[发明专利]一种基于非线性混合模型的冷却塔声学诊断方法

说明书

技术领域

 本发明涉及一种化工设备故障诊断方法，特别是涉及一种基于非线性混合模型的冷却塔声学诊断方法。

背景技术

冷却塔是建筑、冶金、制药、化工等行业常用的设备之一，它随着室外温湿度的变化会不断改变自身状态，在运行过程中存在着极其复杂的动态扰动，成为具有强烈动态特点的非线性系统。当声波与固体或直接作用在流体上产生振动时，不仅会影响周围环境，还可能与振动一起对设备产生巨大破坏，长期带故障运行的设备所辐射的噪声和振动耦合后形成了巨大的激振力。由此可见，研究冷却塔声学特性以及了解噪声来源与故障类型之间的联系对于系统的安全运行至关重要。

以往对于耦合诱发声辐射问题的研究，只有在描述耦合系统方程得到圆满解决的情况下，才能更系统、更直观地研究结构及其周围环境声场情况，但是实际往往缺乏各种求解条件，因此无法认识影响声辐射的主要因素。

发明内容

本发明的目的在于提供一种基于非线性混合模型的冷却塔声学诊断方法，本发明是基于非线性混合模型从观测信号中提取独立的声源信号，同时消除干扰成分，在实验台上分析风机辐射噪声的特点和大空间辐射声的混合模型通过声信号的频率特征识别冷却塔故障类型，为大型机器设备的声学诊断提供强有力的保证。

本发明的目的是通过以下技术方案实现的：

一种基于非线性混合模型的冷却塔声学诊断方法，所述方法包括以下过程：首先在非线性混合模型基础上研究通过最大化输出熵训练网络算法，然后在实验台上分析不同转速对盲分离结果的影响，认为高速旋转设备在低频区域提取故障信号特征相对可靠，风机噪声诊断不适合卷积混合模型；着在对某小区冷却塔进行实地诊断，当冷却塔运行参数发生微小变化后，信号处理系统能够自适应学习更新分离参数，通过声信号的频率特征识别冷却塔故障类型。

所述的一种基于非线性混合模型的冷却塔声学诊断方法，所述盲分离为大空间背景环境中设备群振动噪声信号混合交叉的盲分离，并验证算法的稳定性,将无用信号认为是干扰噪声分离出来，只提取期望的随机信号，根据独立性测度关系依次提取最显著的故障特征。

所述的一种基于非线性混合模型的冷却塔声学诊断方法，所述熵训练网络算法，经过改进后的卷积算法仍满足正交约束，应用卷积算法提取不对中和碰磨故障振动信号特征，实现了大空间设备群的振声诊断。

本发明的优点与效果是：

在冷却塔不断普及的今天，国内企业对冷却塔噪声的监测还没有成熟的产品，主要依赖进口，国内部分软件和测量仪器与国外相比还存在较大差距。同时，国外产品的设计环境与国内不同，无法提高冷却塔在特定环境中的运行可靠性。本发明能够快速准确地检测冷却塔的噪声来源和故障类型，保证冷却塔运行的安全性和高效性，延长冷却塔的使用寿命、减少其维护成本。同时本发明对大型的机器设备的噪声故障检测同样有效，特别适合于汽轮机、风力机、鼓风机等大型设备噪声的故障检测，可大大降低设备的故障率，经济效益明显。

附图说明

图1为本发明背景噪声示意图；

图2(a) 、(b)为有、无故障的信号比较示意图；

图3 转速为500rpm的数据曲线图；

图4转速为1000rpm的数据曲线图；

图5 转速为1500rpm的数据曲线图；

图6 (a)、(b)为分离的声信号比较图。

注：本发明的附图为功能效果示意图，（仅供参考），图中的文字或数字不清晰并不影响对本发明技术方案的理解。

具体实施方式

下面结合实施例对本发明进行详细说明。

本发明冷却塔声学诊断方法是在非线性混合模型基础上研究通过实验台分析了不同转速对盲分离结果的影响，认为高速旋转设备在低频区域提取故障信号特征相对可靠，风机噪声诊断不适合卷积混合模型。接着在对某小区冷却塔进行实地诊断，当冷却塔运行参数发生微小变化后，信号处理系统能够自适应学习更新分离参数，通过声信号的频率特征识别冷却塔故障类型。本发明研究复杂的大空间背景环境中设备群振动噪声信号混合交叉的盲分离,验证算法的稳定性,将无用信号认为是干扰噪声分离出来,只提取期望的随机信号,再根据独立性测度关系依次提取最显著的故障特征,大大简化了计算过程。本发明经过改进后的卷积算法仍满足正交约束,应用卷积算法提取不对中和碰磨故障振动信号特征,实现了大空间设备群的振声诊断。因此该方法可操作性强、诊断快速、精度高。