[发明专利]一种基于在线的无损单向阀故障检测系统及方法在审
申请号: | 202110684582.X | 申请日: | 2021-06-21 |
公开(公告)号: | CN113447260A | 公开(公告)日: | 2021-09-28 |
发明(设计)人: | 李卓睿;马军;王晓东;李祥;徐俊祖 | 申请(专利权)人: | 昆明理工大学 |
主分类号: | G01M13/003 | 分类号: | G01M13/003 |
代理公司: | 昆明明润知识产权代理事务所(普通合伙) 53215 | 代理人: | 王鹏飞 |
地址: | 650093 云*** | 国省代码: | 云南;53 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 在线 无损 单向阀 故障 检测 系统 方法 | ||
1.一种基于在线的无损单向阀故障检测系统,其特征在于:包括声音采集传感器(1)、信号前置放大器(2)、数据数模转换器(3)、先进先出排列元件(4)、单片机处理器(5)、脉冲宽度调制模块(6)、时钟频率测试元件(7)、ZigBee无线传输模块(8)和主机(9);
声音采集传感器(1)与信号前置放大器(2)连接,信号前置放大器(2)与数据数模转换器(3)连接,数据数模转换器(3)与先进先出排列元件(4)连接,先进先出排列元件(4)与单片机处理器(5)连接,单片机处理器(5)与ZigBee无线传输模块(8)连接,ZigBee无线传输模块(8)与主机(9)连接,脉冲宽度调制模块(6)与时钟频率测试元件(7)连接并组合,组合后分别与数据数模转换器(3)、先进先出排列元件(4)连接。
2.根据权利要求1所述的基于在线的无损单向阀故障检测系统,其特征在于:所述声音采集传感器(1)可以为N个,N为整数,所述信号前置放大器(2)、数据数模转换器(3)、先进先出排列元件(4)数量与声音采集传感器(1)相同。
3.根据权利要求2所述的基于在线的无损单向阀故障检测系统,其特征在于:所述声音采集传感器(1)、信号前置放大器(2)、数据数模转换器(3)、先进先出排列元件(4)为一组,每组均与单片机处理器(5)连接,每组均配备脉冲宽度调制模块(6)和时钟频率测试元件(7)。
4.根据权利要求2所述的基于在线的无损单向阀故障检测系统,其特征在于:所述声音采集传感器(1)用于采集数据,采集的数据通过信号前置放大器(2)、数据数模转换器(3)传输到单片机处理器(5)进行处理。
5.根据权利要求4所述的基于在线的无损单向阀故障检测系统,其特征在于:所述数据的采集和传输可以通过N个声音采集传感器(1)和N个不同的通道并行运行。
6.根据权利要求1所述的基于在线的无损单向阀故障检测系统,其特征在于:所述脉冲宽度调制模块(6)和时钟频率测试元件(7)用来协调数据的传输和转换。
7.根据权利要求3所述的基于在线的无损单向阀故障检测系统,其特征在于:所述脉冲宽度调制模块(6)和时钟频率测试元件(7)利用微处理器的输出,对AD和FIFO的时钟频率进行控制。
8.根据权利要求3所述的基于在线的无损单向阀故障检测系统,其特征在于:所述单片机处理器(5)进行处理后的数据,通过ZigBee无线传输模块(8)传输到主机(9)进行数据分析。
9.权利要求1所述的基于在线的无损单向阀故障检测系统进行故障检测的方法,其特征在于:
Step1:在每个单向阀阀体处安装声音采集传感器(1),传感器的信号经放大传输到数据数模转换器(3)中,然后以列队形式储存到单片机处理器(5)中,最后将数据传递到主机(9)中作后期分析;
Step2:建立单向阀运行过程中正常模型,得到正常运行时模型的阈值,模型建立的具体方法为:
根据采集到的正常数据,在主机(9)中由十六进制的机器数据转换为十进制的运算数据,将转换后的数据进行小波包分解,利用高通滤波器和低通滤波器将信号数据分解为近似信号数据和细节信号数据,通过尺度函数和小波函数得到双尺度方程:
式中,φ(t)是尺度函数,ψ(t)是小波函数,h0k是高通滤波器的系数,h1k是低通滤波器的系数,t∈[1,N],N是数据点数,k=N/2l,l表示小波包分解的层数;
根据小波包分解后的节点系数,得到不同频率段下能量值,继而得到不同频率段下能量谱:
E(tj)=∫R|f(tj)|2dt=∑|xj|2
式中,R表示实数域,f(tj)表示重构信号,E(tj)表示f(tj)对应的能量,xj表示f(tj)的小波包重构系数,j=0,1,2,…,2n表示每一层的节点数;
Step3:通过主元模型中的Hotelling T2和SPE统计量计算出数据偏离正常模型的程度,对于某一时刻的采样数据向量X,定义如下:
Ti2=tiλ-1tiT=XiPλ-1PTXiT
式中,ti是第i个主成分的得分向量,λ是由前i个主元对应的特征值所组成的对角矩阵,P为可逆矩阵;
当在其控制限内,则单向阀处于正常状态,若超出则说明发生了故障,Hotelling T2统计量控制限为:
式中,m为样本个数,k为主元个数,Fk,m-1,α表示置信度为α的F分布的上限值;
对于某一时刻的采样数据向量x,SPE统计量定义如下:
当SPE在其控制限内,则单向阀处于正常状态,若超出则说明发生了故障;
SPE控制限为:
式中,l是主元个数,λi是X的协方差矩阵的特征值,cα为正态分布置信度为α的统计;
Step4:通过实时的主元数学模型数据监控,通过Hotelling T2和SPE统计量的控制限表现判断是否有故障产生,从而实现了单向阀故障的准确预测和监控,具体判断标准为:
若则表示单向阀运行正常;
若则表示单向阀发生故障;
若SPE≤Qα,则表示单向阀运行正常;
若SPE>Qα,则表示单向阀发生故障。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于昆明理工大学,未经昆明理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110684582.X/1.html,转载请声明来源钻瓜专利网。