[发明专利]一种螺杆式压缩机故障诊断的多尺度自适应加权广义形态滤波方法

说明书

本发明螺杆式压缩机故障诊断的多尺度自适应加权广义形态滤波方法。本发明采用技术方案包括：基于对压缩机振动信号的形态滤波处理，首先，确定不同形状SE的最优尺度子集；其次基于不同形状SE的最优尺度子集对尺度元素自适应加权，利用蚁群爬山算法确定最优权重；再基于最有尺度子集及尺度元素的最优权重系数，综合不同的形状SE进行形状的自适应加权，用蚁群爬山算法确定最优权重；最后基于尺度和形状的最优权重，对原始信号进行多结构多尺度的最优加权形态滤波处理，对滤波信号的希尔伯特包络解调进行频谱分析，最终诊断出压缩机故障。本发明能有效消除噪声，提取故障特征信息。

技术领域

本发明属于机械设备故障诊断领域，具体是涉及螺杆式压缩机故障诊断并基于蚁群爬山算法改进多结构多尺度自适应加权广义形态滤波方法。

背景技术

螺杆式压缩机作为一种按容积变化原理而工作的双轴回转式压缩机，以其结构简单、工作可靠和容积效率好等一系列独特优点，在空气动力、制冷空调以及石油化工各种工艺流程中的使用量最多。作为压力系统中最为核心的部分，如果不能及时精准地判断压缩机的运行状态，就会导致发生突发故障，影响机组的正常运行及使用寿命，甚至造成更大的经济损失。因此，对螺杆压缩机进行故障诊断，对保证生产的正常运行，提高企业的经济效益都有重要的意义。

然而，螺杆式压缩机的早期故障特征十分微弱，实际工况下，损伤故障、转子的原始质量偏心等都是周期性脉冲激励源，因此压缩机存在损伤类故障时，振动信号中既包含周期性低频故障冲击成分又含有冲击引发的压缩机系统的各阶固有振动成分。对于受周期性脉冲及自然噪声严重干扰的压缩机振动信号，若只进行单一的形态滤波处理，降噪效果差，滤波信号的包络谱中故障特征信息往往不明显。因此，针对基于压缩机振动信号的故障诊断，需要迫切解决的问题就是可靠的改进形态滤波方法。

形态滤波是用预先设定的结构元素(Structural Element，SE)对目标信号进行修正或匹配，从而达到抑制噪声和提取有用信号的目的，且能很好地保持信号的主要形态特征，是一种新型非线性信号分析和处理方法。在传统的形态学过滤中，经常使用一种结构元素和单一尺度元素，这通常不能取得满意的结果。即使考虑多结构或多尺度，由于滤波能力主要取决于尺度且单一规模，其过滤能力仍有限。

发明内容

本发明的目的是为了克服现有技术存在的缺点和不足，而提供一种螺杆式压缩机故障诊断的多尺度自适应加权广义形态滤波方法。该方法基于寻优算法进行自适应加权，可有效去除噪音，提取故障特征信息，精确诊断故障类型。

为实现上述目的，本发明的技术方案是其特征在于包括：

S1、根据不同形状的结构元素构建基于单一尺度的平均形态滤波对采集的螺杆式压缩机原始振动信号进行滤波处理，利用频谱峰度选择出不同结构元素的最优尺度子集，并以此对每个结构元素构建单一形状尺度的自适应加权广义形态滤波对信号进行滤波，基于蚁群爬山算法寻优得到开闭和闭开运算部分的最优权重系数；

S2、针对不同形状结构元素建立多尺度自适应加权的广义形态滤波，基于蚁群爬山算法对原始振动信号进行滤波处理，寻优确定不同尺度的权重系数，构建不同形状结构元素多尺度最优加权的广义形态滤波；

S3、综合不同形状结构元素构建多结构多尺度自适应加权的广义形态滤波，利用蚁群爬山算法寻优确定结构元素不同形状的权重系数，最终建立针对原始振动信号多结构多尺度最优加权的广义形态滤波方法，对原始振动信号进行滤波处理，即可通过希尔比特包络谱进行特征频率分析，诊断出螺杆式压缩机故障。

进一步设置是所述步骤S1中基于蚁群爬山算法寻优得到开闭和闭开运算部分的最优权重系数的方法包括有：

1)蚁群位置的初始化