[发明专利]一种离心泵故障诊断方法及系统

说明书

本发明公开了一种离心泵故障诊断方法及系统，其中方法包括以下步骤S1：获取离心泵的振动信号；S2：对所述振动信号进行预处理，获得去噪信号；S3：提取所述去噪信号的时域特征参数和能量特征参数；S4：建立离心泵诊断模拟实验系统，获取不同模式下所述时域特征参数和所述能量特征参数，并建立故障检测模型；S5：将所述S4中时域特征参数和能量特征参数进行整合并降维，并将降维后的待检测离心泵的时域特征参数和能量特征参数至所述故障检测模型进行检测，所述故障检测模型输出故障类别，能有效提高所述故障检测模型分类的准确率，区分故障类别和位置。

技术领域

本发明涉及离心泵故障检测领域，尤其涉及一种离心泵故障诊断方法及系统。

背景技术

离心泵主要是利用机械能或其他能量使流体的位能、压力能和动能增加，从而完成流体的输送，可以使流体从低位区到高位区，或者从低压区到高压区，在化工行业中是必不可少的机械设备。具有较广的适用性能、尺寸小、质量轻，低成本、结构较简单、操作方便、故障少、寿命长、排出液体无脉动等优点，由于泵的结构简单、经久耐用因此被广泛用于农田灌溉、石油化工工程、水利工程、冶金和造船等。

离心泵主要包括泵体(蜗壳，泵轴，叶轮等)、吸水管路、压水管路及其附件，叶轮由于长期负载运转，使用条件恶劣，很容易发生故障。离心泵的故障诊断主要包括叶轮故障信息检测、特征提取和状态识别。

现有技术中，离心泵的故障检测因为振动信号繁多，样本抽取工作量大，且复杂，不具有代表性，在进行多故障状态识别时，难以区分故障类别和位置。

发明内容

本发明所要解决的技术问题是针对上述现有技术的不足，提供一种离心泵故障诊断方法及系统，提取的样本具有代表性、能有效区分故障类别和位置。

本发明解决上述技术问题的技术方案如下：一种离心泵故障诊断方法，包括以下步骤：

S1：获取离心泵的振动信号；

S2：对所述振动信号进行预处理，获得去噪信号；

S3：提取所述去噪信号的时域特征参数和能量特征参数；

S4：建立离心泵诊断模拟实验系统，获取不同模式下所述时域特征参数和所述能量特征参数，并建立故障检测模型；

S5：将所述S4中时域特征参数和能量特征参数进行整合并降维，并将降维后的待检测离心泵的时域特征参数和能量特征参数至所述故障检测模型进行检测，所述故障检测模型输出故障类别。

本发明的有益效果是，通过建立离心泵诊断模拟实验系统，获取不同模式下的时域特征参数和能量特征参数样本，建立故障检测模型；再将获取的样本降维，获取贡献率大的样本，使用贡献率大的样本输入到故障检测模型进行检测，样本具有代表性，能有效提高所述故障检测模型分类的准确率，区分故障类别和位置。

进一步，所述S2包括以下步骤：

S21：采用小波包阈值去噪方法对所述振动信号进行分解，获得小波包系数，其中分解层数设置为6层，小波基选取db4小波；

S22：采用软阈值法对所述小波包系数进行去噪；

S23：根据去噪后的小波包系数重构原信号，重构结点的个数为64，获得去噪信号。

采用上述进一步方案的有益效果是，小波阈值去噪法对于信号和噪声的频带相互分离的确定性噪声的去噪处理非常有效，不仅使用方法简单，计算速度快，分解层数设置为6层，振动信号被分解后，每个频带内的最优特征信息就会凸显出来，小基波选取db4小波，能最大限度重构原信号。

进一步，所述S3包括：