[发明专利]油气管道系统动设备的故障诊断方法、装置及设备

权利要求书

1.一种油气管道系统动设备的故障诊断方法，其特征在于，所述方法包括：

采集待检测油气管道系统动设备的振动信号；

对所述振动信号进行连续小波变换获得二维时频图像；

将所述二维时频图像输入到预先构建的卷积神经网络故障诊断模型中，利用所述卷积神经网络故障诊断模型对所述待检测油气管道系统动设备进行故障诊断，获得故障诊断结果；

利用LIME算法对所述故障诊断结果进行解析，获得所述故障诊断结果的故障解析信息，其中，所述故障解析信息为在所述二维时频图像上标记不同能量强度而获得的新的二维时频图像，不同能量强度表示所述能量强度对应的时频区域对所述故障诊断结果的不同贡献度；

其中，所述利用LIME算法对所述故障诊断结果进行解析，获得所述故障诊断结果的故障解析信息，包括：

将所述二维时频图像分割成不同的特征块，对所述特征块进行重新筛选组合，获得所述二维时频图像对应的合成时频图像；

将所述合成时频图像输入到所述卷积神经网络故障诊断模型中，获得所述合成时频图像的故障诊断结果；

根据所述合成时频图像以及所述合成时频图像对应的故障诊断结果拟合获得回归模型；

利用所述回归模型计算所述二维时频图像中各个特征块的重要性；

根据各个特征块的重要性生成所述故障解析信息；

其中，所述对所述特征块进行重新筛选组合，获得所述二维时频图像对应的合成时频图像，包括：

将所述特征块分为待选特征块和无用特征块；

将所述无用特征块的像素替换成所述二维时频图像的平均像素值；

将所述待选特征块和替换像素后的无用特征块合成获得所述合成时频图像。

2.如权利要求1所述油气管道系统动设备的故障诊断方法，其特征在于，所述对所述振动信号进行连续小波变换获得二维时频图像之前，所述方法还包括：

对所述振动信号进行变分模态分解，获得降噪振动信号；

所述对所述振动信号进行连续小波变换获得二维时频图像，包括：

对所述降噪振动信号进行连续小波变换获得所述二维时频图像。

3.如权利要求1所述油气管道系统动设备的故障诊断方法，其特征在于，所述卷积神经网络故障诊断模型的创建方法包括：

构建卷积神经网络故障诊断模型；

采集不同故障类型的振动信号，获得样本振动信号；

对所述样本振动信号进行连续小波变换获得多个样本二维时频图像；

将所述样本二维时频图像作为所述卷积神经网络故障诊断模型的输入，将所述样本二维时频图像对应的故障类型作为所述卷积神经网络故障诊断模型的输出，进行模型训练，直至所述卷积神经网络故障诊断模型的精度满足预设要求或模型训练次数达到预设次数。

4.如权利要求3所述油气管道系统动设备的故障诊断方法，其特征在于，所述故障类型包括密封泄露、入口阻塞、轴承磨损、正常状态、密封泄露-入口阻塞-轴承磨损、密封泄露-入口阻塞、入口阻塞-轴承磨损、密封泄露-轴承磨损。

5.如权利要求2所述油气管道系统动设备的故障诊断方法，其特征在于，所述对所述振动信号进行变分模态分解，获得降噪振动信号，包括：

将所述振动信号分解为多个模态分量，并计算每个模态分量的带宽；

对所有模态分量的总带宽进行优化，获得总带宽最小时的优化模态分量，将所述优化模态分量作为所述降噪振动信号。