一种基于熵权法的水泵故障预警装置的制作方法

本实用新型涉及供水设备故障诊断
技术领域：
，具体为一种基于熵权法的水泵故障预警装置。核心思想是通过待测信号与参考信号计算预警指标，并构建预警指标的门槛值矩阵，最后通过对比分析预警指标及其门槛值的大小综合判断水泵组是否故障。
背景技术：
：水泵作为一种重要的供水设备，在供水系统中起着至关重要的作用，其水泵整体的动平衡状态是检查水泵的运行状态是否良好的重要指标之一。而在实际设备使用及管理过程中，最多采用事后管理或者设备的预防维护比如加油润滑、清扫清洁等手段，对于动平衡的整体情况处于失控状态。一旦水泵动平衡受影响，长期的运行会造成叶轮等部件的故障程度加深，甚至影响水泵整体的使用寿命，而随着人工智能在工业各方面的渗透，针对水泵的故障诊断涌现出多种智能算法，主要以神经网络等建立整个水泵组的故障识别模型为主，但是这种算法需要水泵的采集信号及参数库足够完善，故障类型足够多，考虑到实际情况，完整数据集的建立过程困难较大，且这类方法多处于实验室阶段，实际应用案例极少。本专利所提装置相比于建立故障识别模型而言，操作简便，计算量较小，不要求完备的故障叶片数据库，更贴合于实际工程中的应用。技术实现要素：本实用新型目的在于提出一种基于熵权法的水泵故障预警装置，考虑到一系列实际问题，采用水泵组正常时的信号，建立不同转速、不同水泵正常时的最大可预警指标的门槛值矩阵。在对水泵进行诊断预警时，计算该该水泵的预警指标值，并通过对比分析该水泵的相同转速下的门槛值，来对水泵作出是否预警的指示。进一步而言，利用小波变换从水泵组正常的动平衡信号中提取能量特征矩阵，并基于熵权法建立故障预警指标的门槛值矩阵，将计算得到的待测该水泵的预警指标与相对应的门槛值进行比较分析，并改变小波分解的层数重复上述，最后综合分析实现待测该水泵是否进行故障预警的任务。本实用新型提供的技术方案为:所述的方案包括，数据存储单元、特征矩阵单元以及权重单元，所述数据存储单元电连接所述特征矩阵单元，所述特征矩阵单元电连接所述权重单元；所述数据存储单元定期存储和更新一水泵组在无故障情况下提取的该水泵组所有水泵的动平衡信号；所述动平衡信号包括所述水泵组中在不同转速下所有水泵的动平衡；提取所述动平衡信号作为所述水泵组中不同转速下所有水泵故障预警时的备用参考信号；所述特征矩阵单元从所述水泵组中提取待测信号x和参考信号y，并分别对所述待测信号x和所述参考信号y进行小波分解，提取各自能量系数特征属性值，各个所述能量系数特征属性值组成能量系数特征属性特征维，进而分别构建待测信号特征矩阵a和参考信号特征矩阵b；所述权重单元分别提取所述待测信号特征矩阵a和所述参考信号特征矩阵b的第n列同一位置的所述能量系数特征属性值，组成m×2的特征矩阵q且共计k个，其中n＝{1,2,3，……k}，k为所述小波分解的层数，m为所述信号划分的段数；利用熵权法分别计算k个所述特征矩阵q中第一维和第二维所述能量系数特征维的特征权重值，分别为bn1和bn2；构建所述水泵组故障预警的指标a，用以定量描述该水泵的动平衡，公式如下：并由所述水泵组故障预警指标a构建门槛值矩阵alfa，根据所述待测水泵的编号和动平衡，遍历所述门槛值矩阵alfa，确定所述待测水泵的预警门槛值aij和所述水泵组故障预警指标a，并建立所述水泵组状态信息表tab；调整所述小波分解层数k值大小及其变化次数，并将每次计算结果记录在所述水泵组中水泵动平衡信息表tab中，判断所述水泵组中不同的转速下所有水泵的运行状况。进一步的，所述待测信号x和所述参考信号y设置一定数目的采样点作为样本长度，定义为wlen，则待测信号x和所述参考信号y分别被分成m段信号，即其中m为式中结果的整数部分，wlen的采样点个数要求至少包含所述水泵组各个转速段的动平衡采样点，x、y代表所述待测信号和所述参考信号，wlen满足其中w为水泵旋转角速度，f为水泵工作频率。进一步的，所述小波分解，利用小波能量公式计算所述参考信号y和所述待测信号x分解后的能量系数，即en＝∑xn2其中xn为被分解后的每段信号对应参考值，n＝{1,2,3......k}，k为所述信号小波分解的层数；所述待测信号x和参考信号y分别被分成m段信号，每段信号分别被进行k层小波分解，每段每一层小波分解后的所述信号能量系数为能量系数特征属性值，每段k层小波分解后的所述信号能量系数特征属性组成能量系数特征维，所述m段能量系数特征维组成待测信号特征矩阵a和参考信号特征矩阵b。进一步的，分别计算k个所述特征矩阵q中第一维和第二维所述特征属性的特征权重值采用的熵权法，即首先根据所述特征矩阵q中各个所述特征属性值进行归一化即其中i＝{1,2,3,......m}，j＝{1,2}，min(xi)为第i段所述动平衡信号对应的能量系数特征属性值的最小值，max(xi)为第i段所述动平衡信号对应的能量系数特征属性值的最大值，xij为第i段第j维度所述动平衡信号对应的能量系数特征属性值,以获得所述特征矩阵q的归一化矩阵q′。进一步的，所述构建该水泵故障预警指标a即其中bn1和bn2分别表示所述特征矩阵q中第一维和第二维所述能量系数特征属性的特征权重值。进一步的，所述的门槛值矩阵alfa，分别从三个时间段的动平衡信号存储单元中提取同转速、同一个水泵的动平衡信号，且相互之间所述水泵组故障预警指标a按照2到4进行计算，分别用a1、a2、a3表示，则所述水泵在此转速下的故障预警指标a为上述三个值中的最大值；针对所述水泵组中其他该水泵做同样的处理即得到预警指标a的门槛值矩阵alfa：其中u是所述水泵组中该水泵编号总数，v是所述水泵组中该水泵在不同转速下的数目，i的取值范围是[1,u]间的整数，j的取值范围是[1,v]的整数。进一步的，所述待测该水泵的预警门槛值aij和所述水泵组的故障预警的指标a二者对比，当a＜aij时，则所述待测水泵的动平衡正常，反之说明所述待测水泵组预警指标超过所述水泵组预警门槛值并建立与之对应的所述水泵组状态信息表tab，记录诊断结果。进一步的，根据所述归一化矩阵q′中的能量系数通过计算公式其中如果pij＝0则定义得出所述归一化矩阵q′中的特征权重值。进一步的，所述待测信号x为采集所述水泵组中某水泵在某一固定转速下发出的一段动平衡信号；所述参考信号y为遍历所述数据存储单元中的所述备用参考信号，提取与所述待测信号x对应的该水泵在同一转速下的动平衡信号，且所述待测信号x和所述参考信号y两种信号的保持时间和样本长度一致。进一步的，针对所述待测信号x和所述参考信号y两种信号中同一段动平衡信号分别进行k层小波分解，k是人为设定的一个常数，并利用小波能量公式提取分解后各自的能量系数，各自生成对应的待测信号特征维x1和参考信号特征维y1；剩余段所述动平衡信号做上述同样的处理，各自生成待测信号特征矩阵a和参考信号特征矩阵b且大小均为m×k，其中m为所述特征矩阵行数，即水泵的分段数，k为所述特征矩阵的列数，即小波分解的层数。本实用新型技术方案带来的技术效果的一个方面在于，规避了采用以神经网络等建立整个电网故障识别模型过程中建立完整的数据集的困难度，提高了水泵组故障预警的精确度和稳定性，更贴近实际应用。附图说明图1为本实用新型一种基于熵权法的水泵故障预警装置控制模块关系示意图；图2为本实用新型一种基于熵权法的水泵故障预警装置的流程图；其中，100、数据存储单元，101、特征矩阵单元，102、权重单元。具体实施方式实施例1下面将结合本实用新型实施例中的附图，对本实用新型实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本实用新型一部分实施例，而不是全部的实施例。基于本实用新型中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本实用新型保护的范围。具体实现方法如下所述：如图1和图2所示，为本实用新型一种基于熵权法的水泵故障预警装置的流程图，其包括：数据存储单元100、特征矩阵单元101以及权重单元102，所述数据存储单元100电连接所述特征矩阵单元101，所述特征矩阵单元101电连接所述权重单元102；所述数据存储单元100定期存储和更新一水泵组在无故障情况下提取的该水泵组所有水泵的动平衡信号；所述动平衡信号包括所述水泵组中在不同转速下所有水泵的动平衡；提取所述动平衡信号作为所述水泵组中不同转速下所有水泵故障预警时的备用参考信号；针对一个电网，建立水泵组动平衡信号的数据存储单元，采集的水泵包括电网所有水泵不同转速尺度下的动平衡信号，将这些动平衡信号作为水泵组故障预警时的备用参考信号，这个存储单元需要每隔一定的时间进行全部更新，时间段以月为单位来计量；在一固定时刻，对一水泵组进行故障诊断时，采集水泵动平衡在该时刻发出的一段动平衡信号作为待测信号x，设置一定数目的采样点作为样本长度，定义为wlen，则待测信号可以被分成m段动平衡信号，具体的计算公式如下：其中m为式中结果的整数部分，wlen的采样点个数要求至少包含所述水泵组各个转速段的动平衡采样点，x、y代表所述待测信号和所述参考信号，wlen满足在参考信号存储单元中寻找与待测信号同台水泵，相同转速下的动平衡信号，且参考信号与待测信号保持时间、样本长度一致；针对两种信号的每段动平衡信号进行k层小波分解，k是人为设定的一个常数，并利用小波能量公式提取分解后的能量系数，计算公式如下：en＝∑xn2(3)其中xn为被分解后的每段信号对应参考值，n＝{1,2,3......k}，本篇幅中k为所述小波分解的层数，k＝{1,2,3，……k}。于是每段动平衡信号都可以用能量系数生成的向量来表示，则对于待测信号和参考信号，可以通过上述的变换提取出能够表征两种信号本质的能量特征矩阵a和b，其中两个矩阵大大小都为m×k，即矩阵的行数为水泵的分段数，矩阵的列为小波分解的层数；分别提取所述待测信号特征矩阵a和所述参考信号特征矩阵b的第n列同一位置的所述能量系数特征属性值，组成m×2的特征矩阵q且共计k个，其中n＝{1,2,3，……k}，k为所述小波分解的层数，m为所述信号划分的段数；利用熵权法分别计算k个所述特征矩阵q中第一维和第二维所述能量系数特征维的特征权重值，分别为bn1和bn2。分别计算k个矩阵q中第一维和第二维的特征权重值采用的所述熵权法，即为根据所述特征矩阵q中各个所述能量系数值进行归一化，即其中i＝{1,2,3,......m}，j＝{1,2}，min(xi)为第i段所述动平衡信号对应的能量系数的最小值，max(xi)为第i段所述动平衡信号对应的能量系数的最大值，xij为第i段第j维度所述动平衡信号对应的能量系数,进行标准化后可以得到数据标准化表，以获得所述特征矩阵q的归一化矩阵q′。根据所述归一化矩阵q′中的能量系数通过计算公式其中如果pij＝0则定义得出所述归一化矩阵q′中的特征权重值。构建所述水泵组水泵组故障预警的指标a，用以定量描述该水泵的动平衡，公式如下：并由所述水泵组故障预警指标a构建门槛值矩阵alfa。利用动平衡信号的存储单元，构建预警指标a的门槛值矩阵alfa，建立三个时间段上的动平衡信号的存储单元，分别从三个存储单元中取出同转速下，同一个水泵的动平衡信号，相互之间的a指标按照2到4进行计算，针对这个水泵固定工况下可以计算出三个指标的值，分别用a1、a2、a3表示，则该个水泵在这一转速下的故障预警指标为取三个指标中的最大值。针对不同的水泵做同样的处理即可以得到预警指标a的门槛值矩阵alfa：式(5)中，u是某一电网的水泵的编号总数，v是电网不同的转速尺度数目，i的取值范围是[1,u]间的整数，j的取值范围是[1,v]的整数，根据待测该水泵的编号和动平衡情况，从alfa中确定该水泵的预警门槛值，当计算出来的a＜aij时，则水泵动平衡正常，否则就预警，提醒水泵设备管理人水泵组可能存在故障，并将本次得到的结果记录在水泵动平衡状态信息表tab中；改变小波分解层数k值，则2到6中涉及到的小波分解层数必须保持一致，通过设置k值的变化次数，即可以实现整个流程的循环的次数，将每次结果都记录在水泵动平衡状态信息表tab中，如果表中的预警次数大于正常次数，则该个水泵预警该水泵故障，否则显示水泵动平衡正常，从而实现了水泵组的故障预警。实施例2本实施例结合现场一实例进一步阐述一种基于熵权法的水泵故障预警装置的实施过程及注意事项。某一水泵现场共计5台水泵组，现需要对上述5台水泵组中所有的水泵利用熵权法建立水泵组故障预警系统，用于现场水泵设备的管理。其具体方法如下：1.设在某一转速下提取待测动平衡信号y和参考动平衡信号x且将待测动平衡信号y和参考动平衡信号x分成4段进行3层小波分解，故测得参考动平衡信号y和待测动平衡信号x如下所示：所述待测参考动平衡信号所述参考动平衡信号2.分别提取所述待测信号特征矩阵a和所述参考信号特征矩阵b的第n列所述能量系数并组合成m×2的矩阵q，其中n＝{1,2,3，……k}，共计k个矩阵q，此处m为4，k为3，故所述特征矩阵q分别为：对q1、q2、q3利用熵权法分别计算第一维和第二维的特征权重，分别为bn1、bn2，其中n＝{1,2,3,4}。首先根据归一化公式得到各自对应的归一化q11、q21、q31、q41，即：根据计算公式其中如果pij＝0则定义得出所述归一化矩阵q′中的特征权重值，即bn1、bn2。构建该水泵故障预警的指标a，用以定量描述该水泵的动平衡，计算公式如下所示：a＝|b11-b12|+|b21-b22|+|b31-b32|＝0.012+0.278+0.16＝0.45，水泵组故障预警指标为0.45。3.构建预警指标a的门槛值矩阵alfa。建立三个时间段上的动平衡信号的存储单元并采取同转速下、同一个水泵的动平衡信号，预警指标a按照上述进行计算，针对该该水泵固定工况下可以计算出三个指标的值，分别用a1、a2、a3表示，则该个水泵在这一转速下的故障预警指标为取三个指标中的最大值。具体过程如下，假设该该水泵为1号水泵，分别在时间段1、时间段2和时间段3等三个时间段，在水泵无故障情况下和实际运行状态下各提取了一段动平衡信号，且此段动平衡信号均被分成4段进行3层小波分解，进行一系列运算得出相对应的预警指标a1、a2、a3。测得参考动平衡信号y和待测动平衡信号x如下所示：上述各组动平衡信号对应的q矩阵即分别提取参考动平衡信号x和待测动平衡信号y同一列能量系数，组合成q矩阵，如下：对上述各个q矩阵进行熵权法归一化处理，得出各自的归一化矩阵，具体如下：根据计算公式其中如果pij＝0则定义得出所述归一化矩阵q′中的特征权重值，即bi1、bi2。具体如下表所述：故障预警的指标a，用以定量描述该水泵的动平衡，计算公式如下所示：其中bn1和bn2分别表示所述特征矩阵q中第一维和第二维所述能量系数特征属性的特征权重值,故a1、a2、a3分别为：0.12、0.66、0.5。该1号水泵在这一转速下故障预警指标为取三个指标中的最大值，即为0.66。其他该水泵也做上述运算，由于实例上述已设定对现场5台水泵利用熵权法建立水泵组故障预警系统，用于现场水泵设备的管理。设在某一转速下提取参考动平衡信号y和待测动平衡信号x且将参考动平衡信号y和待测动平衡信号x分成4段进行3层小波分解，且对水泵在三个速度段进行取样，故v为3，u为5，具体如下：具体数据以下列表格体现，如下：水泵组转速1转速2转速31号水泵0.660.450.422号水泵0.640.420.273号水泵0.780.380.564号水泵0.450.310.695号水泵0.380.390.36根据本实施例第2步计算所述水泵组水泵组的故障预警指标0.45和上表中水泵组各个水泵在不同的转速下的故障预警实际值做比较，即根据待测该水泵的编号和动平衡情况，从alfa中确定该个水泵的预警门槛值，当计算出来的a＜aij时，则水泵动平衡正常，否则就预警，提醒水泵设备管理人员水泵组可能存在故障，并将本次得到的结果记录在水泵动平衡状态信息表tab中，具体如下：最后尝试调整k值大小和次数，即小波分解的层数，将每次结果都记录在水泵动平衡状态信息表tab中，如下表所示，用以水泵组该水泵故障的预警。实施例3本实施例和实施例2的区别在于利用熵权法对归一化矩阵q′中的特征属性权重进行二次熵权，比较下最终结果和实施例1之间的差异和联系。下表为实施例2求得的归一化矩阵q′中的特征权重：根据所述水泵样本特征属性各个特征维的权重计算公式可以得到所述特征矩阵y中各个特征维的权重如下表所示：此时对于故障预警的指标a利用公式计算所得a1、a2、a3分别为：0.05、0.08、0.03，此时1号水泵在该转速下故障预警指标为取三个指标中的最大值，即为0.08。对于水泵同样做上述运算处理，由于实例上述已设定对现场5台水泵利用熵权法建立水泵组故障预警系统，用于现场水泵设备的管理。设在某一转速下提取参考动平衡信号y和待测动平衡信号x且将参考动平衡信号y和待测动平衡信号x分成4段进行3层小波分解，且对水泵在三个速度段进行取样，故v为3，u为5，具体如下：具体数据以下列表格体现，如下：水泵组转速1转速2转速31号水泵0.350.020.062号水泵0.780.050.033号水泵0.090.020.084号水泵0.020.030.355号水泵0.010.060.08根据本实施例所述水泵组水泵组的故障预警指标0.08，参照表中水泵组各个水泵在不同的转速下的故障预警预警实际值做比较，即根据待测该水泵的编号和动平衡情况，从alfa中确定该个水泵的预警门槛值，当计算出来的a＜aij时，则水泵动平衡正常，否则就预警，提醒水泵设备管理人员水泵组可能存在故障，并将本次得到的结果记录在水泵动平衡状态信息表tab中，具体如下：最后尝试调整k值大小和次数，即小波分解的层数，将每次结果都记录在水泵动平衡状态信息表tab中，如下表所示，用以水泵组该水泵故障的预警。通过本实施例的计算结果可知，对基于熵权法提取所述水泵组所有水泵组能量系数矩阵特征维的二次权重相对于实施例2结果一致，即采用熵权法求取所述归一化矩阵特征属性权重或者对归一化矩阵特征维的二次权重均可以对水泵组该水泵故障进行预警判断。实施例4本实施例将对所述水泵组中所有水泵提取的所述待测信号特征矩阵a和所述参考信号特征矩阵b的第n列所述能量系数并组合成m×2的矩阵q，第一特征维和第二特征维对应的参考动平衡信号y或者待测动平衡信号x的先后顺序是否影响最终判断结果做进一步说明。同样假设某一水泵场某水泵组所有水泵共计5台，对5台水泵所有的水泵组提取的特征矩阵做3层小波分解处理，其结果如下：所述待测动平衡信号所述参考动平衡信号分别提取所述待测信号特征矩阵和所述参考信号特征矩阵的第n列所述能量系数并组合成m×2的矩阵q，其中n＝{1,2,3，……k}，共计k个矩阵q，此处m为4，k为3，故所述特征矩阵q分别为：此时待测信号特征矩阵特征维为特征矩阵q的第一特征维，参考信号特征矩阵特征维为特征矩阵q的第二特征维。而实际在求取故障预警的指标a，用以定量描述该水泵的动平衡，计算公式如下所示：其中bn1和bn2分别表示所述特征矩阵q中第一维和第二维所述能量系数特征属性的特征权重值,可知特征矩阵q的第一特征维和第二特征维分别对应于参考动平衡信号y或者待测动平衡信号x的先后顺序对水泵组故障预警指标a无影响。当前第1页12