CN117231524A - 一种泵汽蚀状态监测诊断方法及系统 - Google Patents

Abstract

本说明书实施例主要涉及泵汽蚀状态监测诊断技术领域，具体为一种泵汽蚀状态监测诊断方法及系统。一种泵汽蚀状态监测诊断方法，包括：步骤S1.采集泵运行时的初始振动信号，通过初始振动信号得到初始振动信号组，并对初始振动信号组进行降噪处理以得到二次振动信号组；步骤S2.对二次振动信号组进行数据分割处理以得到多组标准振动信号组；步骤S3.通过标准振动信号组获取初始R通道图像、初始G通道图像和初始B通道图像，并将初始R通道图像、初始G通道图像和初始B通道图像进行卷积处理以得到R通道图像、G通道图像和B通道图像。本说明书实施例的泵汽蚀状态监测诊断方法及系统，其识别速度较快、识别准确较高。

Description

一种泵汽蚀状态监测诊断方法及系统

技术领域

本说明书实施例主要涉及泵汽蚀状态监测诊断技术领域，具体为一种泵汽蚀状态监测诊断方法及系统。

背景技术

离心泵的汽蚀（即泵汽蚀）现象很难消除，如果能够快速准确地识别离心泵的汽蚀状态，并及时加以调整，可以使离心泵始终工作在最佳运行状态，减少离心泵的能源消耗，同时提高离心泵的使用寿命和可靠性。

现有技术采用性能参数法来识别离心泵的汽蚀现象，性能参数法将离心泵扬程下降3%的点作为汽蚀初生点。

但是，离心泵汽蚀现象的表现形式因设备状态和工作环境的不同而不同，表现离心泵汽蚀现象的信号具有复杂性、不确定性和耦合性。通过传统的性能参数法来识别离心泵的汽蚀现象，具有识别速度慢、识别准确低的缺陷。

发明内容

本说明书实施例针对现有技术存在的问题，提出了一种泵汽蚀状态监测诊断方法及系统，其技术方案如下：

在第一方面，本说明书实施例提供了一种泵汽蚀状态监测诊断方法，包括：

步骤S1.采集泵运行时的初始振动信号，通过初始振动信号得到初始振动信号组，并对初始振动信号组进行降噪处理以得到二次振动信号组；

步骤S2.对二次振动信号组进行数据分割处理以得到多组标准振动信号组；

步骤S3.通过标准振动信号组获取初始R通道图像、初始G通道图像和初始B通道图像，并将初始R通道图像、初始G通道图像和初始B通道图像进行卷积处理以得到R通道图像、G通道图像和B通道图像；

步骤S4.将R通道图像或G通道图像或B通道图像确定为待识别单通道图像；

步骤S5.将待识别单通道图像输入泵汽蚀状态识别模型，并通过泵汽蚀状态识别模型输出泵汽蚀状态识别结果，泵汽蚀状态识别结果为已汽蚀或未汽蚀。

作为优选，步骤S2具体包括：

步骤S21.确定标准振动信号组的总数据点个数，总数据点个数为N1个，并确定间隔数据点个数，间隔数据点个数为N2个，且将i的初始值设置为1；

步骤S22.获取二次振动信号组中的前N1个数据点，并将前N1个数据点确定为第i组标准振动信号；若二次振动信号组获取不到前N1个数据点，则结束；

步骤S23.将二次振动信号组中的前N2个数据点删除以形成新的二次振动信号组，并将i的值进行加一处理，返回步骤S22。

作为优选，步骤S4具体包括：

步骤S41.确定R通道图像的总图像个数，总图像个数为J个，且将j的初始值设置为1；

步骤S42.获取第j个R通道图像与第j个未汽蚀R通道图像的第一差异值，获取第j个G通道图像与第j个未汽蚀G通道图像的第二差异值，以及获取第j个B通道图像与第j个未汽蚀B通道图像的第三差异值，并将第一差异值、第二差异值、第三差异值中的最大值作为第j个最大差异值；

步骤S43.判定j的值是否等于总图像个数J，当j的值不等于总图像个数J时，将j的值进行加一处理，并返回步骤S42；当j的值等于总图像个数J时，进入步骤S44；

步骤S44.统计第一差异值作为最大差异值的次数以得到第一次数值，统计第二差异值作为最大差异值的次数以得到第二次数值，统计第三差异值作为最大差异值的次数以得到第三次数值；

步骤S45.将第一次数值、第二次数值、第三次数值进行比对，当第一次数值最大时，将R通道图像作为待识别单通道图像；当第二次数值最大时，将G通道图像作为待识别单通道图像；当第三次数值最大时，将B通道图像作为待识别单通道图像。

作为优选，获取第j个R通道图像与第j个未汽蚀R通道图像的第一差异值具体包括：

步骤S421.获取第j个R通道图像上第一位置点的第一像素值，并获取第j个未汽蚀R通道图像上与第一位置点对应的第二位置点的第二像素值，将第一像素值与第二像素值的差值绝对值作为初始差异值；重复步骤S421直到第j个R通道图像上全部第一位置点都计算得到对应初始差异值；

步骤S422.将全部初始差异值相加并除以初始差异值的总个数以得到第一差异值。

作为优选，步骤S5中的泵汽蚀状态识别模型具体为LeNet-5卷积神经网络。

在第二方面，本说明书实施例提供了一种泵汽蚀状态监测诊断系统，包括：

振动信号采集降噪模块，用于采集泵运行时的初始振动信号，通过初始振动信号得到初始振动信号组，并对初始振动信号组进行降噪处理以得到二次振动信号组；

标准振动信号获取模块，用于对二次振动信号组进行数据分割处理以得到多组标准振动信号组；

第一RGB通道图像获取模块，用于通过标准振动信组获取初始R通道图像、初始G通道图像和初始B通道图像；

第二RGB通道图像获取模块，用于将初始R通道图像、初始G通道图像和初始B通道图像进行卷积处理以得到R通道图像、G通道图像和B通道图像；

待识别单通道图像确定模块，用于将R通道图像或G通道图像或B通道图像确定为待识别单通道图像；

泵汽蚀状态识别模块，用于将待识别单通道图像输入泵汽蚀状态识别模型，并通过泵汽蚀状态识别模型输出泵汽蚀状态识别结果，泵汽蚀状态识别结果为已汽蚀或未汽蚀。

作为优选，标准振动信号获取模块包括：

总数据点个数确定单元，用于确定标准振动信号组的总数据点个数，总数据点个数为N1个；

间隔数据点个数确定单元，用于确定间隔数据点个数，间隔数据点个数为N2个；

第一i值设置单元，用于将i的初始值设置为1；

标准振动信号确定单元，用于获取二次振动信号组中的前N1个数据点，并将前N1个数据点确定为第i组标准振动信号；

二次振动信号更新单元，用于将二次振动信号组中的前N2个数据点删除以形成新的二次振动信号组；

第二i值设置单元，用于将i的值进行加一处理。

作为优选，待识别单通道图像确定模块包括：

总图像个数确定单元，用于确定R通道图像的总图像个数，总图像个数为J个；

第一j值设置单元，用于将j的初始值设置为1；

第一差异值获取单元，用于获取第j个R通道图像与第j个未汽蚀R通道图像的第一差异值；

第二差异值获取单元，用于获取第j个G通道图像与第j个未汽蚀G通道图像的第二差异值；

第三差异值获取单元，用于获取第j个B通道图像与第j个未汽蚀B通道图像的第三差异值；

最大差异值确定单元，用于将第一差异值、第二差异值、第三差异值中的最大值作为第j个最大差异值；

j值判定单元，用于判定j的值是否等于总图像个数J；

第二j值设置单元，用于当j的值不等于总图像个数J时，将j的值进行加一处理；

次数值确定单元，用于统计第一差异值作为最大差异值的次数以得到第一次数值，统计第二差异值作为最大差异值的次数以得到第二次数值，统计第三差异值作为最大差异值的次数以得到第三次数值；

待识别单通道图像确定单元，用于将第一次数值、第二次数值、第三次数值进行比对，当第一次数值最大时，将R通道图像作为待识别单通道图像；当第二次数值最大时，将G通道图像作为待识别单通道图像；当第三次数值最大时，将B通道图像作为待识别单通道图像。

作为优选，第一差异值获取单元包括：

初始差异值确定次单元，用于获取第j个R通道图像上第一位置点的第一像素值，并获取第j个未汽蚀R通道图像上与第一位置点对应的第二位置点的第二像素值，将第一像素值与第二像素值的差值绝对值作为初始差异值；

第一差异值确定次单元，用于将全部初始差异值相加并除以初始差异值的总个数以得到第一差异值。

作为优选，泵汽蚀状态识别模块中的泵汽蚀状态识别模型具体为LeNet-5卷积神经网络。

有益效果

本说明书实施例的泵汽蚀状态监测诊断方法及系统，先通过振动信号获取标准振动信号组，然后通过标准振动信号组获取初始R/G/B通道图像，接着对初始R/G/B通道图像进行卷积处理以得到R/G/B通道图像，再接着在R/G/B通道图像中获取与未汽蚀R/G/B通道图像差异最大的R或G或B通道图像，最后将确定好的R或G或B通道图像输入泵汽蚀状态识别模型以得到最终的泵汽蚀状态识别结果，通过R或G或B通道图像进行泵汽蚀状态识别，其识别速度较快、识别准确较高。

附图说明

图1为本说明书实施例提供的泵汽蚀状态监测诊断方法的流程示意图；

图2为本说明书实施例提供的泵汽蚀状态监测诊断系统的结构示意图。

具体实施方式

下面将参照附图更详细地描述本说明书的实施例。

实施例1：

一种泵汽蚀状态监测诊断方法，如图1所示，包括：

步骤S1.采集泵运行时的初始振动信号，通过初始振动信号得到初始振动信号组，并对初始振动信号组进行降噪处理以得到二次振动信号组。

在初始振动信号采集之前，需要在离心泵的不同位置安装多个振动加速度传感器，例如可以安装10个振动加速度传感器，10个振动加速度传感器均与同一个振动信号采集表连接，使得一次性能够采集10个初始振动信号。初始振动信号最终以数字信号的形式呈现。

在初始振动信号采集之时，一次性采集的10个初始振动信号可按振动加速度传感器的序号顺序进行排序，例如，1号振动加速度传感器采集的初始振动信号排在第一位，2号振动加速度传感器采集的初始振动信号排在第二位......10号振动加速度传感器采集的初始振动信号排在最后一位。排序好的初始振动信号按排好的顺序存储在信号存储单元中。另外，新采集的10个初始振动信号可接着信号存储单元中的最后一个初始振动信号进行排序存储。

当需要进行泵汽蚀状态诊断时，可以从信号存储单元中获取最近一段时间所采集的初始振动信号，例如，可以从信号存储单元中获取最近15天所采集的初始振动信号，并可以直接将这15天的初始振动信号作为初始振动信号组。

然后对初始振动信号组中的初始振动信号进行降噪处理。本实施例采用Savitzky-Golay卷积平滑算法对初始振动信号进行降噪处理。Savitzky-Golay卷积平滑算法是一种在时域内基于局部多项式最小二乘法的降噪方法，振动加速度传感器采集的初始振动信号包含了很多非周期和非线性的噪音，申请人通过大量试验发现，Savitzky-Golay卷积平滑算法对初始振动信的降噪效果最好。

当初始振动信号组中的初始振动信号降噪完成后就会得到所需的二次振动信号组。

本实施例的泵汽蚀状态监测诊断方法，如图1所示，还包括：

步骤S2.对二次振动信号组进行数据分割处理以得到多组标准振动信号组。

本实施例需要采用图像进行泵汽蚀状态诊断，因此需要将二次振动信号组中的二次振动信号转换为图像。二次振动信号组中的二次振动信号并不是直接转换成一张图像，因为直接转换成一张图像的话，图像的数量只有一张，一方面不能有效提取足够量的可识别特征，进而使得泵汽蚀状态诊断结果的准确率低；另一方面图像太大，不好进一步处理。

为此，本实施例需要通过二次振动信号组得到多组标准振动信号组。一组标准振动信号组能够转换成一张图像，由标准振动信号组转换成的图像，一方面图像大小合适，便于后续进一步处理；另一方面标准振动信号为二次振动信号的一部分，标准振动信号组足够多，就能够有效提取足够量的可识别特征，进而使得泵汽蚀状态诊断结果的准确率较高。

本实施例中，步骤S2具体包括：

步骤S21.确定标准振动信号组的总数据点个数，总数据点个数为N1个，并确定间隔数据点个数，间隔数据点个数为N2个，且将i的初始值设置为1。

标准振动信号组用于形成二维图像，因此，标准振动信号组的总数据点个数需要是N*N个，N*N具体为几个数据，可根据用户的实际需求确定。具体的，本实施例中，一组标准振动信号组的总数据点个数可以是16384个（即N1为16384），那样一组标准振动信号组就可以转换成一张128*128的二维图像。

本实施例中，间隔数据点个数是指相邻两个标准振动信号组中第1个标准振动信号组的第1个振动信号与第2个标准振动信号组的第1个振动信号在二次振动信号组上错开的数据点个数。具体的，间隔数据点个数可以是500个（即N2为500）。

i可以理解为标准振动信号组的序号，i的初始值为1。

步骤S22.获取二次振动信号组中的前N1个数据点，并将前N1个数据点确定为第i组标准振动信号；若二次振动信号组获取不到前N1个数据点，则结束。

为了便于理解，本实施例假设初始的二次振动信号组的总数据点个数就比较少，例如只有17384个。本步骤从初始的二次振动信号组中选取前16384个数据点作为第1组标准振动信号。另外，当初始的二次振动信号组选取出16384个数据点后，二次振动信号组本身的数据点个数是不发生变化的，即此时二次振动信号组的数据点个数仍旧是17384个。接着进入步骤S23。

步骤S23.将二次振动信号组中的前N2个数据点删除以形成新的二次振动信号组，并将i的值进行加一处理，返回步骤S22。

本步骤将二次振动信号组中的前500个数据点删除，这样该二次振动信号组就只剩下了16884个二次振动信号，这16884个二次振动信号就形成了新的二次振动信号组。接着将i的值进行加一处理，i的值变为2。然后返回步骤S22。

步骤S22.获取二次振动信号组中的前N1个数据点，并将前N1个数据点确定为第i组标准振动信号；若二次振动信号组获取不到前N1个数据点，则结束。

本步骤从新的二次振动信号组（具有16884个数据点）中选取前16384个数据点作为第2组标准振动信号。接着再进入步骤S23。

步骤S23.将二次振动信号组中的前N2个数据点删除以形成新的二次振动信号组，并将i的值进行加一处理，返回步骤S22。

本步骤将二次振动信号组中的前500个数据点删除，这样该二次振动信号组就只剩下了16384个二次振动信号，这16384个二次振动信号就形成了新的二次振动信号组。接着将i的值进行加一处理，i的值变为3。然后返回步骤S22。

步骤S22.获取二次振动信号组中的前N1个数据点，并将前N1个数据点确定为第i组标准振动信号；若二次振动信号组获取不到前N1个数据点，则结束。

本步骤从最新的二次振动信号组（具有16384个数据点）中选取前16384个数据点作为第3组标准振动信号。接着再进入步骤S23。

本步骤将二次振动信号组中的前500个数据点删除，这样该二次振动信号组就只剩下了15884个二次振动信号，这15884个二次振动信号就形成了新的二次振动信号组。接着将i的值进行加一处理，i的值变为4。然后返回步骤S22。

步骤S22.获取二次振动信号组中的前N1个数据点，并将前N1个数据点确定为第i组标准振动信号；若二次振动信号组获取不到前N1个数据点，则结束。

由于最新的二次振动信号组只有15884个二次振动信号，不能从该二次振动信号组中选取出16384个数据点。此时，由二次振动信号组获取多组标准振动信号组的整个过程结束。

本实施例的泵汽蚀状态监测诊断方法，如图1所示，还包括：

步骤S3.通过标准振动信号组获取初始R通道图像、初始G通道图像和初始B通道图像，并将初始R通道图像、初始G通道图像和初始B通道图像进行卷积处理以得到R通道图像、G通道图像和B通道图像。

以一组标准振动信号组为例，先将该组标准振动信号转换成矩阵信号。假设某一组标准振动信号为：a1，a2，a3，a4，a5，a6，a7，a8，a9，a10，a11，a12，a13，a14，a15，a16，a17，a18，a19，a20，a21，a22，a23，a24，a25。那么先将该组标准振动信号转换成5*5的矩阵信号，具体如下：

然后在矩阵信号的基础上，通过R通道映射规则（R通道映射规则为现有技术，只需调用相关的函数即可）得到初始R通道图像，具体如下：

同时在矩阵信号的基础上，通过G通道映射规则（G通道映射规则为现有技术，只需调用相关的函数即可）得到初始G通道图像，具体如下：

同时在矩阵信号的基础上，通过B通道映射规则（B通道映射规则为现有技术，只需调用相关的函数即可）得到初始B通道图像，具体如下：

为了能够对初始R通道图像、初始G通道图像、初始B通道图像更好地提取可识别特征，本实施例还需要分别对初始R通道图像、初始G通道图像、初始B通道图像进行卷积处理以得到最终的R通道图像、G通道图像和B通道图像。

以一个初始R通道图像为例，对该初始R通道图像进行卷积处理。假设本实施例中的初始R通道图像具体如下：

本实施例所采用的卷积核可以是：

对初始R通道图像进行卷积处理后，可得到最终的R通道图像，具体如下：

当R通道图像得到后，继续对初始G通道图像进行卷积处理以得到最终的G通道图像，当G通道图像得到后，继续对初始B通道图像进行卷积处理以得到最终的B通道图像。此时，一组标准振动信号组已经得到对应的R通道图像、G通道图像和B通道图像。然后重复步骤S3，直到全部的标准振动信号组都得到对应的R通道图像、G通道图像和B通道图像。

本实施例的泵汽蚀状态监测诊断方法，如图1所示，还包括：

步骤S4.将R通道图像或G通道图像或B通道图像确定为待识别单通道图像。

本步骤需要将R通道图像与未汽蚀R通道图像进行比对，将G通道图像汽蚀G通道图像进行比对，将B通道图像与未汽蚀B通道图像进行，哪个通道图像的区别比较大，就采用哪个通道图像进行泵汽蚀状态识别。

另外，在本步骤S1之前，还需要采集未汽蚀的振动信号，并对未汽蚀的振动信号进行与步骤S1、步骤S2、步骤S3相同的处理以得到同样组数的未汽蚀标准振动信号组，以及与未汽蚀标准振动信号组对应的未汽蚀R通道图像、未汽蚀G通道图像和未汽蚀B通道图像。即第1组未汽蚀标准振动信号组对应获得第1个未汽蚀R通道图像、第1个未汽蚀G通道图像和第1个未汽蚀B通道图像......第10组未汽蚀标准振动信号组对应获得第10个未汽蚀R通道图像、第10个未汽蚀G通道图像和第10个未汽蚀B通道图像......。

本实施例中，步骤S4具体包括：

步骤S41.确定R通道图像的总图像个数，总图像个数为J个，且将j的初始值设置为1。

本实施例中，j可以理解为R通道图像/G通道图像/B通道图像/未汽蚀R通道图像/未汽蚀G通道图像/未汽蚀B通道图像的序号，j的初始值为1。假设本实施例中，步骤S3总共有3个标准振动信号组，那么会得到3个R通道图像，进而能够确定本步骤中的J值为3。

步骤S42.获取第j个R通道图像与第j个未汽蚀R通道图像的第一差异值，获取第j个G通道图像与第j个未汽蚀G通道图像的第二差异值，以及获取第j个B通道图像与第j个未汽蚀B通道图像的第三差异值，并将第一差异值、第二差异值、第三差异值中的最大值作为第j个最大差异值。

本步骤先获取第1个R通道图像与第1个未汽蚀R通道图像的第一差异值，然后获取第1个G通道图像与第1个未汽蚀G通道图像的第二差异值，接着获取第1个B通道图像与第1个未汽蚀B通道图像的第三差异值。然后判断第一差异值、第二差异值、第三差异值中哪个差异值最大，假设第二差异值最大，那么将第二差异值作为第1个最大差异值。接着进入步骤S43。

步骤S43.判定j的值是否等于总图像个数J，当j的值不等于总图像个数J时，将j的值进行加一处理，并返回步骤S42；当j的值等于总图像个数J时，进入步骤S44。

本步骤中，j的值为1，总图像个数J为3，由于j的值不等于总图像个数3，所以将j的值进行加一处理，j的值变为2，然后返回步骤S42。

步骤S42.获取第j个R通道图像与第j个未汽蚀R通道图像的第一差异值，获取第j个G通道图像与第j个未汽蚀G通道图像的第二差异值，以及获取第j个B通道图像与第j个未汽蚀B通道图像的第三差异值，并将第一差异值、第二差异值、第三差异值中的最大值作为第j个最大差异值。

本步骤先获取第2个R通道图像与第2个未汽蚀R通道图像的第一差异值，然后获取第2个G通道图像与第2个未汽蚀G通道图像的第二差异值，接着获取第2个B通道图像与第2个未汽蚀B通道图像的第三差异值。然后判断第一差异值、第二差异值、第三差异值中哪个差异值最大，假设第二差异值最大，那么将第二差异值作为第2个最大差异值。接着进入步骤S43。

步骤S43.判定j的值是否等于总图像个数J，当j的值不等于总图像个数J时，将j的值进行加一处理，并返回步骤S42；当j的值等于总图像个数J时，进入步骤S44。

本步骤中，j的值为2，总图像个数J为3，由于j的值不等于总图像个数3，所以将j的值进行加一处理，j的值变为3，然后返回步骤S42。

步骤S42.获取第j个R通道图像与第j个未汽蚀R通道图像的第一差异值，获取第j个G通道图像与第j个未汽蚀G通道图像的第二差异值，以及获取第j个B通道图像与第j个未汽蚀B通道图像的第三差异值，并将第一差异值、第二差异值、第三差异值中的最大值作为第j个最大差异值。

本步骤先获取第3个R通道图像与第2个未汽蚀R通道图像的第一差异值，然后获取第3个G通道图像与第3个未汽蚀G通道图像的第二差异值，接着获取第3个B通道图像与第3个未汽蚀B通道图像的第三差异值。然后判断第一差异值、第二差异值、第三差异值中哪个差异值最大，假设第一差异值最大，那么将第一差异值作为第3个最大差异值。接着进入步骤S43。

步骤S43.判定j的值是否等于总图像个数J，当j的值不等于总图像个数J时，将j的值进行加一处理，并返回步骤S42；当j的值等于总图像个数J时，进入步骤S44。

本步骤中，j的值为3，总图像个数J为3，由于j的值等于总图像个数3，所以直接进入步骤S44。

步骤S44.统计第一差异值作为最大差异值的次数以得到第一次数值，统计第二差异值作为最大差异值的次数以得到第二次数值，统计第三差异值作为最大差异值的次数以得到第三次数值。

本实施例的该步骤中，能够统计得到第一差异值作为最大差异值的次数为1，即第一次数值为1；第二差异值作为最大差异值的次数为2，即第二次数值为2；第三差异值作为最大差异值的次数为0，即第三次数值为0。

步骤S45.将第一次数值、第二次数值、第三次数值进行比对，当第一次数值最大时，将R通道图像作为待识别单通道图像；当第二次数值最大时，将G通道图像作为待识别单通道图像；当第三次数值最大时，将B通道图像作为待识别单通道图像。

接步骤S44，由于本实施例的该步骤中，第二次数值最大，所以将G通道图像作为待识别单通道图像。即待识别振动信号得到的3种单通道图像与未汽蚀振动信号得到的3种单通道图像中，待识别G通道图像与未汽蚀G通道图像的差异最大，通过G通道图像来进行泵汽蚀识别，准确率更高。

另外，本实施例中，获取第j个R通道图像与第j个未汽蚀R通道图像的第一差异值具体包括：

步骤S421.获取第j个R通道图像上第一位置点的第一像素值，并获取第j个未汽蚀R通道图像上与第一位置点对应的第二位置点的第二像素值，将第一像素值与第二像素值的差值绝对值作为初始差异值；重复步骤S421直到第j个R通道图像上全部所述第一位置点都计算得到对应初始差异值。

例如，第1个R通道图像，其第1行第1列（即第1个第一位置点）的第一像素值为25；第1行第2列（即第2个第一位置点）的第一像素值为18；第2行第1列（即第3个第一位置点）的第一像素值为7；第2行第2列（即第4个第一位置点）的第一像素值为32。

第1个未汽蚀R通道图像，其第1行第1列（即第1个第二位置点）的第二像素值为2；第1行第2列（即第2个第二位置点）的第二像素值为50；第2行第1列（即第3个第二位置点）的第二像素值为7；第2行第2列（即第4个第二位置点）的第二像素值为5。

那么，第1个初始差异值为|25-2|=23；第2个初始差异值为|18-50|=32；第3个初始差异值为|7-7|=0；第4个初始差异值为|32-5|=27。

步骤S422.将全部初始差异值相加并除以初始差异值的总个数以得到第一差异值。

接步骤S421，第一差异值具体为：（23+32+0+27）/4=20.5。

进一步的，第j个G通道图像与第j个未汽蚀G通道图像的第二差异值的计算方式与第一差异值的计算方式相同。第j个B通道图像与第j个未汽蚀B通道图像的第三差异值的计算方式与第一差异值的计算方式也相同。

本实施例的泵汽蚀状态监测诊断方法，如图1所示，还包括：

步骤S5.将待识别单通道图像输入泵汽蚀状态识别模型，并通过泵汽蚀状态识别模型输出泵汽蚀状态识别结果，泵汽蚀状态识别结果为已汽蚀或未汽蚀。

本实施例可以设置3个泵汽蚀状态识别模型，分别为：1号泵汽蚀状态识别模型，2号泵汽蚀状态识别模型和3号泵汽蚀状态识别模型。其中，1号泵汽蚀状态识别模型通过历史R通道图像进行训练，2号泵汽蚀状态识别模型通过历史G通道图像进行训练，3号泵汽蚀状态识别模型通过历史B通道图像进行训练。具体的，1号泵汽蚀状态识别模型，2号泵汽蚀状态识别模型和3号泵汽蚀状态识别模型都可以采用LeNet-5卷积神经网络。

接步骤S4，当步骤S4确定好G通道图像作为待识别单通道图像后，本步骤会先选取2号泵汽蚀状态识别模型作为本步骤所用的泵汽蚀状态识别模型，然后将全部的G通道图像输入2号泵汽蚀状态识别模型，最后2号泵汽蚀状态识别模型会直接输出最终的泵汽蚀状态识别结果：已汽蚀或未汽蚀。

本实施例的泵汽蚀状态监测诊断方法，先通过振动信号获取标准振动信号组，然后通过标准振动信号组获取初始R/G/B通道图像，接着对初始R/G/B通道图像进行卷积处理以得到R/G/B通道图像，再接着在R/G/B通道图像中获取与未汽蚀R/G/B通道图像差异最大的R或G或B通道图像，最后将确定好的R或G或B通道图像输入泵汽蚀状态识别模型以得到最终的泵汽蚀状态识别结果，通过R或G或B通道图像进行泵汽蚀状态识别，其识别速度较快、识别准确较高。

实施例2：

一种泵汽蚀状态监测诊断系统，如图2所示，包括：振动信号采集降噪模块，标准振动信号获取模块，第一RGB通道图像获取模块，第二RGB通道图像获取模块，待识别单通道图像确定模块和泵汽蚀状态识别模块。

振动信号采集降噪模块用于采集泵运行时的初始振动信号，通过初始振动信号得到初始振动信号组，并对初始振动信号组进行降噪处理以得到二次振动信号组。标准振动信号获取模块用于对二次振动信号组进行数据分割处理以得到多组标准振动信号组。第一RGB通道图像获取模块用于通过标准振动信组获取初始R通道图像、初始G通道图像和初始B通道图像。第二RGB通道图像获取模块用于将初始R通道图像、初始G通道图像和初始B通道图像进行卷积处理以得到R通道图像、G通道图像和B通道图像。待识别单通道图像确定模块用于将R通道图像或G通道图像或B通道图像确定为待识别单通道图像。泵汽蚀状态识别模块用于将待识别单通道图像输入泵汽蚀状态识别模型，并通过泵汽蚀状态识别模型输出泵汽蚀状态识别结果，泵汽蚀状态识别结果为已汽蚀或未汽蚀。其中，泵汽蚀状态识别模块中的泵汽蚀状态识别模型具体为LeNet-5卷积神经网络。

标准振动信号获取模块包括：总数据点个数确定单元，间隔数据点个数确定单元，标准振动信号确定单元，二次振动信号更新单元和第二i值设置单元。

总数据点个数确定单元用于确定标准振动信号组的总数据点个数，总数据点个数为N1个。间隔数据点个数确定单元用于确定间隔数据点个数，间隔数据点个数为N2个；

第一i值设置单元，用于将i的初始值设置为1。标准振动信号确定单元用于获取二次振动信号组中的前N1个数据点，并将前N1个数据点确定为第i组标准振动信号。二次振动信号更新单元用于将二次振动信号组中的前N2个数据点删除以形成新的二次振动信号组。第二i值设置单元用于将i的值进行加一处理。

待识别单通道图像确定模块包括：总图像个数确定单元，第一j值设置单元，第一差异值获取单元，第二差异值获取单元，第三差异值获取单元，最大差异值确定单元，j值判定单元，第二j值设置单元，次数值确定单元和待识别单通道图像确定单元。

总图像个数确定单元用于确定R通道图像的总图像个数，总图像个数为J个。第一j值设置单元用于将j的初始值设置为1。第一差异值获取单元用于获取第j个R通道图像与第j个未汽蚀R通道图像的第一差异值。第二差异值获取单元用于获取第j个G通道图像与第j个未汽蚀G通道图像的第二差异值。第三差异值获取单元用于获取第j个B通道图像与第j个未汽蚀B通道图像的第三差异值。最大差异值确定单元用于将第一差异值、第二差异值、第三差异值中的最大值作为第j个最大差异值。j值判定单元用于判定j的值是否等于总图像个数J。第二j值设置单元用于当j的值不等于总图像个数J时，将j的值进行加一处理。次数值确定单元用于统计第一差异值作为最大差异值的次数以得到第一次数值，统计第二差异值作为最大差异值的次数以得到第二次数值，统计第三差异值作为最大差异值的次数以得到第三次数值。待识别单通道图像确定单元用于将第一次数值、第二次数值、第三次数值进行比对，当第一次数值最大时，将R通道图像作为待识别单通道图像；当第二次数值最大时，将G通道图像作为待识别单通道图像；当第三次数值最大时，将B通道图像作为待识别单通道图像。

第一差异值获取单元包括：初始差异值确定次单元和第一差异值确定次单元。初始差异值确定次单元用于获取第j个R通道图像上第一位置点的第一像素值，并获取第j个未汽蚀R通道图像上与第一位置点对应的第二位置点的第二像素值，将第一像素值与第二像素值的差值绝对值作为初始差异值。第一差异值确定次单元用于将全部初始差异值相加并除以初始差异值的总个数以得到第一差异值。

本实施例的泵汽蚀状态监测诊断系统，先通过振动信号获取标准振动信号组，然后通过标准振动信号组获取初始R/G/B通道图像，接着对初始R/G/B通道图像进行卷积处理以得到R/G/B通道图像，再接着在R/G/B通道图像中获取与未汽蚀R/G/B通道图像差异最大的R或G或B通道图像，最后将确定好的R或G或B通道图像输入泵汽蚀状态识别模型以得到最终的泵汽蚀状态识别结果，通过R或G或B通道图像进行泵汽蚀状态识别，其识别速度较快、识别准确较高。

虽然附图中显示了本说明书的某些实施例，然而应当理解的是，本说明书可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本说明书。应当理解的是，本说明书的附图及实施例仅用于示例性作用，并非用于限制本说明书的保护范围。

Claims (10)

1.一种泵汽蚀状态监测诊断方法，其特征在于，包括：

步骤S1.采集泵运行时的初始振动信号，通过所述初始振动信号得到初始振动信号组，并对所述初始振动信号组进行降噪处理以得到二次振动信号组；

步骤S2.对所述二次振动信号组进行数据分割处理以得到多组标准振动信号组；

步骤S3.通过所述标准振动信号组获取初始R通道图像、初始G通道图像和初始B通道图像，并将所述初始R通道图像、初始G通道图像和初始B通道图像进行卷积处理以得到R通道图像、G通道图像和B通道图像；

步骤S4.将所述R通道图像或所述G通道图像或所述B通道图像确定为待识别单通道图像；

步骤S5.将所述待识别单通道图像输入泵汽蚀状态识别模型，并通过所述泵汽蚀状态识别模型输出泵汽蚀状态识别结果，所述泵汽蚀状态识别结果为已汽蚀或未汽蚀。

2.根据权利要求1所述的泵汽蚀状态监测诊断方法，其特征在于，所述步骤S2具体包括：

步骤S21.确定标准振动信号组的总数据点个数，所述总数据点个数为N1个，并确定间隔数据点个数，所述间隔数据点个数为N2个，且将i的初始值设置为1；

步骤S22.获取二次振动信号组中的前N1个数据点，并将所述前N1个数据点确定为第i组标准振动信号；若所述二次振动信号组获取不到前N1个数据点，则结束；

步骤S23.将所述二次振动信号组中的前N2个数据点删除以形成新的二次振动信号组，并将i的值进行加一处理，返回步骤S22。

3.根据权利要求1所述的泵汽蚀状态监测诊断方法，其特征在于，所述步骤S4具体包括：

步骤S41.确定R通道图像的总图像个数，所述总图像个数为J个，且将j的初始值设置为1；

步骤S42.获取第j个R通道图像与第j个未汽蚀R通道图像的第一差异值，获取第j个G通道图像与第j个未汽蚀G通道图像的第二差异值，以及获取第j个B通道图像与第j个未汽蚀B通道图像的第三差异值，并将所述第一差异值、第二差异值、第三差异值中的最大值作为第j个最大差异值；

步骤S43.判定j的值是否等于总图像个数J，当j的值不等于总图像个数J时，将j的值进行加一处理，并返回步骤S42；当j的值等于总图像个数J时，进入步骤S44；

步骤S44.统计第一差异值作为最大差异值的次数以得到第一次数值，统计第二差异值作为最大差异值的次数以得到第二次数值，统计第三差异值作为最大差异值的次数以得到第三次数值；

步骤S45.将所述第一次数值、第二次数值、第三次数值进行比对，当所述第一次数值最大时，将所述R通道图像作为待识别单通道图像；当所述第二次数值最大时，将所述G通道图像作为待识别单通道图像；当所述第三次数值最大时，将所述B通道图像作为待识别单通道图像。

4.根据权利要求3所述的泵汽蚀状态监测诊断方法，其特征在于，获取第j个R通道图像与第j个未汽蚀R通道图像的第一差异值具体包括：

步骤S421.获取第j个R通道图像上第一位置点的第一像素值，并获取第j个未汽蚀R通道图像上与所述第一位置点对应的第二位置点的第二像素值，将所述第一像素值与所述第二像素值的差值绝对值作为初始差异值；重复步骤S421直到第j个R通道图像上全部所述第一位置点都计算得到对应初始差异值；

步骤S422.将全部所述初始差异值相加并除以所述初始差异值的总个数以得到第一差异值。

5.根据权利要求1所述的泵汽蚀状态监测诊断方法，其特征在于，所述步骤S5中的泵汽蚀状态识别模型具体为LeNet-5卷积神经网络。

6.一种泵汽蚀状态监测诊断系统，其特征在于，包括：

振动信号采集降噪模块，用于采集泵运行时的初始振动信号，通过所述初始振动信号得到初始振动信号组，并对所述初始振动信号组进行降噪处理以得到二次振动信号组；

标准振动信号获取模块，用于对所述二次振动信号组进行数据分割处理以得到多组标准振动信号组；

第一RGB通道图像获取模块，用于通过所述标准振动信号组获取初始R通道图像、初始G通道图像和初始B通道图像；

第二RGB通道图像获取模块，用于将所述初始R通道图像、初始G通道图像和初始B通道图像进行卷积处理以得到R通道图像、G通道图像和B通道图像；

待识别单通道图像确定模块，用于将所述R通道图像或所述G通道图像或所述B通道图像确定为待识别单通道图像；

泵汽蚀状态识别模块，用于将所述待识别单通道图像输入泵汽蚀状态识别模型，并通过所述泵汽蚀状态识别模型输出泵汽蚀状态识别结果，所述泵汽蚀状态识别结果为已汽蚀或未汽蚀。

7.根据权利要求6所述的泵汽蚀状态监测诊断系统，其特征在于，所述标准振动信号获取模块包括：

总数据点个数确定单元，用于确定标准振动信号组的总数据点个数，所述总数据点个数为N1个；

间隔数据点个数确定单元，用于确定间隔数据点个数，所述间隔数据点个数为N2个；

第一i值设置单元，用于将i的初始值设置为1；

标准振动信号确定单元，用于获取二次振动信号组中的前N1个数据点，并将所述前N1个数据点确定为第i组标准振动信号；

二次振动信号更新单元，用于将所述二次振动信号组中的前N2个数据点删除以形成新的二次振动信号组；

第二i值设置单元，用于将i的值进行加一处理。

8.根据权利要求6所述的泵汽蚀状态监测诊断系统，其特征在于，所述待识别单通道图像确定模块包括：

总图像个数确定单元，用于确定R通道图像的总图像个数，所述总图像个数为J个；

第一j值设置单元，用于将j的初始值设置为1；

第一差异值获取单元，用于获取第j个R通道图像与第j个未汽蚀R通道图像的第一差异值；

第二差异值获取单元，用于获取第j个G通道图像与第j个未汽蚀G通道图像的第二差异值；

第三差异值获取单元，用于获取第j个B通道图像与第j个未汽蚀B通道图像的第三差异值；

最大差异值确定单元，用于将所述第一差异值、第二差异值、第三差异值中的最大值作为第j个最大差异值；

j值判定单元，用于判定j的值是否等于总图像个数J；

第二j值设置单元，用于当j的值不等于总图像个数J时，将j的值进行加一处理；

次数值确定单元，用于统计第一差异值作为最大差异值的次数以得到第一次数值，统计第二差异值作为最大差异值的次数以得到第二次数值，统计第三差异值作为最大差异值的次数以得到第三次数值；

待识别单通道图像确定单元，用于将所述第一次数值、第二次数值、第三次数值进行比对，当所述第一次数值最大时，将所述R通道图像作为待识别单通道图像；当所述第二次数值最大时，将所述G通道图像作为待识别单通道图像；当所述第三次数值最大时，将所述B通道图像作为待识别单通道图像。

9.根据权利要求8所述的泵汽蚀状态监测诊断系统，其特征在于，所述第一差异值获取单元包括：

初始差异值确定次单元，用于获取第j个R通道图像上第一位置点的第一像素值，并获取第j个未汽蚀R通道图像上与所述第一位置点对应的第二位置点的第二像素值，将所述第一像素值与所述第二像素值的差值绝对值作为初始差异值；

第一差异值确定次单元，用于将全部所述初始差异值相加并除以所述初始差异值的总个数以得到第一差异值。

10.根据权利要求6所述的泵汽蚀状态监测诊断系统，其特征在于，所述泵汽蚀状态识别模块中的泵汽蚀状态识别模型具体为LeNet-5卷积神经网络。