[发明专利]一种气动调节阀鲁棒故障诊断方法

说明书

本发明公开了一种气动调节阀鲁棒故障诊断方法，首先，通过数据采集装置采集气动调节阀运行过程的气室压力与阀杆位移信号；然后，采用变分模态分解和多尺度熵方法分析过程信号，提取故障特征；最后，将提取的故障特征作为输入，采用鲁棒随机向量函数链接网络作为分类器，利用训练好的分类器，实现气动调节阀的鲁棒故障诊断。本发明降低了原始信号中的噪声干扰，减少了训练数据中的异常值和噪声对分类器性能的影响，能够获得较高的诊断精度和较低的漏诊率，提高了故障诊断的鲁棒性和泛化性。

技术领域

本发明涉及阀门故障检测与诊断领域，具体是一种气动调节阀鲁棒故障诊断方法。

背景技术

气动调节阀作为工业自动化控制系统的终端执行设备，广泛应用于石化、冶金、轻工、食品等行业，其故障检测与诊断关系到安全与生产。传统的故障检修方式是根据经验定期排查，这不仅浪费了大量的人力物力，还造成了大量的正常阀门因检修拆装而故障。如何利用气动调节阀运行过程数据，在非拆解的情况下实现故障的识别与诊断，是众多工程师关注的问题。近年来，许多数据驱动的气动调节阀故障诊断方法被提了出来，取得了较好的诊断效果。但是，如果过程数据中混有噪声时，现有数据驱动的气动调节阀故障诊断方法的性能将会大大降低。在实际工业过程中，受系统噪声、设备振动、测量仪表传感器故障以及其他异常干扰的影响，过程数据难免混杂不真实数据，具有离群点等异常样本。气动调节阀的工作环境往往十分恶劣，因内部噪声、外部干扰和测量误差等情况，过程数据常常混有噪声和异常值，这将极大地降低现有数据驱动故障诊断方法的诊断性能。

发明内容

发明目的：为了克服现有技术中存在的不足，本发明提供一种气动调节阀鲁棒故障诊断方法，可以减少过程数据中噪声和离群点对故障诊断的影响，获得较高的诊断精度和较低的故障漏诊率，提高故障诊断的鲁棒性和泛化性。

技术方案：为实现上述目的，本发明采用的技术方案为：

一种气动调节阀鲁棒故障诊断方法，首先，通过数据采集装置采集气动调节阀运行过程的气室压力与阀杆位移信号；然后，采用变分模态分解(VMD)和多尺度熵方法(MSE)分析过程信号，提取故障特征；最后，将提取的故障特征作为输入，采用鲁棒随机向量函数链接网络(RRVFLN)作为分类器，利用训练好的分类器，实现气动调节阀的鲁棒故障诊断，具体包括以下步骤：

步骤A、过程信号的采集：

在气动调节阀螺盖上方和气室供气孔处分别安装位移传感器和压力传感器，给定电流输入信号，通过位移传感器和压力传感器采集阀门运行过程的气室压力P(t)和阀杆位移d(t)，并通过串口通信发送给上位机保存，t表示采样时间。

气动调节阀的运行状态有C种，包括C-1种故障状态及1种正常状态。每种状态采集到的气室压力和阀杆位移数据作为一个原始样本，通过不同故障强度采集到同一状态不同的样本。每种状态采集Num个样本，样本总数N₁＝Num*6。

步骤B、故障特征的提取：

样本采集完毕后，需要对其进行特征提取，本发明采用VMD和MMSE技术提取故障特征，具体包括以下步骤：

步骤B.1、对气室压力P(t)进行K层VMD分解，得到一系列变分模态分量μ_k。

步骤B.2、按照下式计算各变分模态分量μ_k和气室压力P(t)之间的相关系数r：

其中，r表示相关系数，Cov(P(t),μ_k)表示P(t)和μ_k的协方差，Var(P(t))和Var(μ_k)分别表示P(t)和μ_k的方差。