【技术实现步骤摘要】
本专利技术属于泵汽蚀状态监测与诊断方法领域，具体涉及一种基于特征频率和峭度的泵汽蚀状态诊断方法，主要用于快速精确地诊断泵的汽蚀状态，实现泵汽蚀状态的实时监测，提高设备稳定性和可靠性，有效降低设备成本及其运行和维护费用。
技术介绍
1、离心泵的汽蚀会使泵的性能下降，产生振动和噪音，影响设备稳定运行。对离心泵的汽蚀状态进行快速准确的识别和实时监测，并对其进行预防和控制，能保证离心泵始终保持最佳工作状态，提高离心泵的寿命和安全性。对于离心泵汽蚀状态的识别，存在几个迫切需要解决的问题：(1)离心泵的汽蚀是一种信号具有复杂性、不确定性和耦合性的现象，其表现形式因设备状态和工作环境的不同而不同。传统的性能参数法将离心泵扬程下降3％的点作为汽蚀初生点存在明显的滞后性，因此需要更加敏感的特征值。(2)由于外部环境的变化，使得传感器采集的数据受到无法预测的干扰，原始数据突变现象难以避免，这就需要一个合适的数据降噪的方法对传感器采集到的信号进行降噪处理。(3)目前传统的识别方法存在准确率低、识别速度慢、对经验要求高等缺点，因此，需要寻找更加智能的离心泵汽蚀识别方法。
2、针对上述存在的问题，本专利专利技术了一种基于特征频率和峭度的泵汽蚀状态诊断方法，该方法针对泵汽蚀信号易受干扰和识别不准确的问题，采用五点三次savitzky-golay滤波算法对原始振动信号进行降噪处理，对降噪后的振动信号进行短时傅里叶变换，明确汽蚀特征频率分布；对信号进行三分之一倍频程分析并计算信号峭度与各个频段的均方根值；将流量状态、峭度及rms三个参数作为双层bp
3、已有的泵汽蚀诊断方法存在以下几类缺点：1)信号易于受到干扰，无法实现汽蚀状态的有效识别；2)传统的识别方法存在准确率低、识别速度慢等问题。
技术实现思路
1、为了克服已有技术的不足，本专利技术提供了一种基于特征频率和峭度的泵汽蚀状态诊断方法，针对泵汽蚀状态下的振动数据，采用三分之一倍频程分析、峭度与rms计算和双层bpnn神经网络，实现汽蚀状态的准确识别与诊断。
2、本专利技术解决其技术问题所采用的技术方案是：
3、一种基于特征频率和峭度的泵汽蚀状态诊断方法，包括以下步骤；
4、步骤1、基于泵运行状态监测系统，获取泵运行时的振动信号，泵运行时的振动数据借助布置于泵不同位置的加速度传感器获取；
5、步骤2、采用五点三次savitzky-golay滤波算法对原始振动信号进行降噪处理，过程如下：
6、s-g滤波是一种基于局域多项式的数据平滑方法，通过在时域内设置滤波窗口，并利用最小二乘法进行拟合，在有效去除高频噪声的同时可以保持信号的形状和宽度不变，由于振动加速度传感器采集的泵振动信号是含有不同程度的噪声非平稳信号，选用savitzky-golay卷积平滑算法进行降噪处理；设一组信号为xn，n＝1,2,3......，其中一个窗口数据为xi，i＝-m,...,0,...m，窗口宽度为2m+1，采用k-1阶多项式对窗口内的数据进行拟合，表示为式(1)：
7、y＝a0+a1x+…+ak-1xk-1 (1)
8、式中，y为拟合数据，a0～ak-1为系数；得到2m+1个方程组成的k元线性方程组，其矩阵形式为：
9、y(2m+1)×1＝x(2m+1)×k·ak×1+b(2m+1)×1 (2)
10、当2m+1>k时，方程组有解，其中，a＝(xt·x)-1·xt·y，因此，滤波后的值y为：
11、y＝x·a＝x·(xt·x)-1·xt·y (3)
12、通过自左而右移动滤波窗口，获得整个信号滤波后的平滑序列，经过sg滤波，振动信号在保留原有形状的同时，脉冲干扰和能量占比小的噪声被去除，信噪比提高；
13、步骤3、利用短时傅里叶变换获取信号的频率、幅值和相位信息，明确汽蚀特征频率分布，过程如下：
14、基于步骤2，对信号进行短时傅里叶变换；相比傅里叶变换，短时傅里叶变换在反映信号频域特性的同时还能反映信号的时域特性；短时傅里叶变换定义如下为：
15、
16、x(m)是输入信号，ω(m)是窗函数；短时傅里叶变换是将一段信号截成多段，每段信号进行傅里叶变换，最后在时域上连接起来；每次取出的段信号称为一帧，一帧信号的长度通常为2n；为保证结果的准确性，相邻两帧信号要有重叠，即hopsize，hopsize取帧长度的25％到75％；
17、步骤4、对信号进行三分之一倍频程分析，得到信号不同频段的能量随汽蚀发展的变化规律，过程如下：
18、基于步骤3，对信号进行三分之一倍频程分析；三分之一倍频程谱是声学、人体振动与机械振动中测试分析的常用方法；倍频程谱由一系列中心频率点以及对应中心频率附近频带内信号的有效值rms组成；三分之一倍频程中心频率为：
19、fc＝1000×103n/30hz(n＝0,±1,±2,±3,…) (5)
20、现行标准规定实际应用中的中心频率取其近似值：1hz，25hz，1.6hz，2hz，2.5hz，3.15hz，4hz，5hz，6.3hz，8hz，10hz，……；三分之一倍频程的上限频率fu、下限频率fl与中心频率之间fc关系为：
21、
22、对信号进行三分之一倍频程分析，得到振动信号的汽蚀噪声分布，以及信号各频段的能量随汽蚀发展的变化规律；
23、步骤5、计算信号的峭度与各个频段的均方根值rms：基于步骤4，计算信号的峭度与各个频段的均方根值rms；
24、步骤6、将流量状态、峭度及rms三个参数作为双层bpnn神经网络的输入变量，对离心泵汽蚀状态进行识别与分类。
25、进一步，所述步骤2中，规定的采用五点三次savitzky-golay滤波算法对原始振动信号进行降噪处理，算法中窗口大小和拟合函数阶次根据实际情况调整；或者采用奇异值分解降噪(singular value decomposition，svd)算法对原始振动信号进行降噪处理。
26、再进一步，所述步骤3中，规定的采用短时傅里叶变换对滤波后的信号进行分析，信号的帧长度和hopsize根据实际情况调整，以获取最佳效果。
27、更进一步，所述步骤6中，规定的采用双层bpnn神经网络对泵的汽蚀状态进行识别，或者采用支持向量机svm对汽蚀状态进行分类与识别。
28、本专利技术的有益效果主要表现在：1)通过五点三次savitzky-golay滤波算法对原始振动信号进行降噪，提高了振动信号信噪比；2)通过短时傅里叶变换对不同汽蚀状态的信号进行分析，确定汽蚀特征频率的分布；3)对信号进行三分之本文档来自技高网...
【技术保护点】
1.一种基于特征频率和峭度的泵汽蚀状态诊断方法，其特征在于，所述方法包括以下步骤；
2.如权利要求1所述的一种基于特征频率和峭度的泵汽蚀状态诊断方法，其特征在于，所述步骤2中，规定的采用五点三次Savitzky-Golay滤波算法对原始振动信号进行降噪处理，算法中窗口大小和拟合函数阶次根据实际情况调整；或者采用奇异值分解降噪SVD算法对原始振动信号进行降噪处理。
3.如权利要求1或2所述的一种基于特征频率和峭度的泵汽蚀状态诊断方法，其特征在于，所述步骤3中，规定的采用短时傅里叶变换对滤波后的信号进行分析，信号的帧长度和HopSize根据实际情况调整，以获取最佳效果。
4.如权利要求1或2所述的一种基于特征频率和峭度的泵汽蚀状态诊断方法，其特征在于，所述步骤6中，规定的采用双层BPNN神经网络对泵的汽蚀状态进行识别，或者采用支持向量机SVM对汽蚀状态进行分类与识别。
【技术特征摘要】
1.一种基于特征频率和峭度的泵汽蚀状态诊断方法，其特征在于，所述方法包括以下步骤；
2.如权利要求1所述的一种基于特征频率和峭度的泵汽蚀状态诊断方法，其特征在于，所述步骤2中，规定的采用五点三次savitzky-golay滤波算法对原始振动信号进行降噪处理，算法中窗口大小和拟合函数阶次根据实际情况调整；或者采用奇异值分解降噪svd算法对原始振动信号进行降噪处理。
3.如权利要求1...
【专利技术属性】
技术研发人员：邵春旭，吴登昊，刘妍，杨梦欣，赵见高，吴函恬，谷云庆，牟介刚，
申请(专利权)人：中国计量大学，
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。