[发明专利]一种矿井排水泵故障诊断方法

权利要求书

1.一种矿井排水泵故障诊断方法，其特征在于，包括以下步骤：

步骤1：采集矿井排水泵在故障下的振动信号，电机温度、排水口压力、吸水口压力；

步骤2：将所述步骤1中的振动信号进行降噪处理；

步骤3：提取所述步骤2中信号的特征值；

步骤4：将电机温度、排水口压力、吸水口压力与所述步骤3中的特征值组成向量表，代入径向基函数神经网络(RBFNN)，对其进行训练、测试及优化，生成完整成熟的RBFNN；

步骤5：将需要诊断的矿井排水泵实时振动、电机温度、排水口压力、吸水口压力数据代入到优化完成的RBFNN中，获取矿井排水泵实时故障诊断结果。

2.根据权利要求1所述的矿井排水泵故障诊断方法，其特征在于，所述步骤1中，矿井排水泵故障包括轴承故障、转子不平衡故障、气蚀故障、叶轮故障、基础松动故障，其中轴承故障包括轴承内圈故障、轴承转子故障、轴承外圈故障以及轴承综合故障。

3.根据权利要求1所述的矿井排水泵故障诊断方法，其特征在于，所述步骤2中采用最小熵反褶积(MED)降噪，具体方法包括以下步骤：

步骤2.1：初始化0阶滤波器r⁰(n)，使其中所有元素都为1

步骤2.2：计算降噪后信号s(n)，其中s(n)＝r^-1(n)*y(n)，y(n)为降噪前振动数据；

步骤2.3：计算向量b，向量b的计算公式为：

步骤2.4：计算y(n)的自相关矩阵A；

步骤2.5：重置滤波器r(n)，计算公式为：rⁱ(n)＝A^-1bⁱ；

步骤2.6：判断rⁱ(n)和r^i-1(n)两个滤波器系数能量误差是否在1％以内，以及循环次数i是否大于设定值，若都为否，则i＝i+1继续循环，若以上判定条件有一个为是，则跳出循环，计算出降噪后的振动信号s(n)。

4.根据权利要求3所述的矿井排水泵故障诊断方法，其特征在于，所述步骤3中提取特征值的方法包括以下步骤：

步骤3.1：将所述步骤2.6中的振动信号s(n)通过五层小波包分解成32组由低频到高频的分解信号；

步骤3.2：将峭度、偏度以及能量占比作为步骤3.1分解信号的特征值；

峭度的计算公式为：

偏度的计算公式为：

能量占比的计算公式为：

其中d_r(k)为小波包分解信号，E为括号内数据的均值，u为信号均值，σ为信号均方根，E_N为信号总能量。

5.根据权利要求4所述的矿井排水泵故障诊断方法，其特征在于，所述步骤3.1中将降噪后的振动信号分别通过高通滤波器和低通滤波器，分别得到高频信号和低频信号，再将得到的高频信号和低频信号分别通过高通滤波器和低通滤波器，以此循环五次，可以得出32组由低频到高频的分解信号。

6.根据权利要求5所述的矿井排水泵故障诊断方法，其特征在于，所述步骤4中的向量表表达式为：

L＝[T,P_o,P_i,K_v1,…,K_vm,B_s1,…,B_sm,E_p1,…,E_pm]，式中T为电机温度，P_O为排水口压力，P_i为吸水口压力，K_v为峭度，B_s为偏度，E_p为能量占比。