一种基于分形理论的隔膜泵故障诊断方法及装置的制造方法
【技术领域】
[0001] 本发明涉及一种基于分形理论的隔膜泵故障诊断方法及装置，属于机械故障诊断
技术领域。
【背景技术】
[0002] 管道输送是既铁路运输、公路运输、海陆运输、航空运输之后的第五大运输方式， 管道输送不但零污染、低能耗，而且是对生态环境几乎没有破坏。对于一些道路交通不方便 的，物质易抛洒或者易泄漏的运输，更是体现了管道输送的优势。所以近年来，管道输送行 业发展极为迅速，但如何保证管道的输送的安全和稳定，是一个急需解决的问题。
[0003] 隔膜泵是管道输送的核心设备之一，它是管道输送的动力输出装置，所以隔膜泵 的安全问题也就是管道输送的核心安全问题。只有隔膜泵的有效运行，才能保证管道输送 的正常运行，隔膜泵一旦发生故障，将影响设备正常运行，甚至造成严重事故。因此，对隔膜 泵的运行状况进行实时监测并实现故障诊断，对于整个管道运输起着至关重要的作用。
[0004] 但隔膜泵的不同故障通常都源自不同的动力学机理，目前常用频谱分析的方法有 时难以获取这方面的信息，而分形维数能够定量的给出描述动力系统所需的独立变量的数 目，这样便可通过分形维数来对其进行故障诊断。因此，本发明将分形理论用于隔膜泵故障 诊断，对隔膜泵的运行状态进行识别并作出相应反应。
【发明内容】
[0005] 本发明提供了一种基于分形理论的隔膜泵故障诊断方法及装置，以隔膜泵发生故 障时所产生的振动信号为依据，第一时间发现可能或者已经出现的设备故障，包括隔膜泵 单向阀卡阀、隔膜击穿、单向阀磨蚀泄露等故障情况，并及时向设备维护人员报警，以排除 故障，保证工业生产的安全正常运行。
[0006] 本发明基于分形理论的隔膜泵故障诊断方法及装置是这样实现的：
[0007] 所述方法的具体步骤如下：
[0008] Stepl、通过信号采集模块对隔膜泵振动信号进行采集；同时将历史训练得到的各 故障分形特征量导入故障识别模块，作为故障识别的故障匹配特征量；
[0009] Step2、通过预处理模块电路对采集到的振动信号进行放大、滤波去噪和A/D转 换，实现信号的降噪处理；
[0010] step3、对降噪后的振动信号进行分形故障特征量提取，包括其关联维数特征量与 盒维数特征量的提取；
[0011] Step4、将得到的关联维数特征量与盒维数特征量与步骤Stepl中导入的历史训 练的各故障分形特征量进行故障匹配和识别；
[0012] 若与故障匹配特征量相匹配，则报警模块提示设备维护人员对设备进行跟踪关 注；
[0013] 若匹配结果超出所设阈值，则发出警报由设备维护人员对设备进行维修处理，同 时更新匹配特征量数据库。
[0014] 所述步骤Step3中，所述分形故障特征量提取包括两个步骤：
[0015] (1)首先计算振动信号的关联维数特征量，若其关联维数特征量能反映出故障类 型，则继续步骤Step4进行后续的模式识别；
[0016] (2)若其关联维数特征量不能反映信号的状态特征，则进一步计算其盒维数特征 量对关联维数特征量进行佐证，联合二者特征实现状态识别。
[0017] -种基于分形理论的隔膜泵故障诊断装置，包括
[0018] 信号采集模块，用于通过加速度传感器对隔膜泵的振动信号进行检测，并将历史 训练得到各故障分形特征量导入到故障识别模块，作为故障识别模块的故障匹配特征量； 所述加速度传感器采取了三个方向的安装方式，分别为轴向、径向和垂直方向；
[0019] 信号预处理模块，用于对采集到的隔膜泵振动信号进行预处理，包括信号放大、滤 波降噪及A/D转换，便于后续的特征提取；
[0020] 特征提取模块，用于对降噪后的振动信号提取分形故障特征；
[0021] 状态识别模块，用于将提取的分形故障特征与初始导入的历史训练得到的各故障 分形特征量进行故障匹配和识别；
[0022] 故障诊断及报警模块，用于对故障作出诊断并发出报警，提醒设备维护人员对设 备做出相应处理。
[0023] 本发明的工作原理是：
[0024] 所述特征提取模块的分形维数算法使用如下：
[0025] 采用尺度为e的相同大小的闭集b对整个集合进行覆盖，所需闭集b的数目为 N(e)，设点落入第i个闭集的概率为Pi(e)，对给定参数q，可计算出广义信息熵Kq(e)的 表达式为：
【主权项】
1. 一种基于分形理论的隔膜泵故障诊断方法，其特征在于：所述方法的具体步骤如 下： Stepl、通过信号采集模块对隔膜泵振动信号进行采集；同时将历史训练得到的各故障 分形特征量导入故障识别模块，作为故障识别的故障匹配特征量； Step2、通过预处理模块电路对采集到的振动信号进行放大、滤波去噪和A/D转换，实 现信号的降噪处理； Step3、对降噪后的振动信号进行分形故障特征量提取，包括其关联维数特征量与盒维 数特征量的提取； Step4、将得到的关联维数特征量与盒维数特征量与步骤Stepl中导入的历史训练的 各故障分形特征量进行故障匹配和识别； 若与故障匹配特征量相匹配，则报警模块提示设备维护人员对设备进行跟踪关注； 若匹配结果超出所设阈值，则发出警报由设备维护人员对设备进行维修处理，同时更 新匹配特征量数据库。
2. 根据权利要求1所述的基于分形理论的隔膜泵故障诊断方法，其特征在于：所述步 骤Step3中，所述分形故障特征量提取包括两个步骤： (1) 首先计算振动信号的关联维数特征量，若其关联维数特征量能反映出故障类型，则 继续步骤St印4进行后续的模式识别； (2) 若其关联维数特征量不能反映信号的状态特征，则进一步计算其盒维数特征量对 关联维数特征量进行佐证，联合二者特征实现状态识别。
3. -种基于分形理论的隔膜泵故障诊断装置，其特征在于：包括 信号采集模块，用于通过加速度传感器对隔膜泵的振动信号进行检测，并将历史训练 得到各故障分形特征量导入到故障识别模块，作为故障识别模块的故障匹配特征量；所述 加速度传感器采取了三个方向的安装方式，分别为轴向、径向和垂直方向； 信号预处理模块，用于对采集到的隔膜泵振动信号进行预处理，包括信号放大、滤波降 噪及A/D转换，便于后续的特征提取； 特征提取模块，用于对降噪后的振动信号提取分形故障特征； 状态识别模块，用于将提取的分形故障特征与初始导入的历史训练得到的各故障分形 特征量进行故障匹配和识别； 故障诊断及报警模块，用于对故障作出诊断并发出报警，提醒设备维护人员对设备做 出相应处理。
【专利摘要】本发明涉及一种基于分形理论的隔膜泵故障诊断方法及装置，属于机械故障诊断技术领域。本发明包括信号采集模块，用于通过加速度传感器对隔膜泵的振动信号进行检测；信号预处理模块，用于对采集到的隔膜泵振动信号进行预处理；特征提取模块，用于对降噪后的振动信号提取分形故障特征；状态识别模块，用于将提取的分形故障特征与初始导入的历史训练得到的各故障分形特征量进行故障匹配和识别；故障诊断及报警模块，提醒设备维护人员对设备做出相应处理。本发明能快速、直观的反映设备的运行状况，及时向设备维护人员提供可靠的设备运行信息，有效地保证设备运行，从而降低设备故障停机时间，减少计划检修时间和非计划检修时间。
【IPC分类】F04B51-00
【公开号】CN104863842
【申请号】CN201510236440
【发明人】吴建德, 张忠云, 王晓东, 马军, 范玉刚, 黄国勇, 邹金慧, 邵宗凯
【申请人】昆明理工大学
【公开日】2015年8月26日
【申请日】2015年5月11日