[发明专利]基于多源信息融合的海水泵故障监测装置与诊断方法

权利要求书

1.一种基于多源信息融合的海水泵故障监测装置，其特征在于，包括：振动信号采集单元、电流信号采集单元和信号处理单元，所述振动信号采集单元使用加速度传感器采集海水冷却泵的原始振动数据，所述电流信号采集单元使用电流互感器采集海水泵机组的电机三相电流，所述信号处理单元对加速度数据和电流信号数据进行快速傅里叶变换处理得到频域信息，所述故障监测单元能实时监测海水泵的振动信号和电流信号的时频域状态，并将其作为故障诊断的数据准备前提。

2.根据权利要求1所述的基于多源信息融合的海水泵故障监测装置，其特征在于，所述振动信号采集单元包括：stm32f103模块，三轴加速度传感器模块，RS485通讯模块，电源供电模块；通过加速度传感器模块采集海水冷却泵的三轴加速度数据，并通过SPI接口向stm32f103模块传输原始加速度数据，stm32f103模块接收到加速度数据后进行消除趋势项处理，再通过RS485通讯模块将其传输给信号处理单元。

3.根据权利要求1所述的基于多源信息融合的海水泵故障监测装置，其特征在于，所述电流信号采集单元包括：stm32f103模块，电流互感器模块，RS485通讯模块，电源供电模块；通过电流互感器模块采集海水冷却泵的三相电流数据，并向stm32f103模块传输三相电流数据，stm32f103模块接收到电流数据后进行消除趋势项处理，再通过RS485通讯模块将其传输给信号处理单元。

4.根据权利要求1所述的基于多源信息融合的海水泵故障监测装置，其特征在于，所述信号处理单元包括：stm32f407模块，RS485通讯模块，CAN通讯模块，电源供电模块；stm32f407模块接收到数据后进行快速傅里叶变换后得到时频信号数据，上传至上位机中的故障诊断软件作为诊断的数据库。

5.一种基于多源信息融合的故障诊断方法，其特征在于，包括以下步骤：步骤一：获取海水泵的故障多源信号进行时频分析；

步骤二：通过对数据的预处理，获取更有效的故障多源数据；

步骤三：基于迁移核局部保持投影方法对多源数据进行特征降维后训练自适应分类器分类；

步骤四：对振动不同位置的信号采用基于模型的融合方法，两大类的故障数据使用基于类的融合方法；

步骤五：模型搭建好后用训练好的分类器和最大融合概率类别对测试集样本进行识别，给出诊断后的故障位置、准确度、精确度等信息。

6.根据权利要求5所述的基于多源信息融合的故障诊断方法，其特征在于，在所述步骤二之前对振动信号和电流信号进行时频分析，选取时域的均方根值、方差、峭度和峰度和频域的故障频率和对应的振幅作为特征向量，数据的预处理包括两个步骤：(1)构造相对特征向量；(2)归一化。

7.根据权利要求5所述的基于多源信息融合的故障诊断方法，其特征在于，所述迁移核局部保持投影方法对预处理后的故障多源数据进行特征降维，将原始特征空间映射到高维特征空间，相同故障类别的数据样本在该空间内彼此聚类；加入正则化项，使分类器泛化能力增强；通过TKLPP建模，将故障诊断的正常与故障样本间的相对关系从训练阶段转移到测试阶段，并且在此新空间中训练的分类器对测试样本的泛化能力会增强。

8.根据权利要求5所述的基于多源信息融合的故障诊断方法，其特征在于，所述步骤四中，数据融合的方法具体包括：对不同位置的振动信号使用基于模型的融合方法，即加权精度，以A_cc为衡量标准；对两大类的故障数据使用基于类的融合方法，以F1score为衡量标准，找到具有最大融合概率的类别分配给测试样本进行识别。

9.根据权利要求5所述的基于多源信息融合的故障诊断方法，其特征在于，所述步骤五模型搭建好后，用训练好的分类器和最大融合概率类别对测试集样本进行识别，给出诊断后的故障位置、准确度、精确度信息。