一種在低速運轉下的消防水泵的故障診斷方法
【專利摘要】本發(fā)明提供了一種在低速運轉下的消防水泵的故障診斷方法，旨在解決在非消防狀態(tài)下低速運轉的消防水泵的故障診斷問題。具體方法步驟是:以高頻應力波傳感器對處于巡檢狀態(tài)下的消防水泵進行信號檢測，采集低轉速運行下的消防水泵的含有噪聲的高頻應力波混合信號；對其采用FastICA算法進行處理,得到源信號的估計；然后對該估計信號進行希爾伯特-黃變換，得到其故障信號的n階固有模態(tài)函數分量和希爾伯特譜作為判斷水泵狀態(tài)并進行故障識別的特征向量；最后利用支持向量機進行故障分類。本發(fā)明適于處理低速情況下的非線性非平穩(wěn)信號，能夠獲取更加完整的故障特征，故障診斷的效果更加良好。
【專利說明】一種在低速運轉下的消防水泵的故障診斷方法
【技術領域】
[0001]本發(fā)明涉及一種低速運轉下的消防水泵的故障診斷方法。
【背景技術】
[0002]消防水泵是消防設備中最重要的部件，其性能的好壞對整套消防設備的可靠性有著直接的影響。消防水泵一旦發(fā)生故障，輕則振動噪聲增加，加速其設備的損耗，降低工作效率；重則使整個樓宇消防設施停止工作，甚至造成嚴重事故，確保消防水泵在全生命期的完好可用，是有效保障對火情及時控制的重要手段，因此消防水泵的性能檢測及故障診斷在工業(yè)應用中具有重大意義。由于流體的不可壓縮性、泵源與水泵回路的流固耦合作用及消防水泵本身具有大幅度的固有機械振動，使得消防水泵的故障機理復雜，故障特征信號微弱，利用常規(guī)的信號處理方法難以提取故障信息，并進行有效的故障診斷。
[0003]消防水泵的故障診斷主要包括水泵振動信號采集，故障特征提取和故障診斷三個步驟，其核心步驟的就是故障特征提取。目前水泵故障診斷方法主要有基于信號處理的方法、基于解析模型的方法和基于知識的方法。用于水泵故障診斷中基于信號處理的方法主要有頻譜分析、功率譜估計和小波分析等，他們都是利用信號的數學模型，直接分析監(jiān)測信號，提取方差、幅值、頻率等故障特征參數，然后實現(xiàn)水泵的故障診斷，這類方法的局限性在于故障容易誤判，隨機性較大，且不適合非平穩(wěn)信號。
[0004]基于解析模型的方法需要建立被診斷對象的較為精確的數學模型，具體又可以分為狀態(tài)估計方法、等價空間方法和參數估計方法。這類方法雖然具有一定的優(yōu)點，但是在實際情況中，常常無法獲得對象的精確數學模型，而且故障引起系統(tǒng)模型結構和參數變化的形式是不確定的，這就大大限制了基于解析模型診斷方法的使用范圍和效果。
[0005]隨著人工智能及計算機技術的飛速發(fā)展，基于知識的方法在故障診斷中的應用也越來越廣泛，目前應用到水泵故障診斷中基于知識的方法主要有:粗糙集理論、專家系統(tǒng)、人工神經網絡和支持向量機等。這些方法有著推理邏輯嚴密、可靠性高，有自學習、自組織、容錯能力和善于處理不確定信息等優(yōu)點，但也有一些局限性，如知識難以有效表達、獲取困難、推理復雜和診斷推理過程不清晰，診斷解釋不直觀等等。
[0006]消防水泵故障振動信號是非平穩(wěn)信號，其故障診斷的關鍵是從非平穩(wěn)信號中提取特征向量。但是對于在低速轉動下的水泵來說故障檢測難度更大，并且傳統(tǒng)的振動測量方法將失效，因為振動方法可能檢測不到水泵的故障特征頻率，而且當低速旋轉機械有組件失效時對振動信號的影響也不大。鑒于此類局限性問題，傳統(tǒng)的水泵故障診斷方法很難對水泵的工作狀態(tài)做出較為準確的評價。

【發(fā)明內容】

[0007]鑒于此，本發(fā)明的目的是提供鑄件打磨設備，能夠對鑄件進行自動打磨。
[0008]本發(fā)明的目的是通過這樣的技術方案實現(xiàn)的，鑄件打磨設備，其特征在于:包括建模部分、電控系統(tǒng)、底座、機械臂、打磨頭和與底座配合的導軌；所述打磨頭與機械臂連接，用于對鑄件實施打磨；所述建模部分根據打磨對象完成三維建模并將三維模型的表面坐標以電信號的形式傳輸給電控系統(tǒng)；所述電控系統(tǒng)包括運動控制器，所述運動控制器根據表面坐標規(guī)劃出打磨路徑并根據打磨路徑控制底座、機械臂和導軌的運動。
[0009]有鑒于此，本發(fā)明為了更加準確地對消防水泵的工作狀態(tài)做出有效的評價，提出了一種低速運轉下的消防水泵的故障診斷方法。該方法以高頻應力波傳感器對處于巡檢狀態(tài)下的消防水泵進行信號檢測，采集低轉速運行下的消防水泵的含有噪聲的高頻應力波混合信號，能夠有效解決振動和聲發(fā)射信號在低轉速情況下的局限性問題，提出了采用FastICA算法和希爾伯特-黃變換對信號進行處理，能夠實現(xiàn)信號特征的優(yōu)化提取，更加準確的進行故障診斷，實現(xiàn)故障分類，具體包括以下步驟:
[0010]步驟一:以高頻應力波傳感器對處于巡檢狀態(tài)下的消防水泵進行信號檢測，采集低轉速運行下的消防水泵的含有噪聲的高頻應力波混合信號；
[0011]步驟二:對含有噪聲的高頻應力波混合信號采用FastICA算法進行處理，得到有效的源信號的估計；
[0012]步驟三:對其源信號的估計進行希爾伯特-黃變換，得到其故障信號的η階固有模態(tài)函數分量(IMF)和希爾伯特譜作為判斷水泵狀態(tài)并進行故障識別的特征向量；
[0013]步驟四:根據處理完畢的特征信號，利用支持向量機的方法進行故障分類，完成故障診斷。
[0014]進一步，在步驟一中采用高頻應力波傳感器對處于巡檢狀態(tài)下的消防水泵進行信號檢測，采集高頻應力波混合信號。
[0015]進一步，在步驟二中具體包括以下步驟:2.1:對采集到的信號去均值，并球化預處理；2.2:任意選擇具有單位方差的初始分離矩陣W，要求I |W| |2 = I ；2.3:計算WP，直到收斂，求得源信號的估計Z (t)。
[0016]進一步，在步驟三中具體包括以下步驟:3.1:對估計信號Z(t)作EMD分解使成為若干基本模式分量和一個余項的和。
[0017]
【權利要求】
1.一種在低速運轉下的消防水泵的故障診斷方法，其特征在于:包括以下步驟: 步驟一:以高頻應力波傳感器對處于巡檢狀態(tài)下的消防水泵進行信號檢測，采集低轉速運行下的消防水泵的含有噪聲的高頻應力波混合信號； 步驟二:對含有噪聲的高頻應力波混合信號采用FastICA算法進行處理，得到有效的源信號的估計； 步驟三:對其源信號的估計進行希爾伯特-黃變換，得到其故障信號的η階固有模態(tài)函數 分量(IMF)和希爾伯特譜作為判斷水泵狀態(tài)并進行故障識別的特征向量； 步驟四:根據處理完畢的特征信號，利用支持向量機的方法進行故障分類，完成故障診斷。
2.根據權利要求1所述的一種在低速運轉下的消防水泵的故障診斷方法，其特征在于:在步驟一中采用高頻應力波傳感器對處于巡檢狀態(tài)下的消防水泵進行信號檢測，采集高頻應力波混合信號。
3.根據權利要求1所述的一種在低速運轉下的消防水泵的故障診斷方法，其特征在于:在步驟二中具體包括以下步驟:2.1:對采集到的信號去均值，并球化預處理；2.2:任意選擇具有單位方差的初始分離矩陣W，要求I |W| |2 = I ;2.3:計算WP，直到收斂，求得源信號的估計Z(t)。
4.根據權利要求1所述的一種在低速運轉下的消防水泵的故障診斷方法，其特征在于:在步驟三中具體包括以下步驟: 3.1:對估計信號Z(t)作EMD分解使成為若干基本模式分量和一個余項的和
5.根據權利要求1所述的一種在低速運轉下的消防水泵的故障診斷方法，其特征在于:在步驟四中采用支持向量機的方法進行故障分類。
【文檔編號】F04B51/00GK103939325SQ201410186083
【公開日】2014年7月23日 申請日期:2014年5月5日 優(yōu)先權日:2014年5月5日
【發(fā)明者】屈劍鋒, 柴毅, 張可, 陳鵬, 黃帥 申請人:重慶大學