[发明专利]基于无传感器监测技术的离心泵叶轮破损诊断方法及装置

权利要求书

1.一种基于无传感器监测技术的离心泵叶轮破损诊断方法，其特征在于：对于实际工况、设计工况下运行的离心泵驱动电机，按以下步骤计算出各自相关参数并进行比较：

步骤1，采集驱动电机的瞬态电流信号，并转化成电压信号，用于分析计算；

步骤2，对所采集的瞬态电流信号进行分析，利用奇异值分解剔除瞬态电流中的工频分量；

步骤3，对所采集的瞬态电流信号基于循环平稳理论进行分析，计算出循环自相关函数R_x(τ，α)，以及循环自相关函数R_x(τ，α)切片分量的标准差；

步骤4，比较实际工况下的标准差σ、设计工况下的标准差σ₀，当σ＞(1.05～1.10)σ₀时表示离心泵偏离设计工况运行，反之表示离心泵在设计工况点附近运行，则需进一步计算分析其运行状态；

步骤5，提取出叶片通过频率α₁处切片分量R_x(τ，α₁)，并作Fourier变换以获得主频分量幅值，比较实际工况下的主频分量幅值A₁、设计工况下无故障正常运行时的主频分量幅值当时表示叶轮发生破损，反之表示叶轮正常；再提取瞬态电流信号中N(N≤6)整数倍叶片通过频率对应的循环切片谱用于分析，以判断叶轮破损数目。

2.根据权利要求1所述的基于无传感器监测技术的离心泵叶轮破损诊断方法，其特征在于：步骤2具体为：

(1)假设以所采集的离散的瞬态电流信号序列构成矩阵A，对实数矩阵A∈R^m×n，存在正交矩阵V∈R^m×m和V∈R^m×n，则序列可构成矩阵：

A＝UΛy^T

式中，Λ为对角阵，Λ的秩为r，r≤min(m，n)，非零对角元素为矩阵A的奇异值元素，按降序排列；

(2)对矩阵A进行SVD分解，得到一系列奇异值σ_i和对应的子矩阵A_i，子矩阵A_i由奇异值向量u_i和v_i组成，每个向量u_i和v_i可构成一直角坐标系，因此矩阵A中的特征信息被分解到正交矢量u_i、v_i构成的一系列子空间中：

式中，u_i和v_i分别为矩阵A的第i个左奇异向量和右奇异向量，σ_i为矩阵A的第i个奇异值，A_i为子矩阵；

(3)电网频率分量是电流信号中的主要组成，因此对应第一子空间，而能反映离心泵运行特征信息的微弱信号则被分解到其余不同的子空间，由此将电网频率分量表示为分解后的第一分量：

式中，u₁、σ₁、为分解后的第一分量中的构造矩阵；

(4)在电流信号A中去除电网频率分量即可得到剔除电流中的工频分量的信号，表示为：

3.根据权利要求1所述的基于无传感器监测技术的离心泵叶轮破损诊断方法，其特征在于：步骤3中，

循环自相关函数R_x(τ，α)具体为：

循环自相关函数R_x(τ，α)切片分量的标准差具体为：

式中，*表示共轭，τ为时延因子，信号的二阶循环平稳特性表示为所有时间t满足R_x(t，τ)＝R_x(t+T，τ)，这里T₀是循环周期，α＝1/T为基础循环频率，N为R_x(τ，α)切片分量中点数，m_i表示各点的值，μ表示所有点的平均值，n表示-N到N的整数，j表示虚数。