[发明专利]一种矿井排水泵故障诊断方法

说明书

本发明提供了一种矿井排水泵故障诊断方法，包括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，并进行降噪处理，提取特征值，训练、测试及优化RBFNN的方法；最后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。本发明训练后的RBFNN，能够根据实时采集的矿井排水泵实时振动、电机温度、排水口压力、吸水口压力数据准确诊断矿井排水泵转子不平衡故障、气蚀故障、叶轮故障、基础松动故障、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，因此具有实时和准确的有益效果。

技术领域

本发明涉及矿井排水泵的故障诊断领域，具体为一种矿井排水泵故障诊断方法。

背景技术

矿井排水泵是煤矿安全生产的重要组成部分，它肩负着将涌水和工作用水排出地面的重任。因此，需要对排水设备常见故障进行诊断，指导维修人员快速修理故障部件，避免事故的发生。但诱发矿井排水泵故障的原因很多，且故障表征也形式多样，是一个较强的非线性复杂系统，这使得对排水泵做出准确的故障诊断具有较大难度。因此，国内外学者对于矿井排水泵故障诊断的理论方法和技术进行了深入研究。

专利CN202010677913.2提供了一种基于多源数据融合分析的水泵故障诊断方法，该方法采用正态分布原理及拉达以准则对泵设备正常运行时间段里的状态数据进行统计分析，获得各状态变量的实际门限，然后对泵设备的被监测状态变量按照门限进行归一化处理，并采用加权融合得到水泵的健康指数，根据健康指数的变化范围对泵设备进行状态预报警。但该方法虽然简单，但容易发生误报警，可靠性不高，并且存在无法判断更复杂的故障等问题。

发明内容

为解决上述问题，本发明提供了一种矿井排水泵故障诊断方法。本发明的RBFNN信号输入融合了矿井排水泵的振动、电机温度、排水口压力、吸水口压力信号，并进行了降噪和特征提取。训练后的RBFNN，能够根据实时采集的矿井排水泵实时振动、电机温度、排水口压力、吸水口压力数据准确诊断矿井排水泵转子不平衡故障、气蚀故障、叶轮故障、基础松动故障、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，因此具有实时和准确的有益效果。

为实现所述技术目的，本发明的技术方案是：一种矿井排水泵故障诊断方法，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。

进一步，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。

进一步，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；