CN103821749B - 一种轴流式通风机失速和喘振的在线诊断方法 - Google Patents
一种轴流式通风机失速和喘振的在线诊断方法 Download PDFInfo
- Publication number
- CN103821749B CN103821749B CN201410078441.3A CN201410078441A CN103821749B CN 103821749 B CN103821749 B CN 103821749B CN 201410078441 A CN201410078441 A CN 201410078441A CN 103821749 B CN103821749 B CN 103821749B
- Authority
- CN
- China
- Prior art keywords
- stall
- surge
- axial fan
- signal
- pulse signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Control Of Positive-Displacement Air Blowers (AREA)
Abstract
一种新型轴流式通风机失速和喘振诊断方法,属于通风机状态监测和诊断领域。目前存在的失速和喘振诊断和识别方法不能避免失速和喘振的发生。针对轴流式通风机失速和喘振的诊断的重要性和复杂性,本发明选取了轴流式通风机的轴向振动和主轴的转速作为分析和处理的状态信号,对失速和喘振十分敏感。利用相关积分法对振动信号和转速信号进行分析和处理,剔除干扰,提取出信号特征,发现信号中失速和喘振的趋势成分。在失速和喘振的诊断和识别方面使用支持向量机模型,将信号特征作为支持向量机的特征向量,训练建立支持向量机模型,实现轴流式通风机失速和喘振的准确、快速、可靠地在线诊断与识别。
Description
技术领域
本发明涉及一种轴流式通风机失速和喘振的在诊断方法,通过分析通风机轴向振动与转速来诊断轴流式通风机的失速和喘振,特别是用于大型轴流式通风机失速和喘振的在线诊断,属于通风机运行状态监测领域。
背景技术
轴流式通风机因稳定可靠、风量大、效率高、噪声小等优点,广泛用于能源、冶金、机械、化工、医药以及民用建筑场所的通风和散热。轴流式通风机在生产生活中起着至关重要的作用。轴流式通风机会出现失速或喘振等通风异常情况,失速或喘振的初期会造成通风效率低下、浪费能源和损坏通风装置,随着失速或喘振的时间积累和恶化,会造成通风装置的严重损坏,甚至引起灾难性的后果。为了保证轴流式通风机在生产生活中的安全,一定要避免通风机发生失速和喘振。
由于轴流式通风机具有“驼峰”型的特性曲线,当通风系统的风阻大于临界值时,通风机的阻力曲线和特性曲线就会相交在通风机的不稳定区,将会发生失速和喘振。通风机发生失速和喘振时,会出现通风的流量、压力、转速以及电机的电流会产生很大的波动,同时会出现很大的噪声,通风机振动的幅值也会有增大。为了避免通风机失速和喘振的发生,一定要在通风机通风状态恶化前,诊断和识别出通风机的通风异常,才能避免失速和喘振带来的危害和损失。通过监测和分析通风机的状态和通风的状态,可以及时发现通风状态的异常。通风机的状态信号可以反映通风机及通风的状态,由于通风机工作的环境恶劣,有很强的背景噪声,需要选择一个合适的状态信号和状态信号的处理方法,才能及时准确的诊断和识别出通风机的失速和喘振的发生,避免通风机失速和喘振。目前已有的失速和喘振的诊断和识别方法不能在失速和喘振发生前诊断出失速和喘振。通风机失速和喘振发生的越早、越及时,造成的危害和损失越小。因此,研究出一种准确、及时的轴流式通风机失速和喘振诊断和识别方法具有重要的社会意义和经济意义。
发明内容
本发明的目的在于:针对目前的轴流式通风机失速和喘振的诊断和识别方法仅能在通风机进入失速或喘振状态后才能诊断和识别出失速或喘振的发生,不能在进入失速或喘振前诊断或识别出通风状态的异常的不足,研发出一种新型轴流式通风机失速和喘振的诊断方法,该方法用于轴流式通风机失速和喘振的诊断和识别。在轴流式通风机的轴向安装振动传感器,安装编码器测量通风机转速的变化,通过分析处理通风机轴向的振动和转速的变化,在通风机进入失速或喘振状态前诊断和识别出通风机的失速或喘振。
一种轴流式通风机失速和喘振诊断方法,基于的硬件平台为振动传感器、编码器、信号采集卡、微处理器、失速和喘振报警装置;
包括以下步骤:
S1:将振动传感器安装在轴流式通风机上,且振动传感器平行于通风机的主轴,在轴流式通风机的轴上安装编码器,设置采样频率为f,100Hz≤f≤12kHz,轴流式通风机启动并运行平稳后,采集振动信号和速度脉冲信号,经过采集卡将信号传输到微处理器中;
S2:对振动信号和速度脉冲信号进行分段和截取,记振动信号为X(i),i为振动信号的序号,i=1、2,…,N,N为振动信号每段点数;记速度脉冲信号为T(j),j为速度脉冲信号的序号,j=1,2,…,M,M为脉冲信号每段点数;
S3:计算振动信号X(i)的相关积分值I(N,R), N为振动信号每段点数,R为振动信号X(i)的参考距离,计算速度脉冲信号T(j)的相关积分值I(M,P),M为脉冲信号每段点数,P为脉冲信号T(j)的参考距离,H为函数,定义为
S4:利用振动信号的相关积分值I(N,R)和速度脉冲信号的相关积分值I(M,P)构建轴流式通风机的特征向量T,T=(I(N,R),I(M,P));
S5:设yc为支持向量机模型的输出,c为1,2,3,yc为1,2,3,分别对应通风机正常状态、失速状态和喘振状态,Tb为支持向量机模型的输入,b为1,2,3,Tb分别对应通风机正常状态、失速状态、喘振状态的特征向量,Tb与对应的yc组成训练和测试集合,训练和测试集合表示形式为(Tb,yc);
S6:分别取通风机正常、失速、喘振状态的训练和测试集合,训练和测试完成后建立支持向量机模型;
S7:支持向量机模型建立以后,完成轴流式通风机失速和喘振的诊断及识别,诊断出失速或喘振,立即报警,并将报警记录存储在数据库中。
振动信号X(i)的参考距离R为振动信号的平均值或均方差或峭度或峰值;速度脉冲信号T(j)的参考距离P为速度脉冲信号的平均值或均方差或峭度或峰值。
将振动信号的相关积分值I(N,R)和速度脉冲信号的相关积分值I(M,P)存储在数据库中,以供查询历史数据。
采集的振动信号是振动信号的幅值。
本发明提出的一种轴流式通风机失速和喘振诊断方法,其优点是:
1)实现了在线实时的轴流式通风机失速和喘振的诊断和识别,实现了对轴流式通风机失速和喘振的敏感特征的提取,能够及时诊断出轴流式通风机是否存在失速或喘振,并对轴流式通风机的通风状态异常做出报警。
2)针对轴流式通风机工作环境恶劣,背景噪声强,状态信号成分复杂,信号特征提取困难,研发了新型的轴流式通风机状态信号特征的提取方法,能提取出信号中轴流式通风机失速和喘振的成分。在轴流式通风机失速和喘振诊断方面,采样支持向量机的智能方法,提高了通风机失速和喘振诊断的客观性、准确性和智能性。
3)在轴流式通风机失速或喘振发生前诊断出失速或喘振发生的趋势,避免因失速或喘振的时间积累导致的损失。
附图说明
图1本系统硬件示意图;
图2本系统失速或喘振诊断和识别流程图;
具体实施方式
下面结合附图和实例对本发明进行详细说明:
该系统的硬件结构如图1所示,主要由振动传感器、编码器、信号采集卡,微处理器、诊断结果显示装置和故障报警装置组成,微处理器具有数据文件的读取和写入借口;振动传感器为压电式加速度传感器,频率范围是0~16.5kHz,灵敏度为3.1pc/g,用于采集轴流式通风机的轴向振动;编码器为360线的增量式光电编码器,用于采集轴流式通风机的转速信号;采集卡内部时钟为10MHz,带有32位计数器,模拟输入可达1.25MHz;微处理器为STM32F107VCT6处理器。
如图2所示为本系统的失速或喘振诊断和识别的流程图,在振动信号采集前,设置采样频率f,振动信号每段点数N,速度脉冲信号每段点数M;参数设置完成后开始同时采集振动信号和转速脉冲信号;分析和计算振动信号和转速脉冲信号的相关积分值;构造支持向量机的特征向量,将振动信号和转速脉冲信号的相关积分值作为支持向量机的特征向量,将其用于失速和喘振的识别和诊断,诊断出失速或喘振,以及其他异常,立即报警。
实例以轴流式通风机为诊断对象,在轴流式通风机的轴向安装振动传感器,将编码器安装在轴流式通风机的主轴上,失速和喘振的诊断和识别的流程如下:
(1)设置参数
设置采样频率f为10kHz,振动信号重采样点数N为2048,速度脉冲信号重采样点数M为100,每隔0.01s对转速脉冲重采样一次。
(2)信号采集
当轴流式通风机启动并运行平稳后,开始采集轴流式通风机的振动信号和转速脉冲信号,并在信号采集完成后,读信号进行截取分段,得到振动信号为X(i)和转速脉冲信号T(j),其中i=1,2…2048,j=1,2…100。
(3)计算相关积分值
分析计算分段后的振动信号X(i)和转速脉冲信号T(j),分别计算X(i)和T(j)的相关积分值,得到对应的I(N,R)和I(M,P),其中N为振动信号每段点数,R为参考距离,R为振动信号的平均值,H为函数,定义为 其中M为脉冲信号每段点数,P为参考距离,P为速度脉冲信号的平均值,H为函数,定义为
(4)构造特征向量
将I(N,R)和I(M,P)和并作为支持向量机的特征向量T,T=(I(N,R),I(M,P))。
(5)利用10组特征向量T训练和测试支持向量机模型,其中8组作为训练样本,2组作为测试样本,训练和测试结束后,建立支持向量机模型。将后续的特征向量T输入到支持向量机模型中,对轴流式通风机失速和喘振做出分类和识别。
(6)失速和喘振的诊断和识别
将特征向量T输入到支持向量机模型中,诊断和识别出轴流式通风机的失速和喘振,当诊断和识别出失速和喘振将要发生时,立即报警,并将报警记录存储在SD卡中。
表1为轴流式通风机三种状态振动信号的相关积分值,表2为轴流式通风机三种状态转速脉冲的相关积分值,表3为诊断测试结果。
表1轴流式通风机三种状态振动信号的相关积分值
表2为轴流式通风机三种状态转速脉冲的相关积分值
表3诊断测试结果
Claims (4)
1.一种轴流式通风机失速和喘振诊断方法,基于的硬件平台为振动传感器、编码器、信号采集卡、微处理器、失速和喘振报警装置;
其特征在于,包括以下步骤:
S1:将振动传感器安装在轴流式通风机上,且振动传感器平行于通风机的主轴,在轴流式通风机的轴上安装编码器,设置采样频率为f,100Hz≤f≤12kHz,轴流式通风机启动并运行平稳后,采集振动信号和速度脉冲信号,经过采集卡将信号传输到微处理器中;
S2:对振动信号和速度脉冲信号进行分段和截取,记振动信号为X(i),i为振动信号的序号,i=1、2,…,N,N为振动信号每段点数;记速度脉冲信号为T(j),j为速度脉冲信号的序号,j=1,2,…,M,M为脉冲信号每段点数;
S3:计算振动信号X(i)的相关积分值I(N,R),N为振动信号每段点数,R为振动信号X(i)的参考距离,计算速度脉冲信号T(j)的相关积分值M为脉冲信号每段点数,P为脉冲信号T(j)的参考距离,H为函数,定义为
S4:利用振动信号的相关积分值I(N,R)和速度脉冲信号的相关积分值I(M,P)构建轴流式通风机的特征向量T,T=(I(N,R),I(M,P));
S5:设yc为支持向量机模型的输出,c为1,2,3,yc为1,2,3,分别对应通风机正常状态、失速状态和喘振状态,分别取通风机正常状态、失速状态、喘振状态的特征向量Tb作为训练和测试样本,b为1,2,3,Tb与对应的支持向量机模型的输出yc组成训练和测试集合,训练和测试集合表示形式为(Tb,yc),通过训练和测试建立支持向量机模型;
S6:分别取通风机正常、失速、喘振状态的训练和测试集合,训练和测试完成后建立支持向量机模型;
S7:支持向量机模型建立以后,完成轴流式通风机失速和喘振的诊断及识别,诊断出失速或喘振,立即报警,并将报警记录存储在数据库中。
2.根据权利要求1所述的一种轴流式通风机失速和喘振诊断方法,其特征在于:振动信号X(i)的参考距离R为振动信号的平均值或均方差或峭度或峰值;速度脉冲信号T(j)的参考距离P为速度脉冲信号的平均值或均方差或峭度或峰值。
3.根据权利要求1所述的一种轴流式通风机失速和喘振诊断方法,其特征在于:将振动信号的相关积分值I(N,R)和速度脉冲信号的相关积分值I(M,P)存储在数据库中,以供查询历史数据。
4.根据权利要求1所述的一种轴流式通风机失速和喘振诊断方法,其特征在于:采集的振动信号是振动信号的幅值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410078441.3A CN103821749B (zh) | 2014-03-05 | 2014-03-05 | 一种轴流式通风机失速和喘振的在线诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410078441.3A CN103821749B (zh) | 2014-03-05 | 2014-03-05 | 一种轴流式通风机失速和喘振的在线诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103821749A CN103821749A (zh) | 2014-05-28 |
CN103821749B true CN103821749B (zh) | 2017-01-11 |
Family
ID=50756979
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410078441.3A Expired - Fee Related CN103821749B (zh) | 2014-03-05 | 2014-03-05 | 一种轴流式通风机失速和喘振的在线诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103821749B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107101834B (zh) * | 2017-05-12 | 2019-05-21 | 哈尔滨工程大学 | 基于特征频率的涡轮增压器喘振预测装置及预测方法 |
CN110006655A (zh) * | 2018-01-05 | 2019-07-12 | 中国航发商用航空发动机有限责任公司 | 航空发动机低压压气机监测方法及监测系统 |
CN109826816B (zh) * | 2018-12-29 | 2020-04-24 | 浙江大学 | 一种风机失速智能预警系统与方法 |
CN111828364B (zh) * | 2020-07-23 | 2021-08-20 | 清华大学 | 离心压气机的喘振检测方法 |
CN114754020B (zh) * | 2022-04-18 | 2024-02-02 | 合肥通用机械研究院有限公司 | 基于进气噪声特性的压缩机喘振监控系统和监控方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS532707A (en) * | 1976-06-30 | 1978-01-11 | Mitsubishi Heavy Ind Ltd | Surging preventer for primary blower for boiler use |
JPS5812477B2 (ja) * | 1980-03-28 | 1983-03-08 | 住友金属工業株式会社 | 送風機のサ−ジング防止方法 |
CN1244801C (zh) * | 2003-08-01 | 2006-03-08 | 重庆大学 | 旋转机械故障智能诊断方法与装置 |
FI125258B (fi) * | 2010-07-19 | 2015-08-14 | Runtech Systems Oy | Menetelmä pyörimisnopeussäädetyn alipainekeskipakopuhaltimen ohjaamiseksi |
CN102519743B (zh) * | 2011-12-01 | 2014-09-03 | 北京工业大学 | 基于无线传感器网络的矿用通风机运行状态监测预警方法 |
CN103410762B (zh) * | 2013-07-12 | 2016-05-18 | 华北电力大学(保定) | 一种离心风机旋转失速控制装置及方法 |
-
2014
- 2014-03-05 CN CN201410078441.3A patent/CN103821749B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN103821749A (zh) | 2014-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103821749B (zh) | 一种轴流式通风机失速和喘振的在线诊断方法 | |
CN206161814U (zh) | 伺服电机可靠性测试系统 | |
CN103674234B (zh) | 一种风力发电机组振动异常的状态预警方法及系统 | |
CN109000921B (zh) | 一种风电机组主轴故障的诊断方法 | |
CN106441896A (zh) | 滚动轴承故障模式识别及状态监测的特征向量提取方法 | |
CN104343709B (zh) | 一种检测风机故障的装置及方法 | |
CN110160765A (zh) | 一种基于声音或振动信号的冲击特征识别方法及系统 | |
CN109186744A (zh) | 汽轮机叶片裂纹评估系统及汽轮机叶片裂纹预警方法 | |
CN102840907A (zh) | 早期故障状态下滚动轴承振动信号特征提取和分析方法 | |
CN107963239A (zh) | 一种基于音频的运载火箭故障检测装置及检测方法 | |
CN109186964A (zh) | 基于角度重采样与roc-svm的旋转机械故障诊断方法 | |
CN103821750B (zh) | 一种基于电流的通风机失速和喘振监测及诊断方法 | |
CN110231529A (zh) | 一种控制柜智能故障诊断系统及故障诊断方法 | |
CN103267652B (zh) | 一种智能早期设备故障在线诊断方法 | |
CN105628176A (zh) | 一种旋转机械扭转振动信号采集分析方法 | |
CN104005975A (zh) | 一种轴流式通风机失速和喘振的诊断方法 | |
CN110398384A (zh) | 旋转机械的机器健康监测 | |
CN110186549A (zh) | 基于叶尖定时传感器的叶片振动识别方法 | |
Saimurugan et al. | A comparative study of sound and vibration signals in detection of rotating machine faults using support vector machine and independent component analysis | |
CN102607641A (zh) | 一种燃气轮机的聚类异常检测方法 | |
CN109883705A (zh) | 电机滚动轴承局部点蚀故障诊断方法及其诊断系统 | |
CN111999087A (zh) | 基于LabVIEW的振动筛在线状态监测方法 | |
CN112487890A (zh) | 一种基于并行稀疏滤波的轴承声信号故障诊断方法 | |
CN105987809A (zh) | 基于随机共振的离心式压缩机半开式叶轮裂纹检测方法 | |
Verma et al. | Finding sensitive sensor positions under faulty condition of reciprocating air compressors |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170111 Termination date: 20200305 |