一种冷却塔故障诊断方法
【技术领域】
[0001] 本发明属于冷却塔技术领域，具体涉及一种冷却塔故障诊断方法。
【背景技术】
[0002] 冷却塔是应用非常普遍的水资源循环利用设备，其主要功能是将含有废热的冷却 水与空气在塔内进行热交换，使水温降至要求的温度，以便进行再次循环。目前，为冷却塔 供水的水泵以及冷却塔的风机均由电动机驱动。
[0003] 冷却塔在运行过程中存在着极其复杂的动态扰动，当声波作用在固体或者流体上 产生振动时，不仅会影响周围环境，还可能与振动一起对设备产生巨大破坏，长期带故障运 行的设备辐射噪声和振动耦合后形成巨大的激振力。当机械系统出现故障时，其声学特性 亦会发生改变，从而蕴含设备状态信息。
【发明内容】
[0004] 为了克服现有技术的不足，本发明提供一种冷却塔故障诊断方法，通过对声场重 建可视化声音图像，提取其中的特征值，判断故障。
[0005] 本发明的技术方案是：一种冷却塔故障诊断方法，包括如下步骤：步骤一：利 用近场声全息方法用于声场重建和可视化，建立声像图；步骤二：求取图像的二阶组 合条件概率密度，并对声音图像进行灰度级量化，采用灰度共生矩阵特征提取纹理上 二阶统计特征，用统计特征提取声像图中声场分布特征；步骤三：将声场特征输入支 持向量机RVM模型，进行故障分类，输出故障类型。所述步骤一中包括：设立声像图 的格林函数，用于限定边界。所述步骤二中对声音图像进行灰度级量化的过程为：
【主权项】
1. 一种冷却塔故障诊断方法，其特征在于：包括如下步骤： 步骤一：利用近场声全息方法用于声场重建和可视化，建立声像图； 步骤二：求取图像的二阶组合条件概率密度，并对声音图像进行灰度级量化，采用灰度 共生矩阵特征提取纹理上二阶统计特征，用统计特征提取声像图中声场分布特征； 步骤三：将声场特征输入支持向量机RVM模型，进行故障分类，输出故障类型。
2. 根据权利要求1所述的一种冷却塔故障诊断方法，其特征在于：所述步骤一中包括： 设立声像图的格林函数，用于限定边界。
3. 根据权利要求1所述的一种冷却塔故障诊断方法，其特征在于：所述步骤二中对声 音图像进行灰度级量化的过程为： 其中，int表示取整运算，
分别为声压级矩阵p(x，y)中最大值、最小值。
4. 根据权利要求1所述的一种冷却塔故障诊断方法，其特征在于：所述步骤三具体 为： 步骤一：预处理，对特征样本的先验数据进行归一化处理，并建立声场分布特征与冷却 塔状态之间的对应关系； 步骤二：机器训练，选择合适的核函数并对其超参数进行粒子群优化训练，建立合适的RVM模型； 步骤三：故障诊断，采用"一对一"RVM分类器进行待测样本故障诊断并输出结果。
5. 根据权利要求4所述的一种冷却塔故障诊断方法，其特征在于：所述步骤二中粒子 群优化RVM超参数的具体过程为： 步骤一：初始化粒子群：确定粒子群的规模，初始位置和速度，根据约束条件对每个 粒子初始化一个满足条件的拉格朗日因子a的值； 步骤二：计算每一个粒子的目标函数值，即所要优化函数的值； 步骤三：更新每一个粒子a的位置局部最优值和全局最优值； 步骤四：更新每一个粒子的飞行速度和位置，并根据飞行空间的限制调整其速度； 步骤五：判断是否满足终止条件，满足条件跳出循环，并计算相关系数，否则返回的步 骤二，直到满足迭代的次数； 步骤六：返回最优a的值，并将最优化的参数传递给RVM模型。
6. 根据权利要求4所述的一种冷却塔故障诊断方法，其特征在于：所述步骤三中RVM 分类器通过网格搜索和交叉验证方式进行分类。
【专利摘要】本发明涉及一种冷却塔故障诊断方法,属于冷却塔技术领域,本发明方法包括如下步骤：步骤一：利用近场声全息方法用于声场重建和可视化，建立声像图；步骤二：求取图像的二阶组合条件概率密度，并对声音图像进行灰度级量化，采用灰度共生矩阵特征提取纹理上二阶统计特征，用统计特征提取声像图中声场分布特征；步骤三：将声场特征输入支持向量机RVM模型，进行故障分类，输出故障类型。本发明方法具有无损、非接触、简便易行的特点。
【IPC分类】G01N29-44, G01N29-14
【公开号】CN104698090
【申请号】CN201510115861
【发明人】张育仁, 张研, 帕提曼热扎克
【申请人】芜湖凯博实业股份有限公司
【公开日】2015年6月10日
【申请日】2015年3月17日