输入属性，先将不同模式的同一个设备的数据进行组合，并利用聚类分类法进行参数分类。
[0023]在步骤1中，根据振动类参量、工艺类参量和电气类参量这些不同类型的数据制定不同的故障评价指标，包括振动评价指标、流量评价指标、温度评价指标、动态电流评价指
标、运行时间评价指标、润滑评价指标、电机状态评价指标；设备管理人员得出机器故障的诊断结论，包括不平衡、不对中、碰磨、松动、共振、轴承故障。
[0024]在步骤2中，针对双螺杆输油泵故障相关各项参数属性分别进行数据预处理，数据预处理内容包括数据迁移、数据筛选、数据组合、数据补全、数据去噪，并将处理后的振动位移信号进行快速傅里叶变换，得到故障频率特征。
[0025]在步骤2中，数据处理内容包括数据迁移、数据筛选、数据组合、数据补全、数据去噪；对选择的干净数据进行增强处理，即解决数据中的缺值、冗余、数据的不一致、数据定义的不一致、过时的数据这些问题，还包括对所有数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.双螺杆输油泵在线监测机械故障实时诊断方法，其特征在于，该双螺杆输油泵在线监测机械故障实时诊断方法包括：步骤1，获取待训练的双螺杆输油泵故障数据；步骤2，针对故障相关各项参数属性进行数据预处理；步骤3，建立所述待处理的故障相关数据与输入格式之间的关联关系，并基于所述关联关系将所述待处理的故障相关数据以对应的输入属性显示在所述神经网络对应的节点位置；步骤4，利用得到的预处理过的机械故障相关数据对BP神经网络进行监督训练，得到训练完成的初始网络模型；步骤5，将目标优化参数中的故障数据节点参数进行对齐确认；步骤6，利用L
‑
BFGS算法优化权重后进行监督训练，得到训练完成的BP神经网络模型；步骤7，利用完成的BP神经网络模型对实时数据库中的故障相关数据进行批量训练，最终达到精准预测的结果。2.根据权利要求1所述的双螺杆输油泵在线监测机械故障实时诊断方法，其特征在于，在步骤1中，采集双螺杆输油泵机组实时运行数据及历史记录数据作为训练的机械故障数据，获取同一设备在不同时间点及不同运行模式下的运行状态数据组。3.根据权利要求2所述的双螺杆输油泵在线监测机械故障实时诊断方法，其特征在于，在步骤1中，采集的实时运行数据包括横向位移、纵向位移、主轴转速、载荷、温度、压力范围、功率、动态电流、运行效率这9个机械运行相关参数；历史数据库中包括振动状态、累计运行时间、润滑状态和电机运行状态这些数据；根据机组的测量定义、采集定义和诊断参数定义建立测点数据库，包括机器编号、电动机转速、轴承型号、机器转速、齿轮传动的主动齿轮和被动齿轮的齿数。4.根据权利要求3所述的双螺杆输油泵在线监测机械故障实时诊断方法，其特征在于，在步骤1中，采集双螺杆输油泵机组实时运行数据及历史记录数据作为训练的机械故障数据，设置所述待训练的数据对应的输入属性，先将不同模式的同一个设备的数据进行组合，并利用聚类分类法进行参数分类。5.根据权利要求4所述的双螺杆输油泵在线监测机械故障实时诊断方法，其特征在于，在步骤1中，根据振动类参量、工艺类参量和电气类参量这些不同类型的数据制定不同的故障评价指标，包括振动评价指标、流量评价指标、温度评价指标、动态电流评价指标、运行时间评价指标、润滑评价指标、电机状态评价指标；设备管理人员得出机器故障的诊断结论，包括不平衡、不对中、碰磨、松动、共振、轴承故障。6.根据权利要求1所述的双螺杆输油泵在线监测机械故障实时诊断方法，其特征在于，在步骤2中，针对双螺杆输油泵故障相关各项参数属性分别进行数据预处理，数据预处理内容包括数据迁移、数据筛选、数据组合、数据补全、数据去噪，并将处理后的振动位移信号进行快速傅里叶变换，得到故障频率特征。7.根据权利要求6所述的双螺杆输油泵在线监测机械故障实时诊断方法，其特征在于，在步骤2中，数据处理内容包括数据迁移、数据筛选、数据组合、数据补全、数据去噪；对选择的干净数据进行增强处理，即解决数据中的缺值、冗余、数据的不一致、数据定义的不一致、过时的数据这些问题，还包括对所有数据的整理和归并，以此保持数据的完整性和正确性；
机械的原始信号由传感器获取，并采用FFT技术对原始振动信号进行预处理，以此作为神经网络原始输入数据的获取方法；机械故障相关参数的选择采用相关系数法；其计算公式为：其中r
xy
表示样本相关系数，S
xy
表示样本协方差，S
x
表示X的样本标准差，S
y
表示Y的样本标准差。8.根据权利要求1所述的双螺杆输油泵在线监测机械故障实时诊断方法，其特征在于，在步骤3中，通过实时运行数据和历史记录数据，结合双螺杆输油泵机组自身结构不同部件运行状态，制定不同的评...

【专利技术属性】
技术研发人员：陈兆龙，史培玉，牛书水，肖飞，陈源钊，杭永成，章玺，田萌，杨栋，陶树刚，
申请(专利权)人：中国石油化工股份有限公司胜利油田分公司油气集输总厂，
类型：发明
国别省市：