[发明专利]泥浆泵运行状态评估方法、监控终端和计算机可读存储介质

说明书

本发明公开了一种泥浆泵运行状态评估方法、监控终端和计算机可读存储介质，包含：建立自组织映射网络评估模型并通过泥浆泵正常状态下的历史工作数据进行训练；获取泥浆泵的实时工作数据，对数据进行滤波降噪，提高信噪比；对滤波降噪后的数据提取时域、频域和时频域特征，然后再对这些特征数据进行降维处理，得到反映泥浆泵状态的主成分矢量；将所述主成分矢量数据输入所述训练完成的自组织映射网络评估模型，计算其与最佳匹配单元权值之间的距离，当所述距离偏离正常状态时，则判定泥浆泵运行异常，否则判定泥浆泵运行正常。本发明评估泥浆泵运行状态无需泥浆泵的各失效模式下的数据，且评估效率更高，评估结果更准确。

技术领域

本发明涉及一种泥浆泵运行状态评估方法、监控终端和计算机可读存储介质。

背景技术

在早期的泥浆泵故障诊断中，基于模型的故障诊断方法凭借其在故障机理阐述及诊断精确度等方面的优势被广泛应用，但随着泥浆泵结构设计越来越复杂，其精确的数学模型也越来越难以建立。随后基于数据源驱动的方法被提出，它无需建立系统的精确模型，仅通过对泥浆泵运行数据的处理、分析和挖掘就可以对泥浆泵的运行状态进行评估。如利用时域统计指标提取泵阀组件的故障特征，考察不同状态下的统计参数分布特征与量化规律，建立设备故障之间的对应关系，但由于泥浆泵振动信号的非平稳性，提取的时域特征通常没有规律性，故障信息不易区分，难以直接应用于泥浆泵的状态监测中。

现代故障诊断最常用的方法是频谱分析法，主要包括功率谱分析、倒谱与包络解调分析等方法，有诸多研究成果应用于泥浆泵状态监测与故障诊断。对于微弱的低频调制信号来说，频谱分析能有效提取其中的特征信息，特别适用于泥浆泵这类存在强噪声和其他振动干扰源的场合。但有效应用频谱分析法的前提是信号的幅值谱或包络谱足够明了清晰。此外，频谱分析法需要故障的先验知识，而泥浆泵的有些故障是可推算的，有的则无明确定义，且频谱分析的频谱范围、滤波方法、窗函数等需要根据不同工况进行设置，使得频谱分析法实施起来过于复杂。

利用振动信号的时域分析、频域分析和小波变换等处理方法，结合智能诊断理论来实现机械设备的故障诊断和状态评估是近年的研究热点，如神经网络、支持向量机、K最近邻算法、隐马尔可夫模型等，此类算法主要通过设备正常与故障状态下所采集的运行数据之间的偏差来实现。但是，在大多数环境下，机械设备正常运行的数据可以大量地获取，而故障情况下的数据则相对较少，在数据样本不平衡条件下评估模型诊断效果和泛化能力较差、对噪声较为敏感。

发明内容

有鉴于此，本发明要解决的技术问题是提供一种泥浆泵运行状态评估方法、监控终端和计算机可读存储介质,以解决现有泥浆泵运行状态评估方法对现场操作人员技术背景要求高、样本失衡条件下状态评估结果不够准确的问题。

本发明解决上述技术问题所采用的技术方案如下：

本发明的一个方面，提出一种泥浆泵运行状态评估方法，应用于泥浆泵的监控终端，包括以下步骤：

建立自组织映射网络评估模型并通过泥浆泵正常状态下的历史工作数据进行训练；

获取泥浆泵的实时工作数据，对数据进行滤波降噪，提高信噪比；

对滤波降噪后的数据提取时域、频域和时频域特征，然后再对这些特征数据进行降维处理，得到反映泥浆泵状态的主成分矢量；

将所述主成分矢量数据输入所述训练完成的自组织映射网络评估模型，计算其与最佳匹配单元权值之间的距离，当所述距离偏离正常状态时，则判定泥浆泵运行异常，否则判定泥浆泵运行正常。

其中，所述工作数据包括由振动加速度传感器、温度变送器、压力变送器以及流量计的一个或多个采集的数据。

其中，所述时域特征包括对应数据的峰值、均值、方差、标准差、均方根值、波形指标、裕度指标、脉冲指标、峰值因子、峭度、歪度、三次中心距和四次中心距的一项或多项。