[发明专利]一种面向泵站主设备的智能故障诊断方法

摘要

本发明公开了一种面向泵站主设备的智能故障诊断方法，涉及信号处理领域。所述方法包括：采集待测泵站主设备的待测关键部位在工作状态时的数据信号，将数据信号作为待测试样本；将所述待测试样本输入到VMD‑gcForest诊断模型中，依次进行模态函数频谱图的绘制和多粒度级联森林诊断，得到所述待测试样本对应的工作状态标签，根据所述工作状态标签得到所述待测关键部位的工作状态。本发明解决了现有技术中在原始振动信号提取过程中存在的小波基函数和滤波阈值无法确定的问题；EMD缺乏理论依据、端点效应、模态混叠的问题；现有基于原始振动信号的故障诊断方法调参极其复杂、计算耗时巨大且诊断效果准确率低的问题。

主权项

1.一种面向泵站主设备的智能故障诊断方法，其特征在于，所述方法包括：S1，采集待测泵站主设备的待测关键部位在工作状态时的数据信号，将数据信号作为待测试样本；S2，将所述待测试样本输入到VMD‑gcForest诊断模型中，依次进行模态函数频谱图的绘制和多粒度级联森林诊断，得到所述待测试样本对应的工作状态标签，根据所述工作状态标签得到所述待测关键部位的工作状态；所述VMD‑gcForest诊断模型包括变分模态分解模块和多粒度级联森林诊断模型；变分模态分解模块中集成变分模态分解方法；所述多粒度级联森林诊断模型的构建方法为：S01，获取泵站主设备的多个关键部位处于正常工作工况和多种故障状态工况的数据信号，建立有工作状态标签的样本数据集；所述工作状态标签包括故障类型标签和正常工作状态标签；S02，将所述样本数据集中的数据信号经过多粒度扫描阶段实现特征转换，再经过级联森林结构进行有监督的逐级训练，得到多粒度级联森林诊断模型；所述VMD‑gcForest诊断模型的建立具体为：A1，在泵站主设备的多个关键部位处设置振动测点，用加速度传感器采集每个振动测点在多种工况下的振动数据信号，得到每种工况下的振动数据信号组；所述关键部位包括水泵基础构件、轴承支架和电机基础构件；所述多种工况包括泵站主设备开机的过渡过程、主设备开机停机的过渡过程、不同流量下的运行工况、不同水位下的运行工况和不同功率下的运行工况；A2，采用变分模态分解方法对每种工况下的振动数据信号组中的任意一个振动数据信号进行迭代处理，得到该振动数据信号的K个模态函数，计算每个模态函数得到估计带宽，绘出K个模态函数的估计带宽之和最小时K个模态函数的频谱图；A3，将A2中得到的K个模态函数频谱图作为输入，带入到多粒度级联森林诊断模型中，进行特征转换及逐级特征诊断，最终得到该振动数据信号对应的故障类型。