【技术实现步骤摘要】
本专利技术基于多元信号提取的智能机泵故障诊断方法，涉及故障诊断领域。
技术介绍
1、1、模式固定：现有的关于机泵故障诊断方法，大多仅获取机泵的振动信号，而忽视了机泵在正常工作时的机械参数；在一些老旧的机泵设备可能无法与智能诊断系统完全兼容，对旧设备的兼容性差。
2、2、技术依赖性强：智能诊断方法高度依赖于先进的技术设备和软件系统，一旦这些技术出现故障或不稳定，将直接影响诊断的准确性。
3、3、系统更新和维护成本：随着技术的进步和机泵设备的更新，智能诊断系统也需要不断更新和维护，这会增加额外的成本。
技术实现思路
1、针对现有技术存在的不足，本专利技术目的是提供基于多元信号提取的智能机泵故障诊断方法，旨在解决机泵故障诊断效率低的问题。
2、为了实现上述目的，本专利技术是通过如下的技术方案来实现：基于多元信号提取的智能机泵故障诊断方法包括：
3、步骤s1：获取机泵运行中的原始振动信号、工作电流、工作电压、发热温度、叶轮转速、输入压力和输出压力；运用数字滤波和信号平滑技术，对原始振动信号进行预处理，对原始振动信号进行预处理，进而得到多元分析信号；
4、步骤s2：判断机泵是否拥有完整的历史数据，并对多元分析信号进行处理；若有，则根据历史数据，计算机泵的正常工作参数，判断机泵的机械性能；若没有，则获取机泵的工作环境参数，估算机泵的正常工作参数，判断机泵的机械性能；
5、步骤s3：利用时频分析提取多元分析信号中的特征参数，
6、步骤s4：汇总机泵的故障诊断结果，得到汇总结果；将汇总结果发送至用户。
7、进一步地，所述步骤s1的具体步骤如下：
8、步骤s11：获取机泵的原始振动信号；获取工作电流和工作电压；
9、获取发热温度和叶轮转速；获取泵体的转速；获取输入压力和输出压力；
10、步骤s12：将原始振动信号备份两次；
11、使用scipy库中的scipy.signal.spectrogram函数，计算原始振动信号的psd值；使用numpy库中的numpy.correlate函数，计算原始振动信号的自相关函数；
12、步骤s13：根据原始振动信号的psd值，标记原始振动信号中的噪声；
13、步骤s131：根据原始振动信号的psd值，构建振动信号的功率谱密度图；
14、步骤s132：标记功率谱密度图中的平坦区域和明显峰值区域；
15、步骤s133：将平坦区域和明显峰值区域，记作被标记区域a；遍历标记区域a内的psd值；
16、标记区域a中，若某个频率范围内psd值平坦，但存在1个明显峰值，则说明该区域存在宽带噪声；
17、若某个频率范围内psd值，存在1个或多个明显峰值，则说明该区域存在窄带噪声或周期性噪声；
18、步骤s14：根据原始振动信号的自相关函数，标记振动信号中的噪声；
19、步骤s141：根据原始振动信号的自相关函数，构建相关函数图形；
20、步骤s142：以相关函数图形中的零延迟处的峰值为起点，计算后续相关函数图形的斜率；
21、步骤s143：根据相关函数图形的斜率，标记相关函数图形，得到标记区域b；
22、标记区域b中，若自相关函数图形中某个区域的斜率，在零延迟后或其他延迟后，迅速衰减到零，则说明该区域存在随机噪声；
23、若自相关函数图形中某个区域的峰值斜率，高于或低于相邻峰值斜率，且峰值不相等，则该区域存在周期性噪声。
24、进一步地，所述步骤s14的后续步骤如下：
25、步骤s15：去除振动信号中的噪声；
26、步骤s151：判断宽带噪声分别在低频区域还是高频区域；
27、若宽带噪声分布在高频区域，有用信号集中在低频区域，使用低通滤波器来去除宽带噪声；
28、若宽带噪声分布在低频区域，有用信号集中在高频区域，使用高通滤波器来去除宽带噪声；
29、步骤s152：去除窄带噪声；
30、判断窄带噪声的频率是否唯一；
31、若唯一，则使用陷波滤波器去除窄带噪声；若不唯一，则使用自适应滤波器去除窄带噪声；
32、步骤s153：去除周期性干扰；
33、判断周期性干扰的周期的频率间隔是否唯一；若唯一，则使用梳状滤波器去除周期性干扰；若不唯一，则使用自适应滤波器，再结合最小均方算法或递归最小二乘算法，调整自适应滤波器参数，去除周期性干扰；
34、步骤s154：去除随机噪声；
35、对原始振动信号进行高斯函数的卷积操作，平滑信号，使用高斯滤波去除随机噪声；
36、步骤s16：将步骤s12～步骤s15处理后的原始振动信息，作为振动信息，将振动信号、工作电流、工作电压、发热温度、叶轮转速、输入压力和输出压力，作为多元分析信号，进入步骤s2。
37、进一步地，所述步骤s2的具体步骤如下：
38、步骤s21：将工作电流，记作i；工作电压，记作u；发热温度，记作t；叶轮转速，记作v；输入压力，记作po；输出压力，记作pu；
39、步骤s22：判断机泵是否拥有完整的历史数据；若有，则进入步骤s23；若没有，则进入步骤s24；
40、步骤s23：根据历史数据，确定判定范围；
41、步骤s231：获取机泵三年的历史数据；
42、历史数据包括：机泵三年的历史工作电流，记作hi1i、hi2i和hi3i；
43、历史工作电压，记作hu1i、hu2i和hu3i；
44、历史发热温度，记作ht1i、ht2i和ht3i；
45、历史叶轮转速，记作hv1i、hv2i和hv3i；
46、历史输入压力，记作hpo1i、hpo2i和hpo3i；
47、历史输出压力，记作hpu1i、hpu2i和hpu3i；
48、其中，下标i表示对应历史数据的月份，i取值1～12；
49、步骤s232：将历史电流关于历史叶轮转速的回归方程，记作回归方程1，确定回归方程1；
50、步骤s233：将历史电压关于历史叶轮转速的回归方程，记作回归方程2；历史输入压力关于历史叶轮转速的回归方程，记作回归方程3；历史输入压力关于历史叶轮转速的回归方程，记作回归方程4；
51、将叶轮转速v，依次代入回归方程1～回归方程4中，计算出预估参数：预估工作电流δi；预估工作电压δu；预估输入压力δpo；预估输出压力δpu；
52、重复调用确定回归方程1的相同步骤，确定或标记回归方程2～回归方程4；
53、步骤s234：统计回归方程1本文档来自技高网...
【技术保护点】
1.基于多元信号提取的智能机泵故障诊断方法，其特征在于，所述诊断方法包括：
2.根据权利要求1所述的基于多元信号提取的智能机泵故障诊断方法，其特征在于，所述步骤S1的具体步骤如下：
3.根据权利要求2所述的基于多元信号提取的智能机泵故障诊断方法，其特征在于，所述步骤S14的后续步骤如下：
4.根据权利要求3所述的基于多元信号提取的智能机泵故障诊断方法，其特征在于，所述步骤S2的具体步骤如下：
5.根据权利要求4所述的基于多元信号提取的智能机泵故障诊断方法，其特征在于，所述步骤S232的具体步骤如下：
6.根据权利要求4所述的基于多元信号提取的智能机泵故障诊断方法，其特征在于，所述步骤S234的具体步骤如下：
7.根据权利要求4所述的基于多元信号提取的智能机泵故障诊断方法，其特征在于，所述步骤S25的具体步骤如下：
8.根据权利要求6所述的基于多元信号提取的智能机泵故障诊断方法，其特征在于，步骤S2344具体步骤如下：
【技术特征摘要】
1.基于多元信号提取的智能机泵故障诊断方法，其特征在于，所述诊断方法包括：
2.根据权利要求1所述的基于多元信号提取的智能机泵故障诊断方法，其特征在于，所述步骤s1的具体步骤如下：
3.根据权利要求2所述的基于多元信号提取的智能机泵故障诊断方法，其特征在于，所述步骤s14的后续步骤如下：
4.根据权利要求3所述的基于多元信号提取的智能机泵故障诊断方法，其特征在于，所述步骤s2的具体步骤如下：
5.根据权利...
【专利技术属性】
技术研发人员：孙宝齐，孙庆峰，崔景林，朱国林，郝延鹏，艾少龙，闫泉江，桑振举，丁永顺，韩春蕾，拱占鹏，张斌，王建红，王旭东，杨志鸿，
申请(专利权)人：山东港源管道物流有限公司，
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。