[发明专利]一种离心泵诊断信号采集系统及故障诊断方法

说明书

该发明公开了一种离心泵诊断信号采集系统及故障诊断方法，属于离心泵故障诊断研究的技术领域。本发明核心在于将采集信号各频段能量百分比代替传统的频段能量作为特征向量，在一定程度上削弱信号频段能量绝对值大小造成的地位不平等；对于神经网络的隐含层神经元个数和函数分布密度都加入遍历算法进行优化，使得在遍历范围内总可以自动找到最佳参数设置点，可以使得该方法更广泛适用于不同型号的离心泵。所以本发明的离心泵故障诊断信号采集系统装置结构简单，加速度信号和压力脉动信号采集全面，系统性能可靠、准确有效。

技术领域

本发明属于离心泵故障诊断研究的技术领域，涉及一种离心泵故障诊断方法以及故障诊断信号采集系统。

背景技术

离心泵广泛应用于各种工业领域中，依靠叶轮旋转时产生的离心力来输送液体。在工业生产中，离心泵与其他设备之间的联系也越来越紧密，其结构复杂，再加上各种随机因素的影响，离心泵容易发生各式各样的故障，使得其功能降低。

在对离心泵进行故障诊断时，目前往往是采用振动信号来进行判断，比如位移信号、速度信号以及加速度信号，这是因为正常运行以及发生故障的离心泵会使设备产生不同振动，而不同振动信号能很好地反映出离心泵运行时机械部件的状况，该类信号中包含了丰富的泵体运行状态信息。但另一方面来说，振动信号却很难反应出离心泵发生初期汽蚀或是汽蚀程度不严重时的故障情况，这种情况下单单采用振动信号将导致无法及时地获取到离心泵运行时的汽蚀状况，进而可能造成更严重的故障。并且在实际工程中，离心泵型号多种多样，运用完全相同的故障诊断方法，倘若参数全部固定，那么可能出现对于不同型号离心泵，诊断效果出现很大差异的情况。这样一来，离心泵故障诊断的准确性就降低了。

现有技术中公开了”Fault diagnosis of pumps based on wavelet analysisand BP neural network”Jiang Dan，Yu Jian，Ren Cong，Hao Xiaohong，本文章公开的基于小波分析和BP 神经网络的水泵故障诊断方法，只采集了离心机的一处加速度信号，采用小波能量分析提取加速度信号的能量，再采用训练好的BP神经网络实时对提取的能量进行判断，通过神经网络的输出，最终判断是否故障，也不能判断具体的故障类型。

发明内容

本发明针对背景技术中提取信号种类少，不能判断故障种类的缺陷，提出了一种能够有效、准确诊断离心泵故障的方法，并提供上述方法所需要的，结构简单且信号采集全面，真实有效的离心泵振动信号采集系统。

解决其技术问题所采用的技术方案是：一种基于神经网络的离心泵故障诊断方法。其特殊之处在于同时采集压力脉动信号和加速度信号作为离心泵故障诊断信号，离心泵故障诊断特征量的确定方式以及在神经网络中加入网络隐含层神经元个数和函数分布密度的遍历算法进行网络优化这三个方面。搭建的离心泵故障诊断系统如图1所示，其加速度传感器的安装位置如图2所示，整体故障诊断技术路线流程图如图3所示。因而本发明技术方案为一种离心泵故障诊断方法，该方法包括：

步骤1：分别采集离心泵泵轴位置的加速度信号、离心泵联轴器位置的加速度信号、离心泵基座位置的加速度信号、离心泵入口压力脉动信号和离心泵出口压力脉动信号；

步骤2：采用下式对步骤1采集到的5种信号分别进行去噪处理；

其中：W_j(a,b)表示去噪后的信号，X_j(t)表示步骤1中采样得到的信号，j表示5种采集信号的编号取值为1、2、3、4或5，a为伸缩因子，b是平移因子，ψ(t)是去噪函数，是ψ(t)的复共轭；ψ(t)可表示为：

步骤3：对步骤2去噪后的信号进行分频段能量提取；