CN113123956A - 一种水泵水锤故障诊断方法 - Google Patents

一种水泵水锤故障诊断方法 Download PDF

Info

Publication number
CN113123956A
CN113123956A CN202110374195.6A CN202110374195A CN113123956A CN 113123956 A CN113123956 A CN 113123956A CN 202110374195 A CN202110374195 A CN 202110374195A CN 113123956 A CN113123956 A CN 113123956A
Authority
CN
China
Prior art keywords
water hammer
signal
water pump
water
working condition
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
Application number
CN202110374195.6A
Other languages
English (en)
Other versions
CN113123956B (zh
Inventor
王宏超
韩捷
胡鑫
陈磊
李永耀
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhengzhou Enpu Technology Co ltd
Original Assignee
Zhengzhou Enpu Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhengzhou Enpu Technology Co ltd filed Critical Zhengzhou Enpu Technology Co ltd
Priority to CN202110374195.6A priority Critical patent/CN113123956B/zh
Publication of CN113123956A publication Critical patent/CN113123956A/zh
Application granted granted Critical
Publication of CN113123956B publication Critical patent/CN113123956B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04B—POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS
    • F04B51/00—Testing machines, pumps, or pumping installations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Reciprocating Pumps (AREA)

Abstract

本发明属于水泵水锤故障技术领域，具体涉及一种水泵水锤故障诊断方法。首先获取水泵测试工况下的时域振动信号，根据测试工况下的时域振动信号确定工频值，并构建正弦参考信号；然后将测试工况下的时域振动信号和构建的正弦参考信号输入至变分模式提取计算模型中，得到工频成分信号；接着将测试工况下的时域振动信号减去工频成分信号，得到目标信号；最后提取目标信号的水锤故障特征，并与水泵正常工况下的水锤故障特征进行比较，根据比较结果判断水泵是否发生水锤故障和/或水泵水锤故障的严重程度。本发明能够有效滤除工频成分信号及其谐频成分，从而准确提取水锤故障特征成分，有效诊断出定频及变频工况下水泵发生的微弱水锤故障。

Description

一种水泵水锤故障诊断方法
技术领域
本发明属于水泵水锤故障技术领域，具体涉及一种水泵水锤故障诊断方法。
背景技术
目前，水泵在起动和停止时，水流会冲击管道，产生一种严重水击，水流对水泵产生一个压力。由于管道光滑，后续水流在惯性的作用下，水力迅速达到最大，并产生破坏作用，这就是水力学当中的“水锤效应”。水泵发生水锤故障时常会给水泵带来灾难性的后果，可以破坏水泵，甚至引起水泵反转。
在水锤故障智能诊断时，由于水泵工频及其谐频成分等干扰信号的影响，往往会造成不平衡故障结论的误判结果。水泵在变频情况下，常规滤波方法难以滤除工频及其谐频成分，而且还有可能滤掉水锤故障特征成分，那么便造成水泵水锤故障诊断不准确。
发明内容
本发明提供了一种水泵水锤故障诊断方法，用以解决现有技术中的水泵水锤故障诊断不准确的问题。
为解决上述技术问题，本发明所包括的技术方案以及技术方案对应的有益效果如下：
本发明提供了一种水泵水锤故障诊断方法，包括如下步骤：
1)获取水泵测试工况下的时域振动信号，根据测试工况下的时域振动信号确定工频值；
2)根据确定的工频值，构建正弦参考信号；
3)将测试工况下的时域振动信号和构建的正弦参考信号输入至变分模式提取计算模型中，得到工频成分信号；
4)将测试工况下的时域振动信号减去工频成分信号，得到目标信号；
5)提取目标信号的水锤故障特征，并与水泵正常工况下的水锤故障特征进行比较，根据比较结果判断水泵是否发生水锤故障和/或水泵水锤故障的严重程度。
上述技术方案的有益效果为：本发明首先基于工频值构建正弦参考信号，将测试工况下的时域振动信号和构建的正弦参考信号共同输入至变分模式计算模型中，以得到工频成分信号，然后将测试工况下的时域振动信号中工频成分信号滤除，得到较为纯净的水锤成分信号，对该水锤成分信号进行水锤故障特征提取，并与正常工况下的水锤故障特征进行比较，便可有效判断水泵是否发生水锤故障以及发生水锤故障的严重程度。该方法能够有效滤除工频成分信号及其谐频成分，从而准确提取水锤故障特征成分，有效诊断出定频及变频工况下水泵发生的微弱水锤故障，避免严重水泵严重水锤故障的发生。
进一步的，为了准确得到工频值以得到准确的工频成分信号，步骤1)中，采用如下手段以根据测试工况下的时域振动信号确定工频值：将测试工况下的时域振动信号进行傅里叶变换，得到测试工况下的频域振动信号；将测试工况下的频域振动信号中最大幅值处的频率值作为工频值。
进一步的，步骤2)中，构建的正弦参考信号具有如下特征：正弦参考信号的频率为所述工频值，正弦参考信号的幅值为所述测试工况下的频域振动信号中最大幅值的一半，正弦参考信号的相位为0。
进一步的，所述工频成分信号为：
Figure BDA0003010514550000021
其中，
Figure BDA0003010514550000022
为工频成分信号；α为平衡J1和J2的参数；
Figure BDA0003010514550000023
为最小化目标函数，δ(t)为Diract分布，
Figure BDA0003010514550000024
表示一阶求导，j为复共轭，ud(t)为期望信号，wd为ud(t)的中心频率；
Figure BDA0003010514550000025
为引入的惩罚函数，β(t)为构建的滤波器的时域冲击响应，fr(t)为残余信号；w为频域变量；λ为拉格朗日乘子，
Figure BDA0003010514550000026
为λ(t)的傅里叶变换；
Figure BDA0003010514550000027
为输入信号f(t)的傅里叶变换，且f(t)＝ud(t)+fr(t)；
Figure BDA0003010514550000028
为ud(t)的傅里叶变换。
进一步的，所述水锤故障特征包括峭度指标、时域包络峭度指标、1倍频指标、2-5倍频频段指标、以及5-分析频率频段指标中的至少一个。
进一步的，为了准确判断水锤故障的严重程度，步骤5)中，所述水锤故障特征的数量为至少两个，则大于相应正常工况下的水锤故障特征的目标信号的水锤故障特征数量越多，水泵发生水锤故障的程度越严重。
附图说明
图1是本发明的水泵水锤故障诊断方法的流程图；
图2是一变频水泵发生水锤故障时的时域信号图；
图3是图2所示信号的傅里叶谱图；
图4是按照本发明的诊断方法输出的目标信号图；
图5是图4所示信号的傅里叶谱图。
具体实施方式
本发明的水泵水锤故障诊断方法的基本构思为：首先基于变分模式计算模型将工频成分信号提取出来，然后将测试工况下的时域振动信号中的工频成分信号滤掉，以得到水锤成分信号，即目标信号，最后提取目标信号的水锤故障特征，以确定水泵是否发生水锤故障以及水泵水锤故障的严重程度。下面结合附图及实施例，对本发明的水泵水锤故障诊断方法进行详细介绍。其整体流程如图1所示。
步骤一，获取水泵正常工况下的时域振动信号，并进行时、频域特征提取，特征为五个特征，分别为峭度指标、时域包络峭度指标、1倍频指标、2-5倍频频段指标、以及5-分析频率频段指标，以确定五个基线特征向量。
步骤二，获取水泵测试工况下的时域振动信号，并对其进行傅里叶变换，得到测试工况下的频域振动信号，即傅里叶谱图；确定傅里叶谱图中最大幅值处的频率值，并将该频率值作为工频值。
步骤三，构建正弦参考信号，且构建的正弦参考信号的频率为步骤二中确定的工频值，正弦参考信号的幅值为测试工况下的频域振动信号中最大幅值的一半，正弦参考信号的相位为0。
步骤四，将水泵测试工况下的时域振动信号与步骤三中构建的正弦参考信号输入至变分模式提取计算模型中，得到工频成分信号。变分模式提取计算模型实现如下：
假设输入信号f(t)为分解为两个信号——期望信号ud(t)和残余信号fr(t)，即：
f(t)＝ud(t)+fr(t) (1)
通过最小化如下标准进行期望信号ud(t)的求解：
Figure BDA0003010514550000031
其中，中δ(t)代表Diract分布；wd代表ud(t)的中心频率；J1代表最小化目标函数；j代表复共轭；
Figure BDA0003010514550000033
代表一阶求导；构建频响如下的滤波器对输入信号进行滤波，以最小化期望信号ud(t)与残余信号fr(t)的谱重叠问题：
Figure BDA0003010514550000032
其中，
Figure BDA0003010514550000041
代表构建滤波器的频域表达；w为频域变量；为进一步最小化期望信号ud(t)与残余信号fr(t)的谱重叠问题，引入惩罚函数如下：
Figure BDA0003010514550000042
其中，β(t)为构建的滤波器的时域冲击响应。
据此，期望信号ud(t)的求解可归为如下所示的约束最小化问题：
Figure BDA0003010514550000043
其中，α为平衡J1和J2的参数，本实施例中取0.5。
采用如下所示的增强拉格朗日函数解决上式中的重构约束问题：
Figure BDA0003010514550000044
其中，λ为拉格朗日乘子。
为简化上式，将
Figure BDA0003010514550000045
其中
Figure BDA0003010514550000046
为x(t)的傅里叶变换，
Figure BDA0003010514550000047
上式可进一步简化为：
Figure BDA0003010514550000048
期望信号中在第n+1次迭代可通过以下方程获取：
Figure BDA0003010514550000049
基于
Figure BDA00030105145500000410
消去第一个变量，上式可进一步简化为：
Figure BDA0003010514550000051
其中，n代表迭代数。
同理，
Figure BDA0003010514550000052
与
Figure BDA0003010514550000053
可用如下两个简化式表达：
Figure BDA0003010514550000054
Figure BDA0003010514550000055
变分模式提取的结果是期望信号ud(t)和残余信号fr(t)，故可以忽略
Figure BDA0003010514550000056
经过代数运算，上述期望信号和残余信号求解式可重写为：
Figure BDA0003010514550000057
Figure BDA0003010514550000058
上述所有公式中的拉格朗日算子可用如下公式进行更新：
Figure BDA0003010514550000059
步骤五，将测试工况下的时域振动信号减去工频成分信号，得到目标信号，该目标信号为水锤成分信号。并按照同步骤一相同的时、频域特征提取，形成五个实时特征向量。
步骤六，将基线特征向量与对应的实时特征向量进行对比，依据是否超出基线特征向量来确定是否发生水锤故障，进一步依据超出基线特征向量的个数的多少来确定水锤故障的严重程度：
只要有一个实时特征向量超过基线特征向量，则说明水泵发生水锤故障。
如果五个实时特征向量同时超过相应的基线特征向量，为严重水锤故障；如果有四个实时特征向量超过相应的基线特征向量，为中等水锤故障；如果有三个实时特征向量超过相应的基线特征向量，为轻微水锤故障。
下面将本发明的水泵水锤故障诊断方法应用于具体的实例中以说明本发明方法的有效性。如图2所示为一变频水泵发生水锤故障时的时域振动信号，图3为图2所示信号的傅里叶谱图。按照本发明方法，构建频率为50Hz的正弦参考信号及其谐波信号；再将其与图2所示信号共同输入到变分模式提取计算模型中，以得到工频成分信号；接着将图2所示信号减去工频成分信号，得到目标信号，如图4所示，图4信号的傅里叶谱如图5所示。对比图4与图1及图5与图2、以及按本发明方法最终得到的结果验证表明，能够有效诊断出水锤故障。
本发明所使用的变分模式提取计算模型是一种高效的非平稳信号分析模型，可以根据先验信息提取期望信号，相对其它时频分析方法如小波变换、经验模态分解方法具有更高效的计算效率。基于该模型，本发明可快速、准确得到工频成分信号，并将其滤掉，以得到有效的水锤成分信号，能有效诊断出定频及变频工况下水泵发生的微弱水锤故障，为避免水泵严重水锤故障的发生提供一种新技术。

Claims (6)

1.一种水泵水锤故障诊断方法，其特征在于，包括如下步骤：
1)获取水泵测试工况下的时域振动信号，根据测试工况下的时域振动信号确定工频值；
2)根据确定的工频值，构建正弦参考信号；
3)将测试工况下的时域振动信号和构建的正弦参考信号输入至变分模式提取计算模型中，得到工频成分信号；
4)将测试工况下的时域振动信号减去工频成分信号，得到目标信号；
5)提取目标信号的水锤故障特征，并与水泵正常工况下的水锤故障特征进行比较，根据比较结果判断水泵是否发生水锤故障和/或水泵水锤故障的严重程度。
2.根据权利要求1所述的水泵水锤故障诊断方法，其特征在于，步骤1)中，采用如下手段以根据测试工况下的时域振动信号确定工频值：将测试工况下的时域振动信号进行傅里叶变换，得到测试工况下的频域振动信号；将测试工况下的频域振动信号中最大幅值处的频率值作为工频值。
3.根据权利要求2所述的水泵水锤故障诊断方法，其特征在于，步骤2)中，构建的正弦参考信号具有如下特征：正弦参考信号的频率为所述工频值，正弦参考信号的幅值为所述测试工况下的频域振动信号中最大幅值的一半，正弦参考信号的相位为0。
4.根据权利要求1所述的水泵水锤故障诊断方法，其特征在于，步骤3)中，所述工频成分信号为：
Figure FDA0003010514540000011
其中，
Figure FDA0003010514540000012
为工频成分信号；α为平衡J1和J2的参数；
Figure FDA0003010514540000013
为最小化目标函数，δ(t)为Diract分布，
Figure FDA0003010514540000014
表示一阶求导，j为复共轭，ud(t)为期望信号，wd为ud(t)的中心频率；
Figure FDA0003010514540000015
为引入的惩罚函数，β(t)为构建的滤波器的时域冲击响应，fr(t)为残余信号；w为频域变量；λ为拉格朗日乘子，
Figure FDA0003010514540000016
为λ(t)的傅里叶变换；
Figure FDA0003010514540000017
为输入信号f(t)的傅里叶变换，且f(t)＝ud(t)+fr(t)；
Figure FDA0003010514540000018
为ud(t)的傅里叶变换。
5.根据权利要求1所述的水泵水锤故障诊断方法，其特征在于，步骤5)中，所述水锤故障特征包括峭度指标、时域包络峭度指标、1倍频指标、2-5倍频频段指标、以及5-分析频率频段指标中的至少一个。
6.根据权利要求1所述的水泵水锤故障诊断方法，其特征在于，步骤5)中，所述水锤故障特征的数量为至少两个，则大于相应正常工况下的水锤故障特征的目标信号的水锤故障特征数量越多，水泵发生水锤故障的程度越严重。
CN202110374195.6A 2021-04-07 2021-04-07 一种水泵水锤故障诊断方法 Active CN113123956B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110374195.6A CN113123956B (zh) 2021-04-07 2021-04-07 一种水泵水锤故障诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110374195.6A CN113123956B (zh) 2021-04-07 2021-04-07 一种水泵水锤故障诊断方法

Publications (2)

Publication Number Publication Date
CN113123956A true CN113123956A (zh) 2021-07-16
CN113123956B CN113123956B (zh) 2023-02-28

Family

ID=76775652

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110374195.6A Active CN113123956B (zh) 2021-04-07 2021-04-07 一种水泵水锤故障诊断方法

Country Status (1)

Country Link
CN (1) CN113123956B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116044740A (zh) * 2023-03-07 2023-05-02 西安理工大学 基于声信号的泵故障诊断方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015124848A (ja) * 2013-12-27 2015-07-06 三菱重工業株式会社 油圧機械の診断システム及び診断方法並びに油圧トランスミッション及び風力発電装置
CN106017926A (zh) * 2016-05-13 2016-10-12 山东理工大学 基于变模态分解的滚动轴承故障诊断方法
US20170052060A1 (en) * 2014-04-24 2017-02-23 Alstom Transport Technologies Method and system for automatically detecting faults in a rotating shaft
US20190243735A1 (en) * 2018-02-05 2019-08-08 Wuhan University Deep belief network feature extraction-based analogue circuit fault diagnosis method
CN111307460A (zh) * 2020-03-14 2020-06-19 中国石化销售股份有限公司华南分公司 基于计算阶次跟踪与谱峭度的滚动轴承故障诊断方法
CN112196783A (zh) * 2020-10-15 2021-01-08 云南大红山管道有限公司 一种长距离大管径输调水泵站泵组自动控制启动方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015124848A (ja) * 2013-12-27 2015-07-06 三菱重工業株式会社 油圧機械の診断システム及び診断方法並びに油圧トランスミッション及び風力発電装置
US20170052060A1 (en) * 2014-04-24 2017-02-23 Alstom Transport Technologies Method and system for automatically detecting faults in a rotating shaft
CN106017926A (zh) * 2016-05-13 2016-10-12 山东理工大学 基于变模态分解的滚动轴承故障诊断方法
US20190243735A1 (en) * 2018-02-05 2019-08-08 Wuhan University Deep belief network feature extraction-based analogue circuit fault diagnosis method
CN111307460A (zh) * 2020-03-14 2020-06-19 中国石化销售股份有限公司华南分公司 基于计算阶次跟踪与谱峭度的滚动轴承故障诊断方法
CN112196783A (zh) * 2020-10-15 2021-01-08 云南大红山管道有限公司 一种长距离大管径输调水泵站泵组自动控制启动方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116044740A (zh) * 2023-03-07 2023-05-02 西安理工大学 基于声信号的泵故障诊断方法
CN116044740B (zh) * 2023-03-07 2023-09-29 西安理工大学 基于声信号的泵故障诊断方法

Also Published As

Publication number Publication date
CN113123956B (zh) 2023-02-28

Similar Documents

Publication Publication Date Title
CN109977920B (zh) 基于时频谱图及卷积神经网络的水轮机组故障诊断方法
CN105240187B (zh) 基于混沌理论实现水轮机状态监测和故障诊断的方法
Yang et al. Vibration feature extraction techniques for fault diagnosis of rotating machinery: a literature survey
Yang et al. ARX model-based gearbox fault detection and localization under varying load conditions
CN102607845B (zh) 基于自适应拟合冗余提升小波变换的轴承故障特征提取方法
CN111413089A (zh) 基于vmd熵值法和vpmcd相结合的齿轮故障诊断方法
CN108072517B (zh) 一种旋转机械微弱故障信号检测方法
CN113375939B (zh) 基于svd和vmd的机械件故障诊断方法
CN105548739B (zh) 一种避雷器运行状态信号处理方法
CN107908812A (zh) 一种基于hht和神经网络的气阀故障诊断方法
CN113123956B (zh) 一种水泵水锤故障诊断方法
CN113780055A (zh) 一种momeda与压缩感知的滚动轴承故障诊断方法
CN112284719B (zh) 一种行星齿轮箱齿面磨损故障诊断方法及系统
CN112180315A (zh) 光纤电流互感器故障特征提取方法、装置及系统
CN114263621B (zh) 一种离心泵空化故障诊断模拟的试验方法及系统
CN117672255B (zh) 基于人工智能和设备运行声音的异常设备识别方法及系统
CN103234750A (zh) 一种基于改进倒频谱法的等高齿锥齿轮故障诊断方法
CN114964769A (zh) 一种风电齿轮箱振动信号故障诊断方法
CN113250911B (zh) 一种基于vmd分解算法的风机叶片故障诊断方法
CN103926097A (zh) 一种用于采集和提取低速重载设备故障特征信息的方法
CN107941511A (zh) 一种基于信号时频分解的频率—峭度图的实现方法
CN117030247A (zh) 一种约束周期性的重加权稀疏正则化齿轮箱故障诊断方法
CN104156339B (zh) 一种利用二次排列熵识别周期微弱脉冲信号的方法
CN106772032B (zh) 一种水轮发电机组的故障特征提取方法
CN111640519B (zh) 一种基于改进小波分形算法的反应堆中子噪声频谱分析方法

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
GR01 Patent grant
GR01 Patent grant