CN110057587A - 一种核电用泵轴承智能故障诊断方法及系统 - Google Patents
一种核电用泵轴承智能故障诊断方法及系统 Download PDFInfo
- Publication number
- CN110057587A CN110057587A CN201910374083.3A CN201910374083A CN110057587A CN 110057587 A CN110057587 A CN 110057587A CN 201910374083 A CN201910374083 A CN 201910374083A CN 110057587 A CN110057587 A CN 110057587A
- Authority
- CN
- China
- Prior art keywords
- nuclear power
- bearing
- pump bearing
- vibration signal
- failure
- 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.)
- Pending
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 title claims abstract description 21
- 230000001133 acceleration Effects 0.000 claims abstract description 12
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 11
- 239000000284 extract Substances 0.000 claims abstract description 11
- 230000007257 malfunction Effects 0.000 claims abstract description 7
- 238000001914 filtration Methods 0.000 claims description 13
- 238000005096 rolling process Methods 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 10
- 238000012360 testing method Methods 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000013480 data collection Methods 0.000 claims description 5
- 230000008901 benefit Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims 1
- 230000007812 deficiency Effects 0.000 abstract description 3
- 238000012706 support-vector machine Methods 0.000 abstract description 3
- 238000001514 detection method Methods 0.000 abstract description 2
- 238000012423 maintenance Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000012631 diagnostic technique Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
- G01M13/04—Bearings
- G01M13/045—Acoustic or vibration analysis
Landscapes
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开一种核电用泵轴承智能故障诊断方法，测量核电用泵轴承正常状态和三种故障状态下的振动信号数据；对各个状态下的振动信号进行VMD分解，得到IFM分量；对各个状态下IMF进行奇异值分解，提取轴承特征值，并建立专家数据库；计算轴承振动信号速度有效值和振动加速度的峭度，判断轴承是否出现故障；对出现故障的轴承振动信号经VMD分解，提取各个IMF的奇异值，通过支持向量机与专家数据库内的数据进行对比，进行故障识别。本发明还公开一种核电用泵轴承智能故障诊断系统，本发明提高了系统故障诊断智能化水平，准确快速诊断出核电用泵故障，避免重大事故发生，减少不必要的经济损失；避免工作人员由于经验不足带来的误检情况。
Description
技术领域
本发明属于核电用泵故障诊断技术领域，具体涉及一种核电用泵轴承智能故障诊断方法及系统。
背景技术
在现代工业生产中，电力是不可或缺的能源。由于现代工业电力需求量大，核电站是当代发电量最大的发电站，而且核电站对环境的污染较小，建设核电站成了我国重点项目。
当前的故障诊断系统是在监控中心进行监测，如若远距离进行操作，则很难进行，缺少便捷性；当前故障诊断系统故障识别不够细化，比较笼统，比如当前系统只能检测出外圈故障，至于究竟是磨损还是点蚀或是其他，则无法判断。
发明内容
发明目的：针对现有技术存在的不足，本发明的目的是提供一种核电用泵轴承智能故障诊断方法及系统。
技术方案：为了实现上述发明目的，本发明采用的技术方案如下：
一种核电用泵轴承智能故障诊断方法，包括以下步骤：
1)测量核电用泵轴承正常状态和三种故障状态下的振动信号数据；
2)对各个状态下的振动信号进行VMD分解(变分模态分解)，得到IFM分量；
3)对各个状态下IMF进行奇异值分解，提取轴承特征值，并建立专家数据库；
4)计算轴承振动信号速度有效值和振动加速度的峭度，判断轴承是否出现故障；
5)对出现故障的轴承振动信号经VMD分解，然后提取各个IMF的奇异值，通过支持向量机与专家数据库内的数据进行对比，进行故障识别。
作为优选，所述三种故障状态分别为内圈故障、外圈故障和滚动体故障。
作为优选，利用振动传感器进行轴承振动信号数据的测量，然后利用数据采集单元提取、处理振动传感器测量到的振动信号并传输至上位机系统进行故障诊断。
作为优选，所述振动传感器设置在轴承上，所述数据采集单元输入端与振动传感器的输出端连接，输出端与上位机系统连接，所述数据采集单元通过网络数据传输线输送至上位机系统进行数据处理和故障分析识别。
作为优选，所述数据采集单元对振动信号进行低通滤波和带通滤波，低频成分直接传输给AD转换器转换成数字信号；带通滤波后的高频成分经噪声放大器将噪声放大，再对其进行低通滤波获得高频成分中的低频信号，并传输给AD转换器转换成数字信号。
作为优选，将提取到的故障特征值随机选取分为训练样本和测试样本，并将训练样本和测试样本分别对应正常、内圈、外圈和滚动体四种状态。
作为优选，将训练样本存入专家数据库，并向专家数据库不断补充故障特征值，逐渐完善专家数据库。
作为优选，当速度有效值大于4.5mm/s且振动加速度的峭度大于3时，轴承可能出现故障；当速度有效值大于7.1mm/s且振动加速度的峭度大于8时，轴承出现严重故障。
本发明还公开一种核电用泵轴承智能故障诊断系统，包括依次连接的振动传感器、数据采集单元和上位机系统，所述振动传感器设置在核电用泵轴承上，所述数据采集单元包括并联的低通支路和高通支路，所述低通支路和高通支路的输出端与AD转换器连接，所述AD转换器通过网络数据传输与上位机系统连接，所述上位机系统包括数据采集系统和WEB端。
作为优选，所述高通支路包括依次连接的带通滤波器、低噪声放大器和检波器，所述低通支路包括低通滤波器，所述振动传感器的输出端分别与带通滤波器和低通滤波器的输入端连接，所述低通滤波器的输出端和检波器的输出端与AD转换器连接。
作为优选，所述AD转换器为并行比较型、串并行型或者∑-Δ调制型的AD转换器。
有益效果：与现有技术相比，本发明具有以下优点：
本发明的核电用泵轴承智能故障诊断方法可对核电用泵的运用工况进行趋势分析、跟踪，进而减轻维修人员大量繁琐、复杂的数据分析、比对、统计和综合工作，减少人为失误，大大提高状态监测系统的效率和性能；能够及时、充分、全面地提供设备状态信息；能够准确识别故障类型、故障程度，确定故障部件，提高维修效率，减少维修损失；为故障早期预警，提前维修决策和维修准备，减少运用损失，重大故障报警，保护人员及设备安全提供切实可靠的技术保障。
附图说明
图1是核电用泵轴承智能故障诊断方法流程图；
图2是核电用泵轴承智能故障诊断系统硬件结构示意图；
图3是核电用泵轴承智能故障诊断诊断系统结构框图；
图4是核电用泵轴承智能故障诊断方法故障分类识别图。
具体实施方式
下面结合具体实施例，进一步阐明本发明，实施例在以本发明技术方案为前提下进行实施，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围。
如图1-3所示，一种核电用泵轴承智能故障诊断方法，包括以下步骤：
1)测量核电用泵轴承正常状态和三种故障状态下的振动信号数据；
2)对各个状态下的振动信号进行VMD分解(变分模态分解)，得到IFM分量；
3)对各个状态下IMF进行奇异值分解，提取轴承特征值，并建立专家数据库；
4)计算轴承振动信号速度有效值和振动加速度的峭度，判断轴承是否出现故障；当速度有效值大于4.5mm/s且振动加速度的峭度大于3时，轴承可能出现故障；当速度有效值大于7.1mm/s且振动加速度的峭度大于8时，轴承出现严重故障。
5)对出现故障的轴承振动信号经VMD分解，然后提取各个IMF的奇异值，通过支持向量机与专家数据库内的数据进行对比，进行故障识别。
步骤1)中，三种故障状态分别为内圈故障、外圈故障和滚动体故障。振动传感器连接并采集核电用泵轴承内圈、外圈和滚动体上的振动信号。
振动传感器设置在轴承上，数据采集单元输入端与振动传感器的输出端连接，输出端与上位机系统连接，数据采集单元通过网络数据传输线输送至上位机系统；本发明利用振动传感器进行轴承振动信号数据的测量，然后利用数据采集单元提取、处理振动传感器测量到的振动信号并传输至上位机系统进行故障诊断。
步骤3)中，将提取到的故障特征值随机选取分为训练样本和测试样本，分别对应正常、内圈、外圈和滚动体四种状态。将训练样本存入专家数据库，并向专家数据库不断补充故障特征值，逐渐完善专家数据库。
本发明还公开一种核电用泵轴承智能故障诊断系统，包括依次连接的振动传感器2、数据采集单元3和上位机系统4，振动传感器2设置在核电用泵轴承1上，数据采集单元3包括并联的低通支路和高通支路，低通支路和高通支路的输出端与AD转换器连接，AD转换器的输出端通过网络数据传输线与上位机系统4连接，上位机系统4包括数据采集系统和WEB端。
高通支路包括依次连接的带通滤波器、低噪声放大器和检波器，低通支路包括低通滤波器，振动传感器的输出端分别与带通滤波器和低通滤波器的输入端连接，低通滤波器的输出端和检波器的输出端与AD转换器连接。
振动传感器采用加速度传感器，振动传感器2测取核电用泵轴承1的振动信号传输给数据采集单元3，数据采集单元3对振动信号进行低通滤波和带通滤波，低频成分直接传输给高精度的AD转换器转换成数字信号；带通滤波后的高频成分经噪声放大器将噪声放大，再对其进行低通滤波获得高频成分中的低频信号，并传输给高精度的AD转换器将模拟信号转换成数字信号。数字信号通过网络传输给上位机单元的数据采集系统进行处理，最后将数据传输给WEB端系统。
AD转换器为并行比较型、串并行型或者∑-Δ调制型的AD转换器。低噪声放大器采用AD8032，检波器采用运放搭成检波电路。上位机的数据采集系统包括数据采集软件和WEB端软件。
采用本发明的故障诊断方法进行具体实验，选取7组轴承分别提取轴承正常、内圈故障、外圈故障和滚动体故障四种状态的加速度传感器所测的振动信号，对其进行VMD分解和奇异值分析，并提取特征值，如表1所示。
表1特征值
将提取到的28组正常、内圈、外圈和滚动体VMD分解样本分别进行支持向量机试验。其中随机选取16组用于训练，其余12组用于测试，分别对应正常、内圈、外圈和滚动体四种状态。训练样本时，将选取的正常样本视为+1，内圈样本视为+2，外圈样本视为+3，滚动体样本视为+4。测试集的实际分类和预测分类图如图4所示。
由图4的测试结果可知，轴承状态识别率达到100％。将训练样本存入专家数据库。
本发明建立了基于WEB端的专家数据库，只要不断补充核电用泵故障特征值，就能建立完善的专家数据库。
本发明的核电用泵轴承智能故障诊断方法：
(1)提高了系统故障诊断智能化水平，避免当前系统操作的繁琐性；
(2)诊断出核电用泵故障，避免重大事故发生，减少不必要的经济损失；
(3)智能化故障系统可以避免工作人员由于经验不足带来的误检情况。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种核电用泵轴承智能故障诊断方法，其特征在于，包括以下步骤：
1)测量核电用泵轴承正常状态和三种故障状态下的振动信号数据；
2)对各个状态下的振动信号进行VMD分解，得到IFM分量；
3)对各个状态下IMF进行奇异值分解，提取轴承特征值，并建立专家数据库；
4)计算轴承振动信号速度有效值和振动加速度的峭度，判断轴承是否出现故障；
5)对出现故障的轴承振动信号经VMD分解，然后提取各个IMF的奇异值，通过支持向量机与专家数据库内的数据进行对比，进行故障识别。
2.根据权利要求1所述的核电用泵轴承智能故障诊断方法，其特征在于：步骤1)中，所述三种故障状态分别为内圈故障、外圈故障和滚动体故障。
3.根据权利要求1所述的核电用泵轴承智能故障诊断方法，其特征在于：步骤1)中，利用振动传感器进行轴承振动信号数据的测量，然后利用数据采集单元提取、处理振动传感器测量到的振动信号并传输至上位机系统进行故障诊断。
4.根据权利要求2所述的核电用泵轴承智能故障诊断方法，其特征在于：所述数据采集单元对振动信号进行低通滤波和带通滤波，低频成分直接传输给AD转换器转换成数字信号；带通滤波后的高频成分经噪声放大器将噪声放大，再对其进行低通滤波获得高频成分中的低频信号，并传输给AD转换器转换成数字信号。
5.根据权利要求1所述的核电用泵轴承智能故障诊断方法，其特征在于：步骤3)中，将提取到的故障特征值随机选取分为训练样本和测试样本，并将训练样本和测试样本分别对应正常、内圈、外圈和滚动体四种状态。
6.根据权利要求5所述的核电用泵轴承智能故障诊断方法，其特征在于：将训练样本存入专家数据库，并向专家数据库不断补充故障特征值，逐渐完善专家数据库。
7.根据权利要求1所述的核电用泵轴承智能故障诊断方法，其特征在于：步骤(4)中，当速度有效值大于4.5mm/s且振动加速度的峭度大于3时，轴承可能出现故障；当速度有效值大于7.1mm/s且振动加速度的峭度大于8时，轴承出现严重故障。
8.一种实现权利要求1-7任一权利要求所述的核电用泵轴承智能故障诊断方法的系统，其特征在于：包括依次连接的振动传感器、数据采集单元和上位机系统，所述振动传感器设置在核电用泵轴承上，所述数据采集单元包括并联的低通支路和高通支路，所述低通支路和高通支路的输出端与AD转换器连接，所述AD转换器通过网络数据传输与上位机系统连接，所述上位机系统包括数据采集系统和WEB端。
9.根据权利要求8所述的核电用泵轴承智能故障诊断系统，其特征在于：所述高通支路包括依次连接的带通滤波器、低噪声放大器和检波器，所述低通支路包括低通滤波器，所述振动传感器的输出端分别与带通滤波器和低通滤波器的输入端连接，所述低通滤波器的输出端和检波器的输出端与AD转换器连接。
10.根据权利要求8所述的核电用泵轴承智能故障诊断系统，其特征在于：所述AD转换器为并行比较型、串并行型或者∑-Δ调制型的AD转换器。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910374083.3A CN110057587A (zh) | 2019-05-06 | 2019-05-06 | 一种核电用泵轴承智能故障诊断方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910374083.3A CN110057587A (zh) | 2019-05-06 | 2019-05-06 | 一种核电用泵轴承智能故障诊断方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110057587A true CN110057587A (zh) | 2019-07-26 |
Family
ID=67322452
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910374083.3A Pending CN110057587A (zh) | 2019-05-06 | 2019-05-06 | 一种核电用泵轴承智能故障诊断方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110057587A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111795826A (zh) * | 2020-06-29 | 2020-10-20 | 南京航空航天大学 | 一种小型二冲程活塞发动机喷油异常的故障诊断方法 |
| CN113623194A (zh) * | 2021-09-02 | 2021-11-09 | 安徽德通智联科技有限公司 | 一种机泵设备的快速故障诊断方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103674511A (zh) * | 2013-03-18 | 2014-03-26 | 北京航空航天大学 | 一种基于emd-svd与mts的机械磨损件性能评估与预测方法 |
| CN106596116A (zh) * | 2016-11-29 | 2017-04-26 | 西安理工大学 | 一种风力发电机组振动故障诊断方法 |
| CN208207843U (zh) * | 2018-04-10 | 2018-12-07 | 西南石油大学 | 一种泥浆泵故障诊断装置 |
| CN209783910U (zh) * | 2019-05-06 | 2019-12-13 | 江苏联能电子技术有限公司 | 一种核电用泵轴承智能故障诊断系统 |
-
2019
- 2019-05-06 CN CN201910374083.3A patent/CN110057587A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103674511A (zh) * | 2013-03-18 | 2014-03-26 | 北京航空航天大学 | 一种基于emd-svd与mts的机械磨损件性能评估与预测方法 |
| CN106596116A (zh) * | 2016-11-29 | 2017-04-26 | 西安理工大学 | 一种风力发电机组振动故障诊断方法 |
| CN208207843U (zh) * | 2018-04-10 | 2018-12-07 | 西南石油大学 | 一种泥浆泵故障诊断装置 |
| CN209783910U (zh) * | 2019-05-06 | 2019-12-13 | 江苏联能电子技术有限公司 | 一种核电用泵轴承智能故障诊断系统 |
Non-Patent Citations (3)
| Title |
|---|
| 张琛 等: "基于变分模态分解奇异值熵的滚动轴承微弱故障辨识方法", 振动与冲击, no. 21, 30 November 2018 (2018-11-30), pages 95 - 99 * |
| 许子非 等: "基于改进变分模态分解与支持向量机的风力机轴承故障诊断", 热能动力工程, no. 06, 31 December 2020 (2020-12-31), pages 243 - 252 * |
| 赵洪山 等: "基于奇异值分解和变分模态分解的轴承故障特征提取", 振动与冲击, no. 22, 30 November 2016 (2016-11-30), pages 188 - 193 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111795826A (zh) * | 2020-06-29 | 2020-10-20 | 南京航空航天大学 | 一种小型二冲程活塞发动机喷油异常的故障诊断方法 |
| CN111795826B (zh) * | 2020-06-29 | 2021-12-21 | 南京航空航天大学 | 一种小型二冲程活塞发动机喷油异常的故障诊断方法 |
| CN113623194A (zh) * | 2021-09-02 | 2021-11-09 | 安徽德通智联科技有限公司 | 一种机泵设备的快速故障诊断方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102053016B (zh) | 旋转机械滚动轴承的无线振动监测系统 | |
| CN102997838B (zh) | 一种基于扫频短路特征的变压器绕组变形故障诊断方法 | |
| CN109396954B (zh) | 嵌入式主轴系统异常状态智能检测和信息推送装置 | |
| CN105043593B (zh) | 一种机车温度传感器故障诊断及容错估计方法 | |
| CN103472350A (zh) | 变压器诊断系统及其诊断方法 | |
| CN110231529A (zh) | 一种控制柜智能故障诊断系统及故障诊断方法 | |
| CN104090252B (zh) | 一种电缆型故障指示器的综合检测系统和方法 | |
| CN110008350A (zh) | 一种基于贝叶斯推理的机泵安康知识库查找方法 | |
| CN110375983A (zh) | 基于时间序列分析的阀门故障实时诊断系统及诊断方法 | |
| CN110057587A (zh) | 一种核电用泵轴承智能故障诊断方法及系统 | |
| CN110553789A (zh) | 一种压阻式压力传感器的状态检测方法、装置及制动系统 | |
| KR19980084275A (ko) | 전력공급선의 신호분석을 통한 전동기 비정상 상태 감시 시스템 | |
| CN112782540A (zh) | 一种高压电缆在线监测及故障点定位装置 | |
| CN209783910U (zh) | 一种核电用泵轴承智能故障诊断系统 | |
| CN211452846U (zh) | 基于电流信号的风机故障远程监控系统 | |
| CN211573846U (zh) | 基于电流信号和信息融合的轴流风机故障诊断系统 | |
| CN110411730A (zh) | 一种旋转设备故障判断方法、系统和可读存储介质 | |
| CN114280383B (zh) | 一种大型地面站天线的健康检测装置及健康检测方法 | |
| KR101248232B1 (ko) | 병렬 부대설비의 이상 진단 방법 및 시스템 | |
| CN203011692U (zh) | 一种便携式滚动轴承故障诊断器 | |
| CN103344893A (zh) | 基于变频串联谐振耐压试验的分布式电缆局放测量方法 | |
| CN106054867A (zh) | 一种基于物联网与云计算的新能源汽车故障诊断装置 | |
| CN113098132A (zh) | 一种基于群智能优化的改进机器学习故障诊断系统 | |
| CN113049251A (zh) | 一种基于噪声的轴承故障诊断方法 | |
| CN114689321A (zh) | 风力发电机组的轴承故障诊断方法、装置、电子设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |