CN104005975B - 一种轴流式通风机失速和喘振的诊断方法 - Google Patents

Abstract

一种轴流式通风机失速和喘振的诊断方法,属于通风机状态监测与故障诊断领域。针对轴流式通风机失速和喘振的严重的危害性和诊断的复杂性，本发明以轴流式通风机的振动信号为诊断依据，诊断和识别通风机的失速和喘振。本发明利用自相关函数和互相关函数对通风机的振动信号进行分析和运算，提取出通风机的运行状态特征。利用支持向量机对通风机的状态特征进行识别与分类，实现通风机失速与喘振的自动识别与诊断。

Description

一种轴流式通风机失速和喘振的诊断方法

技术领域

本发明涉及一种轴流式通风机失速和喘振的诊断方法，通过分析和运算轴流式通风机的振动信号来诊断轴流式通风机的失速和喘振，特别是用于轴流式通风机失速和喘振的诊断，属于通风机状态监测领域。

背景技术

轴流式通风机因稳定、风量大、效率高、噪声小等优点，广泛应用在能源、化工、机械、医药等行业，是安全生产的基本保证，肩负着工业及民用建筑的通风、散热、稀释和排出有毒有害气体。轴流式通风机由于加工和装配的误差，以及运行中的磨损，造成叶片的冲角变大，在叶片的末端发生气流漩涡和气流分离，气体漩涡按照叶轮转动相反的方向移动，形成失速。失速会使通风机的效率变低、气流的脉动增加、叶片受到交变冲击力的作用，失速的频率域叶片的固有频率相同时，叶片会因共振而折断，发生严重事故。轴流式通风机一般具有“驼峰”性能曲线，当通风系统的阻力大于阻力临界值时，通风机的阻力曲线与性能曲线会相交在不稳定区，将发生喘振。通风机的喘振时，通风的流量、压力、转速、电机的电压、电流、功率因数会出现大幅度的波动。流量和压力的波动对叶片造成更严重的冲击，风机房的墙壁和地面也会出现振动。随着喘振时间的积累，会造成风机损坏、风机房倒塌的严重后果。

通风机工作环境中有很强背景噪声的干扰，利用传感器获取通风机的状态信号中往往伴随着环境噪声的干扰。目前已有的通风机失速和喘振诊断和识别方法，不能够在失速和喘振发生前诊断出失速和喘振的发生，不能有效避免失速和喘振带来的损失。通风机运行状态改变的同时，通风机的振动也随着改变。当通风机由正常平稳运行到异常运行时，通风机的振动信号也发生改变，通过监测和分析通风机的振动信号，能够诊断出通风机状态的变化。通风机失速和喘振的振动信号频率较低，与通风机机械故障的高频或倍频的振动信号不同。通过分析通风机的振动信号，能够有效诊断出通风机的失速和喘振。为了避免轴流式通风机失速和喘振带来的严重危害，研制出一种轴流式通风机失速和喘振的诊断方法具有重要的现实意义。

发明内容

本发明的目的在于：针对目前通风机失速和喘振诊断方法不能在失速或喘振发生前诊断出失速或喘振将要发生的不足，研发出轴流式通风机失速和喘振的诊断方法。通过在通风机轴向两端安装振动传感器，从通风机的两端获取代表通风机状态的振动信号。分别对信号进行自相关和互相关互相关分析，得到信号的相关系数。以信号的相关系数为支持向量机模型的特征向量，输入到支持向量机模型，实现轴流式通风机失速和喘振的诊断。

一种轴流式通风机失速和喘振的诊断方法，其基于的硬件平台包括振动传感器、信号采集卡、微处理器、诊断结果显示装置、失速和喘振报警装置和数据存储装置，包括以下步骤：

S1：在轴流式通风机轴向两端分别安装振动传感器，振动传感器平行于通风机的主轴；

S2：设置采样频率f，100Hz≤f≤16kHz，每段信号点数N，200≤N≤10240；

S3：两个振动传感器同时采集通风机的振动信号，分别记为x(i)、y(i)，i为振动信号序号，1≤i≤N；

S4：计算x(i)的自相关值R(n_x*t)，计算y(i)的自相关值R(n_y*t)，n_x为x(i)的自相关延时点数，n_y为y(i)的自相关延时点数，t为采样间隔，

S5：分别计算R(n_x*t)和R(n_y*t)的最大值，R(n_x*t)的最大值记为Rx，R(n_y*t)的最大值记为Ry；

S6：计算x(i)和y(i)的互相关函数n_xy为互相关延时点数，计算R_xy(n_xy*t)的最大值，并将R_xy(n_xy*t)最大值时的n_xy*t记为τ，t为采样间隔；

S7：构造信号的特征向量T，T＝[Rx,Ry,R_xy(τ),τ]；

S8：支持向量机模型的输出为a，a＝[1,2,3]，1代表正常状态，2代表失速状态，3代表喘振状态；

S9：分别取正常状态、失速状态、喘振状态的T和a，完成支持向量机模型的训练和测试；

S10：利用支持向量机模型实现特征向量的分类，诊断通风机的状态，诊断出失速或喘振，立即报警；

所述振动信号x(i)和y(i)可以同时为振动加速度或振动速度或振动幅值；本方法分别以Rx,Ry,R_xy(τ),τ为纵坐标，以振动信号的采集时间为横坐标，在直角坐标系中分别表示出Rx,Ry,R_xy(τ),τ，以供观察Rx,Ry,R_xy(τ),τ的变化。

与现有技术相比，本发明提出的轴流式通风机失速和喘振诊断方法，具有如下有益效果。

1.实现了轴流式通风机失速和喘振的及时诊断，实现了对轴流式通风机失速和喘振的状态信号的准确提取，利用信号的自相关性和互相关性发现轴流式通风机的本质状态，实现失速和喘振的可靠诊断。

2.针对轴流式通风机结构复杂和工作环境背景噪声干扰严重，信号包含成分多，受噪声干扰严重，研发了同时利用自相关和互相关运算和分析振动信号，提取信号特征，能够滤除信号中的噪声和保留信号的特征。该方法不仅能够诊断出失速和喘振的发生，而且能够在失速和喘振发生前发生轴流式通风机状态变化的趋势，及早发现失速和喘振，有效避免失速和喘振带来的危害。在信号特征的识别和分类方面，采样支持向量机模型，提高了失速和喘振诊断的准确性和智能性。

附图说明

图1本方法硬件示意图；

图2本方法诊断的流程图；

图3.1风机正常状态下振动信号1

图3.2风机正常状态下振动信号2

图3.3振动1的自相关函数图

图3.4振动2的自相关函数图

图3.5正常状态下两振动信号的互相关函数图

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。

本方法的硬件结构如图1所示，主要由振动传感器、信号采集卡、微处理器、LCD触摸屏、通讯接口、音频接口、数据接口；振动传感器为压电式加速度传感器，频率范围为0～16.5kHz，灵敏度为3.1pc/g，用于采集设备的振动信号；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，运行主频最高达72MHz，低功耗；LCD触摸屏完成人机交互，负责数据的显示和参数的输入，为TFTLCD触摸屏；通风接口完成数据的传输，为RS485通讯；数据接口负责数据的存储与读取，能将数据存储在SD卡中，微处理器也能读取SD卡中的数据；音频接口将报警信号输入到外接的音响中，发出报警。

如图2-3.5所示，在信号采集前，需要设置采样频率f、每段信号点数N、低通滤波器的截止频率f_s；参数设置完成后开始采集信号；对采集到的信号分别首先做低通滤波，滤除信号中的高频成分；对低通滤波后的信号分别作互相关分析；对低通滤波后的信号做自相关分析；将自相关系数的最大值、互相关系数的最大值以及互相关系数最大值对应的延时，构成通风机的特征向量；利用特征向量完成支持向量机模型的训练和测试，利用支持向量机模型完成通风机状态的诊断，发现失速和喘振，立即报警，指导工作人员作业。

以轴流式通风机为诊断对象，在通风机轴向两端安装振动传感器，振动传感器的方向与通风机的主轴平行。

(1)设置参数

设置采样频率f为10kHz，每段信号点数N为2048。

(2)信号的采集

触发信号采样开关，开始采集通风机的振动信号，将每2048点信号分为一段信号，分别记为x(i)、y(i)，i为振动信号序号，1≤i≤2048。

(3)自相关计算

计算x(i)的自相关值R(n_x*t)，计算y(i)的自相关值R(n_y*t)，n_x为x(i)的自相关延时点数，n_y为y(i)的自相关延时点数，t为采样间隔；分别计算R(n_x*t)和R(n_y*t)的最大值，R(nx*t)的最大值记为Rx，R(n_y*t)的最大值记为Ry。

(4)互相关计算

计算x(i)和y(i)的互相关函数计算R_xy(n_xy*t)的最大值，并将R_xy(n_xy*t)最大值时的n_xy*t记为τ。

(5)构造特征向量

构造信号的特征向量T，T＝[R(n_x*t),R(n_y*t),R_xy(n_xy*t),τ]；

(6)训练和测试支持向量机模型

支持向量机模型的输出为a，a＝[1,2,3]，1代表正常状态，2代表失速状态，3代表喘振状态，T为支持向量机模型的输入，(T,a)为支持向量机模型的训练和测试集合；分别取正常状态、失速状态、喘振状态的(T,a)，完成支持向量机模型的训练和测试；

(7)诊断轴流式通风机状态

将T输入到支持向量机模型，诊断通风机的状态，诊断出失速或喘振，立即报警。

Claims (3)

1.一种轴流式通风机失速和喘振的诊断方法，其基于的硬件平台包括振动传感器、信号采集卡、微处理器、诊断结果显示装置、失速和喘振报警装置以及数据存储装置，其特征在于：该方法实现包括以下步骤，

S1：在轴流式通风机轴向两端分别安装振动传感器，振动传感器平行于通风机的主轴；

S2：设置采样频率f，100Hz≤f≤16kHz，每段信号点数N，200≤N≤10240；

S3：两个振动传感器同时采集通风机的振动信号，分别记为x(i)、y(i)，i为振动信号序号，1≤i≤N；

S4：计算x(i)的自相关值R(n_x*t)，计算y(i)的自相关值R(n_y*t)， $R(n_y*t)=\frac{1}{N-n_y}\underset{i=0}{\overset{N-n_y}{\Σ}}y\left(i\right)*y(i+n_y*t),$ n_x为x(i)的自相关延时点数，n_y为y(i)的自相关延时点数，t为采样间隔，

S5：分别计算R(n_x*t)和R(n_y*t)的最大值，R(n_x*t)的最大值记为Rx，R(n_y*t)的最大值记为Ry；

S6：计算x(i)和y(i)的互相关函数n_xy为互相关延时点数，计算R_xy(n_xy*t)的最大值，并将R_xy(n_xy*t)最大值时的n_xy*t记为τ；

S7：构造信号的特征向量T，T＝[Rx,Ry,R_xy(τ),τ]；

S8：支持向量机模型的输出为a，a＝[1,2,3]，1代表正常状态，2代表失速状态，3代表喘振状态；

S9：分别取正常状态、失速状态、喘振状态的T和a，完成支持向量机模型的训练和测试；

S10：利用支持向量机模型实现特征向量的分类，诊断通风机的状态，诊断出失速或喘振，立即报警。

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)和y(i)同时为振动加速度或振动速度或振动幅值。

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：本方法分别以Rx,Ry,R_xy(τ),τ为纵坐标，以振动信号的采集时间为横坐标，在直角坐标系中分别表示出Rx,Ry,R_xy(τ),τ，以供观察Rx,Ry,R_xy(τ),τ的变化。