CN104819145A - 一种基于声发射信号的消防水泵的故障诊断方法 - Google Patents
一种基于声发射信号的消防水泵的故障诊断方法 Download PDFInfo
- Publication number
- CN104819145A CN104819145A CN201510259441.8A CN201510259441A CN104819145A CN 104819145 A CN104819145 A CN 104819145A CN 201510259441 A CN201510259441 A CN 201510259441A CN 104819145 A CN104819145 A CN 104819145A
- Authority
- CN
- China
- Prior art keywords
- signal
- acoustic emission
- service pump
- fire service
- fault
- 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.)
- Granted
Links
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明提供了一种基于声发射信号的消防水泵的故障诊断方法,旨在解决在消防水泵的故障诊断问题。具体方法步骤是:以声发射传感器对消防水泵进行信号检测,采集运行状态下的消防水泵的带有畸变特性的声发射信号;利用带通滤波器提取该信号中的窄带信号,对窄带信号进行归一化直接正交计算获得其瞬时频率,最后以得到的瞬时频率为依据对信号进行逐点变采样矫正,获得矫正信号;然后利用瞬态成分分析方法对其进行分析,即首先在参数域基于单边Laplace小波构建参数化周期瞬态小波,然后基于最大相关法则将构建的周期瞬态小波与矫正信号进行匹配分析,提取故障特征信息;最后根据故障特征进行故障分类,实现故障诊断。
Description
技术领域
本发明涉及一种基于声发射信号的消防水泵的故障诊断方法。
背景技术
消防水泵是消防设备中最重要的部件,其性能的优劣对整套消防设备的可靠性有着直接的影响。消防水泵一旦发生故障,轻则振动噪声增加,加速其设备的损耗,降低工作效率;重则使整个楼宇消防设施停止工作,造成严重事故。确保消防水泵在全生命期的完好可用,是有效保障对火情及时控制的重要手段,因此消防水泵的性能检测及故障诊断在工业应用中中具有重大意义。由于流体的不可压缩性、泵源与泵回路的流固耦合作用及消防水泵本身具有大幅度的固有机械振动,信号容易产生畸变且噪声干扰剧烈,使得消防水泵的故障机理复杂,故障特征信号微弱,利用常规的信号处理方法难以提取故障信息,并进行有效的故障诊断。
消防水泵的故障诊断主要包括消防水泵声发射信号(Acoustic emission,AE)采集,故障特征提取和故障诊断三个步骤,其核心步骤的就是故障特征提取。目前消防水泵故障诊断方法主要有基于信号处理的方法、基于解析模型的方法和基于知识的方法。用于消防水泵故障诊断中基于信号处理的方法主要有频谱分析、功率谱估计和小波分析等,他们都是利用信号的数学模型,直接分析监测信号,提取方差、幅值、频率等故障特征参数,然后实现消防水泵的故障诊断,这类方法的局限性在于故障容易误判,随机性较大,且不适合非平稳信号。
基于解析模型的方法需要建立被诊断对象的较为精确的数学模型,具体又可以分为状态估计方法、等价空间方法和参数估计方法。这类方法虽然具有一定的优点,但是在实际情况中,常常无法获得对象的精确数学模型,而且故障引起系统模型结构和参数变化的形式是不确定的,这就大大限制了基于解析模型诊断方法的使用范围和效果。
随着人工智能及计算机技术的飞速发展,基于知识的方法在故障诊断中的应用也越来越广泛,目前应用到消防水泵故障诊断中基于知识的方法主要有:粗糙集理论、专家系统、人工神经网络和支持向量机等。这些方法有着推理逻辑严密、可靠性高,有自学习、自组织、容错能力和善于处理不确定信息等优点,但也有一些局限性,如知识难以有效表达、获取困难、推理复杂和诊断推理过程不清晰,诊断解释不直观等等。
消防水泵故障声发射信号是非平稳时变信号,其故障诊断的关键是从非平稳信号中提取特征向量。但是对于正常运转下的消防水泵来说故障检测难度更大,因为声发射信号具有瞬态随机性,且由于强噪声和陡畸变的影响,可能检测不到消防水泵的故障特征频率。鉴于此类局限性问题,传统的消防水泵故障诊断方法很难对消防水泵的工作状态做出较为准确的评价。
发明内容
有鉴于此,本发明为了更加准确地对消防水泵的工作状态做出有效的评价,提出了一种基于声发射信号的消防水泵的故障诊断方法。该方法以声发射传感器对消防水泵进行信号检测,采集运行状态下的消防水泵的带有畸变特性的声发射信号;提出了采用归一化直接正交法计算窄带信号的瞬时频率,以得到的瞬时频率为依据对畸变信号进行逐点变采样矫正和将瞬态成分分析用于矫正信号的故障辨识的处理方法,能够实现信号特征的优化提取,更加准确的进行故障诊断,实现故障分类,具体包括以下步骤:
步骤一:以声发射传感器对消防水泵进行信号检测,采集运行状态下的消防水泵的带有畸变特性的声发射信号;
步骤二:利用带通滤波器提取声发射信号中的窄带信号,对窄带信号进行归一化直接正交计算获得其瞬时频率,最后以得到的瞬时频率为依据对信号进行逐点变采样矫正,获得矫正信号;
步骤三:利用瞬态成分分析方法对矫正信号进行分析,即首先在参数域基于单边Laplace小波构建参数化周期瞬态小波,然后基于最大相关法则将构建的参数化周期瞬态小波与矫正信号进行匹配分析,提取故障特征信息;
步骤四:根据故障特征信息进行故障分类,完成故障诊断。
进一步,在步骤一中采用声发射传感器采集消防水泵的带有畸变特性的声发射信号。
6.进一步,在步骤二中具体包括以下步骤:2.1:利用带通滤波提取原信号中的
窄带信号;2.2:归一化直接正交计算获得其瞬时频率
其中瞬时相位F(t)为IMF的经验调频分量,正交函数2.3由式(1)计算得到的瞬时频率为依据对信号进行逐点变采样矫正,获得矫正信号。
进一步,在步骤三中具体包括以下步骤:3.1:利用周期参数T建立周期性Laplace瞬态小波:
其中ψ(f,ζ,τ,t)=ψγ(t),f∈R+为频率,是粘滞阻尼比,τ∈R是延时,这三个参数分别属于子集F,Z,T;3.2:参数集合确定后根据式(2)在参数域内建立瞬态小波并与分析信号进行相关计算,获得周期参数T,即消防水泵故障特征参量。
进一步,在步骤四中根据故障特征参量进行故障分类。
本发明的优点与积极效果在于:以声发射信号作为特征参量,具有其特征频率明显,抗噪干扰能力强等特点;采用基于窄带信号的瞬时频率进行逐点变采样矫正和瞬态成分分析方法,能够有效消除畸变信号成分,具有较强的处理非稳态、非线性信号的能力,同时,利用瞬态小波与分析信号进行相关计算获得的周期参数T作为故障特征,能够清楚、准确地反映出消防水泵所处的物理状态,直接就能判断出消防水泵发生的故障类型。
附图说明
为了使本发明的目的、技术方案和有益效果更加清楚,本发明提供如下附图进行说明:
图1为本发明所述基于声发射信号的消防水泵的故障诊断方法的流程图。
具体实施方式
下面将结合附图,对本发明的优选实施例进行详细的描述。
图1为本发明所述方法的流程图,本方法包括以下步骤:
步骤一:以声发射传感器对消防水泵进行信号检测,采集运行状态下的消防水泵的带有畸变特性的声发射信号;
步骤二:利用带通滤波器提取声发射信号中的窄带信号,对窄带信号进行归一化直接正交计算获得其瞬时频率,最后以得到的瞬时频率为依据对信号进行逐点变采样矫正,获得矫正信号;
步骤三:利用瞬态成分分析方法对矫正信号进行分析,即首先在参数域基于单边Laplace小波构建参数化周期瞬态小波,然后基于最大相关法则将构建的参数化周期瞬态小波与矫正信号进行匹配分析,提取故障特征信息;
步骤四:根据故障特征信息进行故障分类,完成故障诊断。
进一步,在步骤一中采用声发射传感器采集消防水泵的带有畸变特性的声发射信号。
7.进一步,在步骤二中具体包括以下步骤:2.1:利用带通滤波提取原信号中的窄带信号;2.2:归一化直接正交计算获得其瞬时频率
其中瞬时相位F(t)为IMF的经验调频分量,正交函数2.3由式(1)计算得到的瞬时频率为依据对信号进行逐点变采样矫正,获得矫正信号。
进一步,在步骤三中具体包括以下步骤:3.1:利用周期参数T建立周期性Laplace瞬态小波:
其中ψ(f,ζ,τ,t)=ψγ(t),f∈R+为频率,是粘滞阻尼比,τ∈R是延时,这三个参数分别属于子集F,Z,T;3.2:参数集合确定后根据式(2)在参数域内建立瞬态小波并与分析信号进行相关计算,获得周期参数T,即消防水泵故障特征参量。
进一步,在步骤四中根据故障特征参量进行故障分类。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (5)
1.一种基于声发射信号的消防水泵的故障诊断方法,其特征在于:包括以下步骤:
步骤一:以声发射传感器对消防水泵进行信号检测,采集运行状态下的消防水泵的带有畸变特性的声发射信号;
步骤二:利用带通滤波器提取声发射信号中的窄带信号,对窄带信号进行归一化直接正交计算获得其瞬时频率,最后以得到的瞬时频率为依据对信号进行逐点变采样矫正,获得矫正信号;
步骤三:利用瞬态成分分析方法对矫正信号进行分析,即首先在参数域基于单边Laplace小波构建参数化周期瞬态小波,然后基于最大相关法则将构建的参数化周期瞬态小波与矫正信号进行匹配分析,提取故障特征信息;
步骤四:根据故障特征信息进行故障分类,完成故障诊断。
2.根据权利要求1所述的一种基于声发射信号的消防水泵的故障诊断方法,其特征在于:在步骤一中采用声发射传感器采集消防水泵的带有畸变特性的声发射信号。
3.根据权利要求1所述的一种基于声发射信号的消防水泵的故障诊断方法,其特征在于:在步骤二中具体包括以下步骤:2.1:利用带通滤波提取原信号中的窄带信号;2.2:归一化直接正交计算获得其瞬时频率
其中瞬时相位F(t)为IMF的经验调频分量,正交函数2.3由式(1)计算得到的瞬时频率为依据对信号进行逐点变采样矫正,获得矫正信号。
4.根据权利要求1所述的一种基于声发射信号的消防水泵的故障诊断方法,其特征在于:在步骤三中具体包括以下步骤:3.1:利用周期参数T建立周期性Laplace瞬态小波:
其中ψ(f,ζ,τ,t)=ψγ(t),f∈R+为频率,是粘滞阻尼比,τ∈R是延时,这三个参数分别属于子集F,Z,T;3.2:参数集合确定后根据式(2)在参数域内建立瞬态小波并与分析信号进行相关计算,获得周期参数T,即消防水泵故障特征参量。
5.根据权利要求1所述的一种基于声发射信号的消防水泵的故障诊断方法,其特征在于:在步骤四中根据故障特征参量进行故障分类。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510259441.8A CN104819145B (zh) | 2015-05-20 | 2015-05-20 | 一种基于声发射信号的消防水泵的故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510259441.8A CN104819145B (zh) | 2015-05-20 | 2015-05-20 | 一种基于声发射信号的消防水泵的故障诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104819145A true CN104819145A (zh) | 2015-08-05 |
CN104819145B CN104819145B (zh) | 2017-05-31 |
Family
ID=53729569
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510259441.8A Active CN104819145B (zh) | 2015-05-20 | 2015-05-20 | 一种基于声发射信号的消防水泵的故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104819145B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109058089A (zh) * | 2018-06-13 | 2018-12-21 | 天津大学 | 一种基于声发射信号的真空泵过载故障检测的方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202402268U (zh) * | 2011-12-22 | 2012-08-29 | 长沙理工大学 | 基于声发射检测的水泵空化故障诊断装置 |
CN103175572A (zh) * | 2011-12-23 | 2013-06-26 | 中联重科股份有限公司 | 混凝土泵送设备状态监测与故障诊断系统 |
JP2013160157A (ja) * | 2012-02-06 | 2013-08-19 | Hitachi Constr Mach Co Ltd | 油圧ポンプの故障診断装置 |
CN103671066A (zh) * | 2013-12-26 | 2014-03-26 | 江苏大学 | 基于声发射技术检测离心泵小流量工况不稳定流动的装置 |
CN103939325A (zh) * | 2014-05-05 | 2014-07-23 | 重庆大学 | 一种在低速运转下的消防水泵的故障诊断方法 |
-
2015
- 2015-05-20 CN CN201510259441.8A patent/CN104819145B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202402268U (zh) * | 2011-12-22 | 2012-08-29 | 长沙理工大学 | 基于声发射检测的水泵空化故障诊断装置 |
CN103175572A (zh) * | 2011-12-23 | 2013-06-26 | 中联重科股份有限公司 | 混凝土泵送设备状态监测与故障诊断系统 |
JP2013160157A (ja) * | 2012-02-06 | 2013-08-19 | Hitachi Constr Mach Co Ltd | 油圧ポンプの故障診断装置 |
CN103671066A (zh) * | 2013-12-26 | 2014-03-26 | 江苏大学 | 基于声发射技术检测离心泵小流量工况不稳定流动的装置 |
CN103939325A (zh) * | 2014-05-05 | 2014-07-23 | 重庆大学 | 一种在低速运转下的消防水泵的故障诊断方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109058089A (zh) * | 2018-06-13 | 2018-12-21 | 天津大学 | 一种基于声发射信号的真空泵过载故障检测的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104819145B (zh) | 2017-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105424359B (zh) | 一种基于稀疏分解的齿轮和轴承混合故障特征提取方法 | |
Zhang et al. | Kurtosis based weighted sparse model with convex optimization technique for bearing fault diagnosis | |
Yan et al. | Harmonic wavelet-based data filtering for enhanced machine defect identification | |
CN101887407B (zh) | 一种基于希尔伯特-黄变换的设备或系统机内测试信号特征提取方法 | |
CN103064008B (zh) | 一种基于希尔伯特-黄变换的非线性模拟电路软故障诊断方法 | |
CN105004498A (zh) | 一种水电机组的振动故障诊断方法 | |
CN105241680A (zh) | 一种基于概率密度函数的旋转机械健康状态评估方法 | |
CN108072517B (zh) | 一种旋转机械微弱故障信号检测方法 | |
CN105698922A (zh) | 基于改进emd和谱峭度法变压器振动故障特征提取方法 | |
CN104330471A (zh) | 航空结构损伤的Lamb波时变概率模型监测方法 | |
CN104132250A (zh) | 一种基于改进小波包的管道泄漏特征向量提取方法 | |
CN105651504A (zh) | 基于自适应小波能量的旋转机械故障特征提取方法 | |
CN104182642A (zh) | 一种基于稀疏表示的故障检测方法 | |
CN105424366A (zh) | 基于eemd自适应消噪的轴承故障诊断方法 | |
Song et al. | Self-adaptive multivariate variational mode decomposition and its application for bearing fault diagnosis | |
Sheng et al. | Applications in bearing fault diagnosis of an improved Kurtogram algorithm based on flexible frequency slice wavelet transform filter bank | |
Lv et al. | High-order synchroextracting transform for characterizing signals with strong AM-FM features and its application in mechanical fault diagnosis | |
CN105527077A (zh) | 一种基于振动信号的通用旋转机械故障诊断与检测的方法 | |
CN105157821A (zh) | 一种旋转机械振动故障诊断及定量分析方法 | |
CN103939325A (zh) | 一种在低速运转下的消防水泵的故障诊断方法 | |
Liu et al. | An online bearing fault diagnosis technique via improved demodulation spectrum analysis under variable speed conditions | |
CN105205736A (zh) | 基于经验模态分解的电力负荷异常数据的快速检测方法 | |
CN103646013B (zh) | 一种基于协方差矩阵范数逼近的多重故障重构方法 | |
CN112326213A (zh) | 异常数据检测方法及装置、机械故障检测方法及装置 | |
CN103699117A (zh) | 基于核电厂真实工况与仿真系统的故障诊断方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |