[发明专利]基于多传感器融合的混输泵相含率识别方法

权利要求书

1.基于多传感器融合的混输泵相含率识别方法，其特征在于，具体按照以下步骤实施：

步骤1，采集不同含气率工况下混输泵的主轴振动信号x(t)、导叶区域内进口的压力脉动信号v(t)及导叶区域内出口的压力脉动信号s(t)；

步骤2，对步骤1获得的混输泵主轴振动时间序列信号X(t)、导叶区域内进口的压力脉动时间序列信号V(t)、导叶区域内出口的压力脉动时间序列信号S(t)分别进行多重分形去趋势分析，再分别提取多重分形特征参数并构建特征向量；

步骤3，将步骤2得到的特征向量作为样本集，将样本集进行归一化处理，将归一化处理后的样本集划分为训练集、测试集、验证集；

步骤4，搭建LSTM模型；

步骤5，利用灰狼优化算法优化LSTM模型超参数，得到LSTM模型的最优超参数值；

步骤6，采用训练集、验证集及步骤5中得到的最优超参数重新训练LSTM模型，得到训练好的LSTM模型；

步骤7，将测试集输入到步骤6得到的训练好的LSTM模型中，测试模型的准确性，得到识别结果。

2.根据权利要求1所述的基于多传感器融合的混输泵相含率识别方法，其特征在于，步骤1的具体过程为：固定总流量，不断改变多相混输泵实验系统中的气相、液相流量以调整系统含气率，并在不同的含气率工况下利用激光测振仪采集主轴振动信号x(t)，利用动态压力传感器分别采集导叶区域内进口的压力脉动信号v(t)及导叶区域内出口的压力脉动信号s(t)，通过数据采集卡将采集的信号发送到计算机，获得混输泵主轴振动时间序列信号X(t)、导叶区域内进口的压力脉动时间序列信号V(t)、导叶区域内出口的压力脉动时间序列信号S(t)。

3.根据权利要求1所述的基于多传感器融合的混输泵相含率识别方法，其特征在于，用于采集导叶区域内进口的压力脉动信号v(t)的动态压力传感器设置于距离导叶区域进口处B/6，用于采集导叶区域内出口的压力脉动信号s(t)的动态压力传感器设置于距离导叶区域出口处B/6，B为导叶区域宽度。

4.根据权利要求1所述的基于多传感器融合的混输泵相含率识别方法，其特征在于，步骤2的具体过程为：

步骤2.1，对步骤1获得的混输泵主轴振动时间序列信号X(t)去均值，构造离差序列Y(i)，表达式为：

式(1)中，Y(i)为离差序列；μ为时间序列信号的平均值；i＝1,2,3,…N，N为信号序列的长度；

步骤2.2，将离差序列Y(i)从正反两个方向划分为互不重叠的Ns段，每段长度为尺度S，以最小二乘法拟合k阶多项式，得到每个区间的均方误差F²(s,m)，表达式为：

式(2)中，y_m(i)是指第m段数据的趋势

步骤2.3，根据步骤2.2得到的每个区间的均方误差F²(s,m)，计算q阶波动函数的平均值F_q(S)，表达式为：

式(3)中，q为矩阶数，即分形阶数；

步骤2.4，在双对数坐标系中绘制F_q(S)与S曲线，通过F_q(S)与S曲线得到Hurst指数Hq和质量指数τ(q)，表达式为：

步骤2.5，通过Legendre变换计算奇异指数α与分形维度f(α)，表达式为：

步骤2.6，重复步骤2.3～步骤2.5，得到每段求和序列的的奇异指数α与分形维度f(α)，提取多重分形曲线极值所对应的奇异指数值α₀、最小奇异指数α_min、最大奇异指数α_max、最小奇异指数α_min所对应的概率子集的分形维数f(α_min)、最大奇异指数α_max所对应的概率子集的分形维数f(α_max)，多重分形值Δf、多重分形谱宽度Δα、非对称指数R，则：

Δα＝α_max-α_min          (6)

Δf＝f(α_max)-f(α_min)              (8)

其中，导叶区域内进口的压力脉动时间序列信号V(t)、导叶区域内出口的压力脉动时间序列信号S(t)的处理过程与混输泵主轴振动时间序列信号X(t)一致；

步骤2.7，将步骤2.6得到的混输泵主轴振动时间序列信号对应的多重分形特征参数按照奇异指数值α₀、最小奇异指数α_min、最大奇异指数α_max、Δα为多重分形谱宽度、最小奇异指数α_min所对应的概率子集的分形维数f(α_min)、最大奇异指数α_max所对应的概率子集的分形维数f(α_max)、多重分形值Δf、非对称指数R依次拼接，同理，分别将步骤2.6得到的导叶区域内进口的压力脉动时间序列信号、导叶区域内出口的压力脉动时间序列信号对应的多重分形特征参数依次进行拼接；再按照混输泵主轴振动时间序列信号对应的拼接参数、导叶区域内进口的压力脉动时间序列信号对应的拼接参数、导叶区域内出口的压力脉动时间序列信号对应的拼接参数的顺序将三个拼接后的参数进行拼接，得到一个24维特征向量。