基于多传感器信号分析的故障诊断方法

文档序号:9614782阅读:1522来源:国知局
基于多传感器信号分析的故障诊断方法
【技术领域】
[0001] 本发明涉及一种利用多传感器获取机械设备信息,采用多混合算法分析的诊断方 法,并以此构成一种高精确性、低误诊率的故障诊断方法。
【背景技术】
[0002] 热栗技术于1854年提出之后,经历了曲折的发展过程,目前已进入了全面高速发 展阶段,尤其在能源危机和全球变暖的环境压力下,热栗技术成为了各国关注的焦点,对各 类热栗技术的研究、应用及推广也上升到了一个持续关注的高度。作为节能减排的技术,热 栗技术前景广阔,会有越来越多的国家及政府、企业意识到热栗可以带来的节能及环保效 益,市场数据也表明未来发展趋势良好。研究热栗技术在实际工程中的应用,使热栗的节能 环保作用在实际中得以更好地发挥,是推广热栗技术的重要基础,因此实际工程应用及优 化研究工作十分重要。
[0003] 近年来,为了满足用户生活热水需要,热栗热水系统在国内运用越来越广泛,但是 随着时间推移,热栗热水系统中设备的老化或者其它原因,导致系统运行不可避免的会出 现各种敌障。目前,系统故障排除及设备维修主要依靠现场人员的经验以及相关仪器完成 故障的诊断,故障能否及时排除受到现场人员水平和经验的约束。并且只限于故障部分的 局部诊断,欠缺系统性的诊断维护及故障预测方法,故障原因搜索和排查依据经验占总消 除故障时间的50%以上。因此,建立一个完善的故障诊断系统对地源热栗热水系统进行快 速有效的智能诊断具有重要意义。
[0004] 故障诊断本质上是一个模式识别问题,它包括信号采集、特征提取和选择和状态 识别三个环节,其中信号采集是故障诊断的前提,特征提取和选择是故障诊断的关键,而状 态识别则是诊断的核心。只有保证了采集信号的正确性,提取和选择特征的敏感性,以及状 态识别方法的有效性,才能提尚故障诊断的精度。
[0005] 机械设备的一些参数会反映出机械可能存在的故障,如温度、压力、流量等参数, 这些参数可以使用传感器的测量获得。机械设备在运行过程中产生的振动和噪音及其特征 信息是反映机械设备及其运行状态变化的主要信号。可以通过使用传感器获得一种或多种 信号,用来掌握机器运行的状态。获得多种传感器信号可以有助于全方面掌握机械运行状 态,以此来全面掌握空气源热栗机组的设备状态。
[0006] 目前,针对热栗机组的故障诊断方法较少,或是仅采取单一的故障诊断方法,根据 某些单一的传感器获取的数据进行系统故障判别,其结果不仅缺乏精确度,而且存在着误 诊断。因此,获取同一系统某一时刻的多种传感器信号,利用多种智能诊断技术,取长补短, 可以有效地解决单一的智能诊断技术存在的问题,提高诊断监测系统的精确性、敏感性,降 低误诊率。
[0007] 基于单一智能分类器的状态识别方法,难以精确地诊断复杂机械设备的早期故障 和复合故障。为了克服单一智能分类器的不足,提高复杂设备故障诊断的确诊率,须要采用 多个智能分类器相结合的混合智能诊断方法。多分类器组合诊断是实现混合智能诊断的模 式之一。通过使用不同的预处理技术或特征提取方法可以获得不同的输入特征集,而输入 不同特征集的几个分类器之间通常表现出互补的分类特性。因此,如果将不同输入特征集 的几个分类器输出结果利用集成技术合成,其最终的结果可以优于最好的单一分类器。
[0008] 将热栗热水领域专家的知识软件化,采用人工智能算法对故障进行识别,可以更 好地保证控制系统的正常运行。在人工智能诊断技术中基于知识的故障诊断法由于具备智 能性及不依赖于数学模型的特点得到了广泛的应用。
[0009] 哈尔滨工业大学的姜益强等人对基于神经网络的空气源热栗机组的故障诊断进 行了研究,应用BP神经网络模型对热栗机组的性能进行模拟,并用来自模拟实验的征兆实 例和专家领域内的知识对神经网络进行了训练。
[0010] 西安建筑科技大学的张中鹤、王康等人应用人工神经网络方法对地下水源热栗系 统的故障进行了诊断。与之前的研究相比,不同之处在于他们将研究重心放在了对能效有 影响且不易察觉的"软故障"上。对地下水源热栗系统的运行维护有着积极的意义。
[0011] 总结国内外研究成果可以看到,我国故障诊断技术在热栗机组领域的应用已有了 一定的发展及应用,但仍存在以下问题:
[0012] 现有混合智能诊断研究大多仍使用温度、压力等离散的物理信号构成诊断信息, 鲜少使用振动信息或者、声音信息等连续信号,造成诊断信息的不完备。机械系统故障常常 表现在动力学、声学、摩擦学、热力学等多物理场,因此仅仅利用某一物理场造成诊断信息 的不完备,难免引起故障的漏检和误判,尤其对十早期、微弱和复合故障,其故障特征往往 在任何一个物理场都不明显,只有综合利用多物理场信息才有望提高故障诊断和预示的精 度。
[0013]从诊断的方法来看,随着研究和应用的深入,单一故障诊断方法具有不可避免的 缺陷。面临的诸如诊断信息不完整、模糊隶属度函数的人为确定、专家系统的知识获取困 难、神经网络缺乏故障样本训练等问题,限制了这些单一智能技术的应用。因此,多种诊断 方法加以组合能使诊断系统中知识表达更加完善和清晰,不拘泥于某一种特定的诊断方 法,则可以大大提高诊断的准确性及可现行。

【发明内容】

[0014] 本发明的目的在于提供一种能够有效地诊断和预示复杂机械的故障模式的基于 多传感器信号分析的故障诊断方法。
[0015] 本发明的技术解决方案是:
[0016]-种基于多传感器信号分析的故障诊断方法,其特征是:包括下列步骤:
[0017] (1)利用单片机驱动多个传感器收集机组数据,机组运行参数包括供水温度、回水 温度、水箱水温以及水箱水位,并与PC机进行串口通讯,将所采集的数据发送到PC机;
[0018] (2)机组振动信号的采集,采用无线传感器,通过无线模块将振动数据传到电脑 上;
[0019] (3)获取各个传感器测量的热栗机组在运行过程中不同转态下的压力、温度、流量 参数,并进行融合操作,构成不同状态下的特征向量;
[0020] (4)将获取的多个时刻或是多个运行状态的传感器数据构成的特征向量与状态进 行模式映射,得出故障与征兆之间的关系,以此设计和训练神经网络来进行故障分类,以便 系统进行故障诊断时,可以根据不同的故障征兆来完成模式映射过程;
[0021] (5)根据数据融合的特征向量维数,确定遗传算法优化的BP神经网络的结构,完 成神经网络的训练过程,根据神经网络的训练结果,进行相关的优化;
[0022] (6)采用遗传算法对BP神经网络的初始权值和阈值分布进行优化,通过选择、交 叉和变异操作找到BP神经网络的最优权值和阈值;在此利用测试数据对优化后的BP神经 网络进行训练,获得最终优化好的BP神经网络故障分类器;
[0023] (7)对于相应机械状态下获得的振动信号,进行去噪相关操作后,采用小波包分析 方法对振动波形进行小波分解,获取三层小波分解后各个节点的重构小波系数与重构小波 能量谱;
[0024] (8)从获取的重构小波系数与重构小波能量谱中提取各个节点的
当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1