[发明专利]一种铁水脱硫搅拌器的智能故障诊断方法及系统

权利要求书

1.一种铁水脱硫搅拌器的智能故障诊断方法，其特征在于，包括如下步骤：

S1.样本时域特征获取：

在铁水脱硫搅拌器桨杆上安装振动传感器，采集脱硫搅拌器在各种工作状态下的振动信号并记录；提取振动信号的时域参数作为初始特征；

S2.PCA特征降维处理：

将步骤S1中所述时域参数数据作为故障诊断的特征，采用PCA降维处理，对贡献率大于指定值的主成分保留作为样本特征，并与铁水脱硫搅拌器工作状态对应，由生成的n维主成分数据组成训练数据；

S3.训练BP网络分类器：

将生成的n维主成分数据作为特征信号输入BP网络，构建BP网络模型；

S4.故障诊断：

将未知工作状态下的原始数据经过PCA降维处理后，生成测试数据，输入所述BP网络模型，根据网络模型输出得到其工作状态，从而进行铁水脱硫搅拌器的故障诊断。

2.根据权利要求1所述铁水脱硫搅拌器的智能故障诊断方法，其特征在于，所述步骤S1的具体过程为：

a.在铁水脱硫传感器桨杆上安装振动传感器收集振动信号；

b.将收集的数据截取为相同长度，计算每组数据组的均值、均方根、偏度、峭度、脉冲因子、峰值因子、波形因子、裕度因子的时域参数；

c.将时域参数作为初始参数，组成m×n的矩阵，该矩阵由n个样本组成，每个样本包含m个变量，即m个时域特征参数。

3.根据权利要求1所述铁水脱硫搅拌器的智能故障诊断方法，其特征在于，所述步骤S2的具体过程为：

a.对每个样本数据进行标准化处理；

b.计算标准化矩阵的协方差矩阵；

c.计算前k个主成分的累计贡献率；

d.选取贡献率较大的主成分作为样本特征。

4.根据权利要求1所述铁水脱硫搅拌器的智能故障诊断方法，其特征在于，所述步骤S3的具体过程为：

a.正向前馈训练阶段；

b.反向误差修正阶段。

5.一种铁水脱硫搅拌器的智能故障诊断系统，其特征在于，所述系统包括：

第一振动传感器以及样本时域特征获取模块，用于提取振动信号的时域参数作为初始特征；

第二PCA特征降维处理模块，用于将所述时域参数数据作为故障诊断的特征，采用PCA降维处理，对贡献率大于指定值的主成分保留作为样本特征，并与铁水脱硫搅拌器工作状态对应，由生成的n维主成分数据组成训练数据；

第三BP网络分类器模块，用于将所述n维主成分数据作为特征信号输入BP网络，构建BP网络模型；

第四故障诊断模块，用于将未知工作状态下的原始数据经过PCA降维处理后，生成测试数据，输入所述BP网络模型，根据网络模型输出得到其工作状态，从而进行铁水脱硫搅拌器的故障诊断。

6.根据权利要求5所述铁水脱硫搅拌器的智能故障诊断系统，其特征在于，

所述振动传感器用于：

a.在铁水脱硫传感器桨杆上安装振动传感器收集振动信号；

所述样本时域特征获取模块用于：

b.将收集的数据截取为相同长度，计算每组数据组的均值、均方根、偏度、峭度、脉冲因子、峰值因子、波形因子、裕度因子的时域参数；

c.将时域参数作为初始参数，组成m×n的矩阵，该矩阵由n个样本组成，每个样本包含m个变量，即m个时域特征参数。

7.根据权利要求5所述铁水脱硫搅拌器的智能故障诊断系统，其特征在于，所述PCA特征降维处理模块具体包括：所述PCA特征降维处理模块用于:

a.对每个样本数据进行标准化处理；

b.计算标准化矩阵的协方差矩阵；

c.计算前k个主成分的累计贡献率；

d.选取贡献率较大的主成分作为样本特征。

8.根据权利要求5所述铁水脱硫搅拌器的智能故障诊断系统，其特征在于，所述BP网络分类器模块具体包括：所述BP网络分类器模块用于:

a.正向前馈训练阶段；

b.反向误差修正阶段。