【技术实现步骤摘要】
本专利技术属于设备故障早期预警，具体涉及一种往复式压缩机早期故障预警方法、存储介质以及电子设备。
技术介绍
1、往复压缩机作为工业生产中的使用压力范围最广的关键设备，如果能提前对往复压缩机故障进行尽早预警，有助于减少事故发生率。因此，往复压缩机的故障预警与检测技术的发展受到了学者的广泛关注。马波提出了一种基于提升小波包变换的自适应构造小波基方法，以及基于最大似然估计的阈值选取准则方法，解决了小波变换降噪过程中小波基函数和阈值选取难的问题，将其应用于气阀故障早期故障特征提取，并且取得了良好的效果，但是小波变换的降噪技术都是假设统计分布已知，没有考虑需要提取信号的任何统计分布信息，因此需要通过对故障机理分析研究获得，即需要先验知识以及外部专家经验，这种方法在如今数据量较大的情况下并不适用，其使用具有一定的局限性。党露等利用主成分分析法(pca)对有效值、峰值、波形指标、脉冲指标、k因子、峰值因子、峭度、歪度等多种特征参数进行分析，运用pca对以上多种特征参数进行处理，得到正常工作状况下的阈值，设定合理的阈值后，再对未知工况下所采集到的数据进行实时处理，超出阈值后报警，从而实现了对往复式压缩机故障的早期预警。此方法受到往复式压缩机内部结构复杂且体积庞大的影响，受振动噪声影响较大，且该方法需要历史正常数据和故障数据来计算阈值，在工程应用中也存在一定局限性。
技术实现思路
1、本专利技术所要解决的技术问题是提供一种往复式压缩机早期故障预警方法、存储介质以及电子设备，可以不需要故障数据确定报警
2、本专利技术解决其技术问题所采用的技术方案是：一种往复式压缩机早期故障预警方法，包括以下步骤：
3、s1、采集历史正常状态下的往复式压缩机振动信号数据集，计算其功率谱密度和小波包能量熵；
4、s2、对计算出的功率谱密度和小波包能量熵进行自适应l1趋势滤波，以作为早期预警模型特征值；
5、s3、以采集的所述历史正常状态下的往复式压缩机振动信号数据集为目标训练样本输入支持向量数据描述模型中，计算所述支持向量数据描述模型的目标训练样本核函数带宽σ；
6、s4、将s2步骤中计算出的所述特征值输入通过s3步骤中计算出目标训练样本核函数带宽σ的支持向量数据描述模型中进行训练，得到包含正常样本超球体的中心a和半径r，即，得到训练好的支持向量数据描述模型；
7、s5、输入往复式压缩机实时振动数据，重复步骤s1和步骤s2，得到经l1趋势滤波的新特征值；
8、s6、将所述新特征值输入步骤s4中训练好的支持向量数据描述模型中，得到与超球体中心的广义距离di；
9、s7、检测早期故障点，判断di和r的大小，如di>r，则为疑似早期故障点，如果连续报警次数超过5个数据文件，即di～di+4>r，则判定为早期故障点。
10、进一步地，以采集的所述历史正常状态下的往复式压缩机振动信号数据集为目标训练样本输入支持向量数据描述模型中，计算所述支持向量数据描述模型的目标训练样本核函数带宽σ包括：
11、以一组往复式压缩机振动全生命周期数据为参考训练样本，输入支持向量数据描述模型中，计算出参考训练样本最佳核函数带宽σ2；
12、将所述目标训练样本和所述参考训练样本输入支持向量数据描述模型中，计算所述目标训练样本的空间距离矩阵h1和所述参考训练样本的空间距离矩阵h2；
13、计算h1和h2中数据的分布情况，将h1中概率密度最大值所对应的估计数值记为e1，将h2中概率密度最大值所对应的估计数值记为e2，使用e1代表h1，记为e2代表h2；
14、根据公式计算目标数据集核函数带宽σ。
15、进一步地，计算出参考训练样本最佳核函数带宽σ2采用交叉验证方法。
16、进一步地，计算出参考训练样本最佳核函数带宽σ2采用寻找方差平方根平均比最大值的方法。
17、进一步地，计算h1和h2中数据的分布情况采用累积分布函数法。
18、进一步地，计算h1和h2中数据的分布情况采用概率密度函数法。
19、进一步地，计算h1和h2中数据的分布情况采用核密度估计方法。
20、进一步地，采集的所述历史正常状态下的往复式压缩机振动信号数据集至少为40天的往复式压缩机正常运转条件下的样本。
21、本专利技术还提供一种计算机可读存储介质，所述存储介质内存储有计算机程序，所述计算机程序用于执行上述的一种往复式压缩机早期故障预警方法。
22、本专利技术还提供一种电子设备，包括通信接口、处理器、存储器和总线，所述通信接口、处理器和存储器之间通过总线连接，所述存储器中存储机器可读指令，所述处理器通过调用所述机器可读指令，执行上述的一种往复式压缩机早期故障预警方法。
23、本专利技术的有益效果是：
24、本专利技术提出了一种基于自适应l1趋势滤波(l1tf)和支持向量数据描述(svdd)的往复式压缩机早期故障预警方法，该方法只需要往复式压缩机正常状态监测原始振动数据，而不需要故障机理、故障特征信号等先验知识以及外部专家经验，其适用性更广；
25、本专利技术为解决往复式压缩机训练样本数值过小情况下支持向量数据描述高斯核函数带宽的取值问题，利用一种确定(支持向量数据描述)svdd核函数带宽的方法，运用此方法训练出的超球体性能良好，可以快速、简洁的确定核函数带宽，且不会出现不收敛的情况；
26、本专利技术为较敏感的识别出故障特征，利用功率谱密度和小波包能量熵作为特征值，可以较为准确地区别往复式压缩机正常与故障状态，具有很大的相关性；
27、本专利技术为减少异常数据的干扰，使趋势变化更明显，利用一种基于l1趋势滤波的在线提取旋转机械早期故障信息的方法，该数据预处理的方法提高了早期预警的准确度。
本文档来自技高网...【技术保护点】
1.往复式压缩机早期故障预警方法，其特征在于，包括以下步骤：
2.如权利要求1所述的往复式压缩机早期故障预警方法，其特征在于，以采集的所述历史正常状态下的往复式压缩机振动信号数据集为目标训练样本输入支持向量数据描述模型中，计算所述支持向量数据描述模型的目标训练样本核函数带宽σ包括：
3.如权利要求2所述的往复式压缩机早期故障预警方法，其特征在于，计算出参考训练样本最佳核函数带宽σ2采用交叉验证方法。
4.如权利要求2所述的往复式压缩机早期故障预警方法，其特征在于，计算出参考训练样本最佳核函数带宽σ2采用寻找方差平方根平均比最大值的方法。
5.如权利要求2所述的往复式压缩机早期故障预警方法，其特征在于，计算H1和H2中数据的分布情况采用累积分布函数法。
6.如权利要求2所述的往复式压缩机早期故障预警方法，其特征在于，计算H1和H2中数据的分布情况采用概率密度函数法。
7.如权利要求2所述的往复式压缩机早期故障预警方法，其特征在于，计算H1和H2中数据的分布情况采用核密度估计方法。
8.如权利要求1所
9.一种计算机可读存储介质，所述存储介质内存储有计算机程序，其特征在于，所述计算机程序用于执行如权利要求1至8中任一权利要求所述的往复式压缩机早期故障预警方法。
10.一种电子设备，其特征在于，包括通信接口、处理器、存储器和总线，所述通信接口、处理器和存储器之间通过总线连接，所述存储器中存储机器可读指令，所述处理器通过调用所述机器可读指令，执行如权利要求1至8中任一权利要求所述的往复式压缩机早期故障预警方法。
...【技术特征摘要】
1.往复式压缩机早期故障预警方法，其特征在于，包括以下步骤：
2.如权利要求1所述的往复式压缩机早期故障预警方法，其特征在于，以采集的所述历史正常状态下的往复式压缩机振动信号数据集为目标训练样本输入支持向量数据描述模型中，计算所述支持向量数据描述模型的目标训练样本核函数带宽σ包括：
3.如权利要求2所述的往复式压缩机早期故障预警方法，其特征在于，计算出参考训练样本最佳核函数带宽σ2采用交叉验证方法。
4.如权利要求2所述的往复式压缩机早期故障预警方法，其特征在于，计算出参考训练样本最佳核函数带宽σ2采用寻找方差平方根平均比最大值的方法。
5.如权利要求2所述的往复式压缩机早期故障预警方法，其特征在于，计算h1和h2中数据的分布情况采用累积分布函数法。
6.如权利要求2所述的往复式压缩机早期故障预警方法，其特征在于，计算h...
【专利技术属性】
技术研发人员：李静，林冬，孙明楠，齐昌超，龚建华，毛川勤，张健，崔铭芳，陈家文，胡岸，唐德，
申请(专利权)人：中国石油天然气股份有限公司，
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。