CN117473338B - 一种核电用泵机运行监测方法及系统 - Google Patents
一种核电用泵机运行监测方法及系统 Download PDFInfo
- Publication number
- CN117473338B CN117473338B CN202311796740.6A CN202311796740A CN117473338B CN 117473338 B CN117473338 B CN 117473338B CN 202311796740 A CN202311796740 A CN 202311796740A CN 117473338 B CN117473338 B CN 117473338B
- Authority
- CN
- China
- Prior art keywords
- key point
- correlation
- noise
- monitoring
- nuclear power
- 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.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000006870 function Effects 0.000 claims description 12
- 238000013507 mapping Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 6
- 238000000354 decomposition reaction Methods 0.000 claims description 5
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
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
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Mechanical Engineering (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明涉及振动信号监测技术领域，具体涉及一种核电用泵机运行监测方法及系统。该发明根据每个关键点位的每一阶段下本征模态分量和原始振动信号的相关系数、本征模态分量的周期性以及极值的分布波动特征，获得每个关键点位的噪声潜在影响程度；根据每个关键点位与每个其他关键点位之间原始振动信号的整体相似性和阶段相似性、对应本征模态分量的数量差异以及噪声潜在影响程度，获得每个关键点位的持续相关性；进而获得每个关键点位的参考置信度；对核电用泵机进行运行监测。本发明通过获得参考置信度较高的关键点，可以有针对性地实行监测方法，提高运行监测效率。
Description
技术领域
本发明涉及振动信号监测技术领域，具体涉及一种核电用泵机运行监测方法及系统。
背景技术
核电用泵作为核电站中各系统介质的输送枢纽，不仅要保证核电站整体的正常运作，更要严格确保核电用泵自身运行时的稳定性。核电用泵在运行过程中会产生振动信号，这些振动信号携带着大量关于设备运行状态的信息，当设备发生故障或潜在问题时，会导致振动信号的变化，通过持续监测设备振动信号，并实时分析这些信号，可以及早发现潜在的故障迹象，为监测提供更快的预警，使运维人员能够及时采取措施进行维护或修复，并且使用振动信号分析进行监测是一种非侵入性的方法，无需停机拆卸设备。
在现有技术中，通过在关键点安置传感器获得运行过程中的振动数据，来分析设备运行状态，减少了对核电用泵运行的干扰和影响；但由于不同关键点在泵机上的位置不同，采集到的振动信号质量也不同，因此不同关键点对通过振动信号进行泵机运行监测时的参考价值是不同的，没有获取提供参考信息较准确的关键点，导致对核电用泵机运行监测的准确性较差。
发明内容
为了解决未获取采集信号的参考价值较高的关键点，导致运行监测效果较差的技术问题，本发明的目的在于提供一种核电用泵机运行监测方法及系统，所采用的技术方案具体如下：
本发明提出了一种核电用泵机运行监测方法，所述方法包括：
获取运行过程中核电用泵机不同关键点位的振动数据；所述振动数据作为原始振动信号；
对每个关键点位的所述原始振动信号进行分解，获得每个关键点位的本征模态分量，每个关键点位的每个本征模态分量按照频率大小划分阶段；根据每个关键点位的每一阶段下所述本征模态分量和所述原始振动信号的相关系数、所述本征模态分量的周期性以及极值的分布波动特征，获得每个关键点位的噪声潜在影响程度；根据每个关键点位与每个其他关键点位之间原始振动信号的整体相似性和阶段相似性、对应所述本征模态分量的数量差异以及所述噪声潜在影响程度，获得每个关键点位的持续相关性；
根据每个关键点位的所述噪声潜在影响程度和所述持续相关性获得每个关键点位的参考置信度；
根据每个关键点位的所述参考置信度对核电用泵机进行运行监测。
进一步地，所述噪声潜在影响程度的获取方法包括：
根据噪声潜在影响程度的获取公式获得噪声潜在影响程度，噪声潜在影响程度的获取公式为：
；其中，/>表示关键点位的噪声潜在影响程度；/>表示关键点位的本征模态分量的数量；/>表示第/>个阶段的本征模态分量和原始振动信号的相关系数；/>表示第/>个阶段的本征模态分量的平均周期长度；表示第/>个阶段的本征模态分量的总长度；/>表示第/>个阶段的本征模态分量的局部极大值出现的间隔时间的标准差；/>表示第/>个阶段的本征模态分量的局部极大值的标准差；表示第/>个阶段的本征模态分量的局部极小值出现的间隔时间的标准差；/>表示第/>个阶段的本征模态分量的局部极小值的标准差；/>表示以自然常数为底的指数函数；/>表示调节参数。
进一步地，所述持续相关性的获取方法包括：
根据持续相关性的获取公式获得持续相关性，持续相关性的获取公式为：
；其中，/>表示第/>个关键点位的持续相关性；/>表示第/>个关键点位与第/>个其他关键点位之间原始振动信号的相关系数；/>表示第/>个关键点位的噪声潜在影响程度；/>表示第/>个其他关键点位的噪声潜在影响程度；/>表示关键点位的数量；/>表示第/>个关键点位与第/>个其他关键点位之间在第/>个相同阶段下本征模态分量的相关系数；/>表示第/>个关键点位与第/>个其他关键点位之间含有相同阶段的本征模态分量的数量；/>表示第/>个关键点位与第/>个其他关键点位之间本征模态分量的数量差异；/>表示以自然常数为底的指数函数；/>表示调节参数。
进一步地，所述参考置信度的获取方法包括：
计算每个关键点位的噪声潜在影响程度与持续相关性的比值，并进行负相关映射，获得每个关键点位的参考置信度。
进一步地，所述根据每个关键点位的参考置信度对核电用泵机进行运行监测包括：
比较参考置信度与预设参考置信度阈值，若参考置信度大于或等于预设参考置信度阈值，对应的关键点位加强运行监测和分析的频率；若参考置信度小于预设参考置信度阈值，对应的关键点位不利于运行监测。
进一步地，所述本征模态分量的获取方法包括：
对每个关键点位的所述原始振动信号进行EMD分解，获得每个关键点位的本征模态分量。
进一步地，所述相关系数为皮尔逊相关系数。
进一步地，所述负相关映射的方法是通过以自然常数为底的指数函数进行负相关映射。
进一步地，所述预设参考置信度阈值取经验值为0.8。
本发明还提出了一种核电用泵机运行监测系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现任意一项所述一种核电用泵机运行监测方法的步骤。
本发明具有如下有益效果：
本发明为了对信号的动态行为进行更全面的了解，能够处理较复杂的原始振动信号，对每个关键点位的原始振动信号进行分解，获得每个关键点位的本征模态分量，每个关键点位的每个本征模态分量按照时间变化特征划分阶段；不同位置的采集到的信号质量是不同的，受到很多外在因素的影响，根据每个关键点位的每一阶段下本征模态分量和原始振动信号的相关系数、本征模态分量的周期性以及极值的分布波动特征，获得每个关键点位的噪声潜在影响程度，定量地衡量噪声对关键点位的振动数据的影响；因为不同关键点在机械结构和运行结构上存在相互关联的特点，根据每个关键点位与每个其他关键点位之间原始振动信号的整体相似性和阶段相似性、对应本征模态分量的数量差异以及噪声潜在影响程度，获得每个关键点位的持续相关性，确定不同关键点位之间的相互影响关系，判断哪个关键点处的振动模式可以对全局振动进行估计；进一步获得每个关键点位的参考置信度，评估每个关键点位的可信度，有助于提高监测结果的准确性和可靠性；对核电用泵机进行运行监测，及时发现异常和潜在故障，提高核电用泵机的安全性和可靠性。本发明通过获得参考置信度较高的关键点，可以有针对性地实行监测方法，提高运行监测效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
图1为本发明一个实施例所提供的一种核电用泵机运行监测方法的流程图；
图2为本发明一个实施例所提供的一种关键点位分布和振动传播路径的示意图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种核电用泵机运行监测方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种核电用泵机运行监测方法及系统的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种核电用泵机运行监测方法的流程图，具体方法包括：
步骤S1：获取运行过程中核电用泵机不同关键点位的振动数据；振动数据作为原始振动信号。
在本发明的实施例中，为了可以对核电用泵机的运行状态进行监测，及时发现设备存在的问题，在核电用泵机的驱动端、非驱动端轴承和泵机道系统连接处等关键点的相应位置处安装传感器，安装位置需要根据关键点位置处的几何结构进行调整，开启传感器并连接到局部网络，在泵机运行时实时采集各个关键点位置处的振动数据并记录；获取运行过程中核电用泵机不同关键点位的振动数据；振动数据作为原始振动信号。
步骤S2：对每个关键点位的原始振动信号进行分解，获得每个关键点位的本征模态分量，每个关键点位的每个本征模态分量按照频率大小划分阶段；根据每个关键点位的每一阶段下本征模态分量和原始振动信号的相关系数、本征模态分量的周期性以及极值的分布波动特征，获得每个关键点位的噪声潜在影响程度；根据每个关键点位与每个其他关键点位之间原始振动信号的整体相似性和阶段相似性、对应本征模态分量的数量差异以及噪声潜在影响程度，获得每个关键点位的持续相关性。
为了更好地理解和分析信号中的不同组成部分，可以将复杂的振动信号分解成一组简单的振动模式，反映信号中的某种特定的振动模式，便于对信号进行分析和理解；对每个关键点位的原始振动信号进行分解，获得每个关键点位的本征模态分量，每个关键点位的每个本征模态分量按照频率大小特征划分阶段。
优选地，在本发明的一个实施例中，本征模态分量的获取方法包括：
EMD分解是一种对非平稳信号进行平稳化处理的一种手段，其结果是将信号中不同尺度的波动和趋势进行逐级分解，产生若干数量的本征模态分量和一个残差信号分量。对每个关键点位的原始振动信号进行EMD分解，获得每个关键点位的本征模态分量。具体EMD分解为本领域技术人员熟知的技术手段，在此不做赘述。
由于噪声的影响具有非局部性，即原始振动信号中的噪声会对多个本征模态分量产生影响，如果在噪声对各个本征模态分量的影响是较小的，采集的原始振动信号在不同条件下均保持稳定性，受到噪声潜在影响程度也较小；原始振动信号产生的波动较大，使得振荡幅度变得不稳定，本征模态分量出现极值的时间间隔变得不规律或不确定，越可能存在噪声的干扰，受噪声潜在影响程度越大；本征模态分量的周期性越强，对应的信号更稳定，具有一定的规律性和预测性，通过分析分量的周期性，可以更好地提取有用的信号信息，并降低噪声干扰对信号的影响；根据每个关键点位的每一阶段下本征模态分量和原始振动信号的相关系数、本征模态分量的周期性以及极值的分布波动特征，获得每个关键点位的噪声潜在影响程度。
优选地，在本发明的一个实施例中，噪声潜在影响程度的获取方法包括：
根据噪声潜在影响程度的获取公式获得噪声潜在影响程度，噪声潜在影响程度的获取公式为：
；
其中，表示关键点位的噪声潜在影响程度；/>表示关键点位的本征模态分量的数量；/>表示第/>个阶段的本征模态分量和原始振动信号的相关系数；/>表示第/>个阶段的本征模态分量的平均周期长度；/>表示第/>个阶段的本征模态分量的总长度；/>表示第/>个阶段的本征模态分量的局部极大值出现的间隔时间的标准差；/>表示第/>个阶段的本征模态分量的局部极大值的标准差；/>表示第/>个阶段的本征模态分量的局部极小值出现的间隔时间的标准差；/>表示第/>个阶段的本征模态分量的局部极小值的标准差；/>表示以自然常数为底的指数函数；/>表示调节参数，取经验值为1。
在噪声潜在影响程度的获取公式中，表示本征模态分量的平均周期长度与总长度的比值，平均周期长度越大于总长度，比值越大，本征模态分量的周期性越强，通过以自然常数为底的指数函数将/>进行负相关映射，比值越大，受噪声潜在影响程度越小；本征模态分量的局部极值出现的间隔时间和大小越不一致，对应的标准差越大，信号越不稳定，/>和/>越小，本征模态分量越可能受到噪声的干扰，噪声潜在影响程度越大；本征模态分量和原始振动信号的相关系数越大，说明本征模态分量受到较大的噪声影响时，关键点位的原始振动信号相应地受到噪声潜在影响程度越大。
需要说明的是，在本发明的一个实施例中，相关系数为皮尔逊相关系数；皮尔逊相关系数可以用来比较不同数据的相关性，无论数据本身的大小如何，都可以得到一个在-1和1之间的相关系数。
因为每个关键点所采集到的振动数据只是所在位置体现出的局部振动，并不能代表全局的振动情况，而且核电用泵机由于其自身结构的复杂性，很难在非侵入的情况下做到对全局振动信号的采集，所以需要对关键点位之间的关系进行分析。如图2，给出了一种关键点位分布和振动传播路径的示意图，虚线表示关键点在用泵机上的不同位置，运作过程中不同关键点看成顺序连接的节点，运作产生的振动沿着节点1、节点2、节点3和节点4进行传递，形成振动传播路径。
由于每个关键点所在核电用泵机上的位置不同，每个关键点位采集的振动数据质量也是不同，当每个关键点位受到噪声潜在影响程度越大，对应采集到的振动数据质量也较差，不利于对关键点位的相关性进行分析；关键点位受到整体运作产生的振动影响结合自身局部振动来输出关键点位的振动信号，因此不同关键点在机械结构和运行结构上存在相互关联的特点，其振动模式可能在全局范围内具有相似性；所以通过考虑关键点位之间两者本征模态分量之间所体现出的关系，使得对原始振动信号的动态行为进行更全面的了解。根据每个关键点位与每个其他关键点位之间原始振动信号的整体相似性和阶段相似性、对应本征模态分量的数量差异以及噪声潜在影响程度，获得每个关键点位的持续相关性。
优选地，在本发明的一个实施例中，持续相关性的获取方法包括：
根据持续相关性的获取公式获得持续相关性，持续相关性的获取公式为：
；
其中，表示第/>个关键点位的持续相关性；/>表示第/>个关键点位与第/>个其他关键点位之间原始振动信号的相关系数；/>表示第/>个关键点位的噪声潜在影响程度；/>表示第/>个其他关键点位的噪声潜在影响程度；/>表示关键点位的数量；/>表示第/>个关键点位与第/>个其他关键点位之间在第/>个相同阶段下本征模态分量的相关系数；/>表示第/>个关键点位与第/>个其他关键点位之间含有相同阶段的本征模态分量的数量；/>表示第/>个关键点位与第/>个其他关键点位之间本征模态分量的数量差异；/>表示以自然常数为底的指数函数；/>表示调节参数，取经验值为1。
在持续相关性的获取公式中，关键点位与其他关键点位之间的原始振动信号相关系数越大，说明关键点所在的位置更倾向于处在振动传播路径上，对进行振动信号监测时的参考价值较大；对应相同阶段下本征模态分量之间的相关系数越大，说明关键点位之间振动模式的相似性越大，越倾向于处在相似的振动传播路径上，在某些频率范围内具有相似的动态特性，持续相关性越大；表示第/>个其他关键点位与第/>个关键点位之间的噪声潜在影响程度的比值，通过以自然常数为底的指数函数将/>进行负相关映射，比值越大，关键点位相对于其他关键点位的噪声潜在影响程度越小，其他关键点位对于该关键点位的振动相关性的贡献越小，越需要被削弱关键点位之间的相关关系；比值越小，关键点位之间的振动信号所提供的信息越具有参考价值，对振动相关性的贡献越大，持续相关性越大；关键点位之间的本征模态分量的数量差异越大，两个关键点位之间的相关性存在差异越大，越可能受到不同程度的噪声干扰影响，关键点位的持续相关性越差。
需要说明的是，在发明的一个实施例中，相关系数为皮尔逊相关系数；本发明的其他实施例中也可通过其他基础数学运算构建正负相关关系，具体手段为本领域技术人员熟知的技术手段，在此不做赘述。
步骤S3：根据每个关键点位的噪声潜在影响程度和持续相关性获得每个关键点位的参考置信度。
不同关键点位所采集到的振动数据，相互之间进行振动信号监测时的参考价值是不同的，振动数据受到噪声潜在影响程度越小，对应的关键点位采集的振动数据越有可能在不同条件下保持稳定性，进行监测分析的参考价值就越高；关键点位的持续相关性越高，在此处的振动模式越相似，可以对全局进行良好的估计，更全面地监测振动的传播和影响，从而对进行振动信号监测时的参考价值较大。通过对噪声潜在影响程度和持续相关性进行分析，分析每个关键点位进行振动信号监测的可靠性，根据每个关键点位的噪声潜在影响程度和持续相关性获得每个关键点位的参考置信度。
优选地，在本发明的一个实施例中，参考置信度的获取方法为：
计算每个关键点位的噪声潜在影响程度与持续相关性的比值，并进行负相关映射，获得每个关键点位的参考置信度。在本发明的一个实施例中，参考置信度的公式表示为：
；
其中，表示关键点位的参考置信度；/>表示关键点位的噪声潜在影响程度；/>表示关键点位的持续相关性；/>表示以自然常数为底的指数函数。
在参考置信度的公式中，关键点位的噪声潜在影响程度越小，信号的质量越高，参考价值越高；关键点位的持续相关性越大，该关键点位与其他关键点位之间的信号越相关，在全局范围内参考价值越大；通过以自然常数为底的指数函数将进行负相关映射，噪声潜在影响程度越小，持续相关性越大，关键点位的参考置信度越大，可以更全面地监测振动的传播和影响。
需要说明的是，在本发明的其他实施例中也可通过其他基础数学运算构建正负相关关系，具体手段为本领域技术人员熟知的技术手段，在此不做赘述。
步骤S4：根据每个关键点位的参考置信度对核电用泵机进行运行监测。
参考置信度可以用于评估每个关键点位的状态可靠性，从而更好地判断泵机的运行状态；通过对核电用泵机的运行状态进行实时监测，可以及时发现异常情况，并采取相应的措施进行故障诊断和预警。根据每个关键点位的参考置信度对核电用泵机进行运行监测。
优选地，在本发明的一个实施例中，根据每个关键点位的参考置信度对核电用泵机进行运行监测包括：
比较参考置信度与预设参考置信度阈值，若参考置信度大于或等于预设参考置信度阈值，对应的关键点位加强监测和分析的频率；若参考置信度小于预设参考置信度阈值，对应的关键点位不利于运行监测，需要更谨慎的分析监测结果，增加监测手段。
需要说明的是，在本发明的一个实施例中，预设参考置信度阈值取经验值为0.8；在本发明的其他实施例中，预设参考置信度阈值的大小可根据具体情况具体设置，在此不做限定及赘述。
综上所述，本发明根据每个关键点位的每一阶段下本征模态分量和原始振动信号的相关系数、本征模态分量的周期性以及极值的分布波动特征，获得每个关键点位的噪声潜在影响程度；根据每个关键点位与每个其他关键点位之间原始振动信号的整体相似性和阶段相似性、对应本征模态分量的数量差异以及噪声潜在影响程度，获得每个关键点位的持续相关性；进而获得每个关键点位的参考置信度；对核电用泵机进行运行监测。本发明通过获得参考置信度较高的关键点，可以有针对性地实行监测方法，提高运行监测效率。
本发明还提出了一种核电用泵机运行监测系统，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时，实现任意一项一种核电用泵机运行监测方法的步骤。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
Claims (7)
1.一种核电用泵机运行监测方法，其特征在于，所述方法包括：
获取运行过程中核电用泵机不同关键点位的振动数据；所述振动数据作为原始振动信号；
对每个关键点位的所述原始振动信号进行分解，获得每个关键点位的本征模态分量，每个关键点位的每个本征模态分量按照频率大小划分阶段；根据每个关键点位的每一阶段下所述本征模态分量和所述原始振动信号的相关系数、所述本征模态分量的周期性以及极值的分布波动特征，获得每个关键点位的噪声潜在影响程度；根据每个关键点位与每个其他关键点位之间原始振动信号的整体相似性和阶段相似性、对应所述本征模态分量的数量差异以及所述噪声潜在影响程度，获得每个关键点位的持续相关性；
根据每个关键点位的所述噪声潜在影响程度和所述持续相关性获得每个关键点位的参考置信度；
根据每个关键点位的所述参考置信度对核电用泵机进行运行监测；
所述噪声潜在影响程度的获取方法包括：
根据噪声潜在影响程度的获取公式获得噪声潜在影响程度，噪声潜在影响程度的获取公式为：
；其中，/>表示关键点位的噪声潜在影响程度；/>表示关键点位的本征模态分量的数量；/>表示第/>个阶段的本征模态分量和原始振动信号的相关系数；/>表示第/>个阶段的本征模态分量的平均周期长度；/>表示第/>个阶段的本征模态分量的总长度；/>表示第/>个阶段的本征模态分量的局部极大值出现的间隔时间的标准差；/>表示第/>个阶段的本征模态分量的局部极大值的标准差；/>表示第/>个阶段的本征模态分量的局部极小值出现的间隔时间的标准差；/>表示第/>个阶段的本征模态分量的局部极小值的标准差；/>表示以自然常数为底的指数函数；/>表示调节参数；
所述持续相关性的获取方法包括：
根据持续相关性的获取公式获得持续相关性，持续相关性的获取公式为：
；其中，/>表示第/>个关键点位的持续相关性；/>表示第/>个关键点位与第/>个其他关键点位之间原始振动信号的相关系数；/>表示第/>个关键点位的噪声潜在影响程度；/>表示第/>个其他关键点位的噪声潜在影响程度；/>表示关键点位的数量；/>表示第/>个关键点位与第/>个其他关键点位之间在第/>个相同阶段下本征模态分量的相关系数；/>表示第/>个关键点位与第/>个其他关键点位之间含有相同阶段的本征模态分量的数量；/>表示第/>个关键点位与第/>个其他关键点位之间本征模态分量的数量差异；/>表示以自然常数为底的指数函数；/>表示调节参数；
所述参考置信度的获取方法包括：
计算每个关键点位的噪声潜在影响程度与持续相关性的比值，并进行负相关映射，获得每个关键点位的参考置信度。
2.根据权利要求1所述的一种核电用泵机运行监测方法，其特征在于，所述根据每个关键点位的参考置信度对核电用泵机进行运行监测包括：
比较参考置信度与预设参考置信度阈值，若参考置信度大于或等于预设参考置信度阈值，对应的关键点位加强运行监测和分析的频率；若参考置信度小于预设参考置信度阈值，对应的关键点位不利于运行监测。
3.根据权利要求1所述的一种核电用泵机运行监测方法，其特征在于，所述本征模态分量的获取方法包括：
对每个关键点位的所述原始振动信号进行EMD分解，获得每个关键点位的本征模态分量。
4.根据权利要求1所述的一种核电用泵机运行监测方法，其特征在于，所述相关系数为皮尔逊相关系数。
5.根据权利要求1所述的一种核电用泵机运行监测方法，其特征在于，所述负相关映射的方法是通过以自然常数为底的指数函数进行负相关映射。
6.根据权利要求2所述的一种核电用泵机运行监测方法，其特征在于，所述预设参考置信度阈值取经验值为0.8。
7.一种核电用泵机运行监测系统，所述系统包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1~6任意一项所述一种核电用泵机运行监测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311796740.6A CN117473338B (zh) | 2023-12-25 | 2023-12-25 | 一种核电用泵机运行监测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311796740.6A CN117473338B (zh) | 2023-12-25 | 2023-12-25 | 一种核电用泵机运行监测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117473338A CN117473338A (zh) | 2024-01-30 |
| CN117473338B true CN117473338B (zh) | 2024-03-08 |
Family
ID=89627741
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311796740.6A Active CN117473338B (zh) | 2023-12-25 | 2023-12-25 | 一种核电用泵机运行监测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117473338B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117847021B (zh) * | 2024-03-08 | 2024-05-24 | 苏州众志新环冷却设备有限公司 | 一种离心风机风轮噪声降噪方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020151169A1 (zh) * | 2019-01-23 | 2020-07-30 | 苏州美糯爱医疗科技有限公司 | 一种电子听诊器的摩擦音干扰自动消除方法 |
| CN112098128A (zh) * | 2020-09-08 | 2020-12-18 | 天津大学 | 基于噪声和振动的动力机械设备故障和能耗分析方法 |
| CN112733603A (zh) * | 2020-12-11 | 2021-04-30 | 江苏大学 | 一种基于改进vmd与svm的变频涡旋压缩机故障诊断方法 |
| CN116750290A (zh) * | 2023-08-14 | 2023-09-15 | 青岛义龙包装机械有限公司 | 一种袋式包装机的运行状态智能监测方法 |
-
2023
- 2023-12-25 CN CN202311796740.6A patent/CN117473338B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020151169A1 (zh) * | 2019-01-23 | 2020-07-30 | 苏州美糯爱医疗科技有限公司 | 一种电子听诊器的摩擦音干扰自动消除方法 |
| CN112098128A (zh) * | 2020-09-08 | 2020-12-18 | 天津大学 | 基于噪声和振动的动力机械设备故障和能耗分析方法 |
| CN112733603A (zh) * | 2020-12-11 | 2021-04-30 | 江苏大学 | 一种基于改进vmd与svm的变频涡旋压缩机故障诊断方法 |
| CN116750290A (zh) * | 2023-08-14 | 2023-09-15 | 青岛义龙包装机械有限公司 | 一种袋式包装机的运行状态智能监测方法 |
Non-Patent Citations (2)
| Title |
|---|
| Contact point response-based indirect bridge health monitoring using robust empirical mode decomposition;Premjeet Singh et al.;Journal of Sound and Vibration;20230929;全文 * |
| 高超声速飞行器模型振动及传力特性研究;文娟 等;振动、测试与诊断;20151031;第35卷(第5期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117473338A (zh) | 2024-01-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wang et al. | Statistical modeling of bearing degradation signals | |
| Yu | Health condition monitoring of machines based on hidden Markov model and contribution analysis | |
| CN117473338B (zh) | 一种核电用泵机运行监测方法及系统 | |
| Yan et al. | Permutation entropy: A nonlinear statistical measure for status characterization of rotary machines | |
| US6957172B2 (en) | Complex signal decomposition and modeling | |
| US9833196B2 (en) | Apparatus, system, and method for detecting activities and anomalies in time series data | |
| US7613576B2 (en) | Using EMI signals to facilitate proactive fault monitoring in computer systems | |
| Georgoulas et al. | Principal Component Analysis of the start-up transient and Hidden Markov Modeling for broken rotor bar fault diagnosis in asynchronous machines | |
| Li et al. | Health condition monitoring and early fault diagnosis of bearings using SDF and intrinsic characteristic-scale decomposition | |
| Popescu et al. | Fault detection of rolling element bearings using optimal segmentation of vibrating signals | |
| CN117272210A (zh) | 一种建筑施工异常隐患数据检测方法及系统 | |
| Attoui et al. | Novel machinery monitoring strategy based on time–frequency domain similarity measurement with limited labeled data | |
| Li et al. | Condition monitoring of rotating machines under time-varying conditions based on adaptive canonical variate analysis | |
| Schmidt et al. | Localised gear anomaly detection without historical data for reference density estimation | |
| CN112648220A (zh) | 一种基于小波-近似熵的风机故障诊断方法 | |
| Aftab et al. | Improved oscillation detection via noise-assisted data analysis | |
| Zhang et al. | Operation conditions monitoring of flood discharge structure based on variance dedication rate and permutation entropy | |
| Lu et al. | Early fault warning and identification in condition monitoring of bearing via wavelet packet decomposition coupled with graph | |
| JP7188143B2 (ja) | 異常予兆検出システム、異常予兆検出方法 | |
| CN117848488A (zh) | 一种设备振动数据在线处理方法 | |
| Liu et al. | DLVR-NWP: a novel data-driven bearing degradation model for RUL estimation | |
| Leite et al. | A robust fleet-based anomaly detection framework applied to wind turbine vibration data | |
| US20210357478A1 (en) | Non-transitory computer-readable storage medium, impact calculation device, and impact calculation method | |
| Zhang et al. | Detection capability for incipient faults in a noisy environment using PDF and CDF based techniques: a comparative study | |
| Zhang et al. | Dynamic evaluation of degradation space variation for machine condition monitoring |
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 |