三缸往复泵泵阀故障诊断系统的应用
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
石油／ 化Ｉ通用机械 伽
６Ｍ ｌＰ ｔ ｈｕ ＆ Ｃ ｅ ｃ ｌ ｎ ｕ ｔ ｉ ｅｌ ， ｒ １ ｎ ｏ ｈ ｍｉａ Ｉ ｄ ｓｒ ｙ
： ２Ｊ一 １ ｌ －５Ｐ ８，ｌ 吸 入 阀 ｇ 号
＿
北２ ５Ｐ ８ 号 吸入 阀磨损 ． ． １ ，ｌ Ｊ
＿
＞
ＬＬ Ｉ
ｌ ＿
１ ｒ
表１ 吸入 阀各种泵 阀状态下幅值域参数
泵 阀状 态 正 常 阀芯磨 损 弹 簧失 效
（
图４ 小波包分解树 （ 三层 ）
峰值指标 脉冲指讯
裕度指标Ｃ Ｌ 峭度指标Ｋ
５ ３５ ．３ ６ ９ ８６ ． １ １
１． ３６ ２８ ６ １．５ ０７３１
７４ ． ３１ ６ １． ７ ５ ４ ４ ２
Ｅ３ １ Ｅ３ ２ Ｅ３ ３ Ｅ３ ４ Ｅ３ ５ Ｅ３ ６ Ｅ３ ７
１６ ． ５ １３ ． ８ ６１ ．６
０７ ． ９ Ｏ６ ． ５ ３５ ． ４
Ｏ８ ．３ Ｏ３ － ８ ３４ ． ９
４． ５１ ０ ４－ ３２ ５ ２． ０７ ４
２．Ｏ ４５ ２．４ ５２ ２．９ ７Ｏ
３ ４
５ ６ ７ ８ ９
０ １ Ｏ ０ Ｏ ０ ０ Ｏ ０ ０ Ｏ ｌ ０ ０ ０ ０ ０ Ｏ
三 系统的智能诊断
故障诊断是对诊断对象的故障模式进行分类和识 别，是根据现有的知识和一定的推理机制推断出故障
表２ 三层小波包分解后各频段能量分布数据
泵阀状态
正常 阀 芯 样本 １ 样本 ２ 样本１
Ｅ０ ３
ｌ． ８６ ３ ２． ０４ ４ ２． ５６ ７
各频段所占能量
２ ．１ １ ８
１． ０８ ０ １． ２２ ４
２．５ ９４
２．８ ７９ ２． ９６ ４
３１ ．２
８４ ．８ ４５ ． ４
１． ０２ ５
２． ９１ ２ ２．３ ８４
Ｇ ｌＩ 用 栩 ■ Ｉ麓 Ｉ
２１￣ 第４ ｗｍｖｙ ．ｅ ００ 期 ．ｊ ｎｔ ｔｘ Ｇ 石油／ 化Ｉ通来自机械 ２，波分析 ＿、 Ｊ
小 波分 析是一 种信 号 的时 间 尺 度 （ 频 ）分析 时 方法 ，具有多分辨率分析的特点 ，在时频两域都具有表
征信号局部特征的能力 ，是一种窗 口大小 固定不变 ，但
具 有明 显的差 别 。正常状 态 下 ，能 量主 要分 布在第 一
段 、第 五段 、第六 段 ，分 别占２ ％、４ ％、２ ％左右 ； ０ ５ ５ 阀芯 磨损 时 ，能量 主要分 布在 第一 段 、第 五段 、第六 段 、第八 段 ，分 别 占２ ％、２ ％、３ ％、１ ％左右 ；弹 ５ ０ ０ ０
泵阀状 态
１ ２
网络预 期输 出 值
１ ０ Ｏ ０ Ｏ ０ ０ Ｏ Ｏ ０ １ ０ ０ ０ ０ Ｏ ０ ０
１故障的类型设置 ．
根据现 场 的实 际情况 ，设置 如表３ 所
示的９ 种泵 阀状态进行测试。
表３ 泵阀状态
序 号 ｌ 泵 阀状 态 正 常状 态
可 以初步 了解基本状况 。若要进一步判 断泵 阀的具体状
＞ｖ ｕ 馨蜷
态 ，系统 可计 算输 出振动 信号 的均值 、方 差 、分布 密 度、峭度指标 、峰值指标 、脉 冲指标和裕 度指标 等时域 参 数值 ，常用 的几个指标 的变化规律 如表 １ 所示 。这 几
个幅值域参数对冲击类信号有较好 的识 别能 力 。
１． ８５ ８ ６ ０ ２ ． ５９ １ ７ ６
８ ２ ． １ ４ ９ １． １ ８ ８ ７ ３
２． ｌ ８ ２ ６ Ｏ ２ ．ｌ ９１３１
变化 ，因此 ，分 别提取第 三层从低频 到高频８ 个频带 的
能量 特征 ，为 便于 比较 ，以 占总能 量百分 比 的形式 表
示 ，见表２ 。不 同泵阀状态 下 ，各频 段能 量的分布规 律
Ｌ 一
ｒ
，
上
Ｌ
Ｌ …
ｒ ｒ １ ｒ
一
罢
… ｒ ｒ １ ＿
哩 蟮
＿
一
＿
Ｉ
０
０２ ．
０４ ．
０． ６
０． ８
１
１２
１４
１６
１８
２
时 间／ ｓ
１２正常状态下１ ｉ Ｉ 号吸入阀时域 波形 图
图３ 阀芯磨损时１ 号吸入阀时域波形图
Ｇ ｉ ｅ ｅ ｍ ＆ （ ｗｍｉａ ｄ ｓ Ｍ ｎＰ ｍｄ ｕ Ｔ ｃ ｌ ｎ ｕ ｍ Ｉ
的原因 、部位以及程 度等 。通过Ｒ Ｆ０ Ｂ ￣经 网络的方法实现智能 诊断 ，它具有模仿人 类故障诊断专家进行诊 断推理的能 力，即
具有学习 、记忆 、联想 、归纳和推测的能 力 ，因此能够处理复 杂多模式的故障诊断
形状 、时间窗和频率窗都可以改变的时频局部化分析方
法 。利用连续小波变换进行动态系统故障的检测和诊断
具有较好的效果 。
簧失效时 ，能量主要分布在第五段 、第六段 、第八段 ，
分别占１ ％、３ ％、３ ％左右 。 ０ ０ ０
以 将采样 信号 进行 三层 小波包 分解 为例 ，其分 解 结构如图４ 所示 。 泵 阀出现 故障 时 ，各 频带 信号 的能 量会 有较大 的
１９ ． ９ １８ ． １ ４１ ．８
６９ ． ６ ７１ ．１ ９Ｏ ． ５
磨损
弹簧 失效
样本２
样本 １ 样本 ２
２ ．１ ３ ７
７８ ． ８ ８１ ． ２
５０ ．８
４２ ．Ｏ ５４ ．９
３Ｏ ． ２
５１ ．ｌ ４８ ． ２
３３ ． ８
７１ ．６ ６５ ．４
问题 。
根据 实 际情 况 ，网络 的具体 结构 参数 选择 为 ：输 入 层节 点数
为１ （ ２ 故障特征 向量 的维数 ） ，输 出层节 点数 为９ （ 状态模式 的数
量），隐含 层节 点数选择为 １ 。 ５ 不同泵阀状态 ，网络的预期输 出结果如表４ 所示 。 表４ 不 同泵 阀状态下网络 预期输 出结果
６Ｍ ｌＰ ｔ ｈｕ ＆ Ｃ ｅ ｃ ｌ ｎ ｕ ｔ ｉ ｅｌ ， ｒ １ ｎ ｏ ｈ ｍｉａ Ｉ ｄ ｓｒ ｙ
： ２Ｊ一 １ ｌ －５Ｐ ８，ｌ 吸 入 阀 ｇ 号
＿
北２ ５Ｐ ８ 号 吸入 阀磨损 ． ． １ ，ｌ Ｊ
＿
＞
ＬＬ Ｉ
ｌ ＿
１ ｒ
表１ 吸入 阀各种泵 阀状态下幅值域参数
泵 阀状 态 正 常 阀芯磨 损 弹 簧失 效
（
图４ 小波包分解树 （ 三层 ）
峰值指标 脉冲指讯
裕度指标Ｃ Ｌ 峭度指标Ｋ
５ ３５ ．３ ６ ９ ８６ ． １ １
１． ３６ ２８ ６ １．５ ０７３１
７４ ． ３１ ６ １． ７ ５ ４ ４ ２
Ｅ３ １ Ｅ３ ２ Ｅ３ ３ Ｅ３ ４ Ｅ３ ５ Ｅ３ ６ Ｅ３ ７
１６ ． ５ １３ ． ８ ６１ ．６
０７ ． ９ Ｏ６ ． ５ ３５ ． ４
Ｏ８ ．３ Ｏ３ － ８ ３４ ． ９
４． ５１ ０ ４－ ３２ ５ ２． ０７ ４
２．Ｏ ４５ ２．４ ５２ ２．９ ７Ｏ
３ ４
５ ６ ７ ８ ９
０ １ Ｏ ０ Ｏ ０ ０ Ｏ ０ ０ Ｏ ｌ ０ ０ ０ ０ ０ Ｏ
三 系统的智能诊断
故障诊断是对诊断对象的故障模式进行分类和识 别，是根据现有的知识和一定的推理机制推断出故障
表２ 三层小波包分解后各频段能量分布数据
泵阀状态
正常 阀 芯 样本 １ 样本 ２ 样本１
Ｅ０ ３
ｌ． ８６ ３ ２． ０４ ４ ２． ５６ ７
各频段所占能量
２ ．１ １ ８
１． ０８ ０ １． ２２ ４
２．５ ９４
２．８ ７９ ２． ９６ ４
３１ ．２
８４ ．８ ４５ ． ４
１． ０２ ５
２． ９１ ２ ２．３ ８４
Ｇ ｌＩ 用 栩 ■ Ｉ麓 Ｉ
２１￣ 第４ ｗｍｖｙ ．ｅ ００ 期 ．ｊ ｎｔ ｔｘ Ｇ 石油／ 化Ｉ通来自机械 ２，波分析 ＿、 Ｊ
小 波分 析是一 种信 号 的时 间 尺 度 （ 频 ）分析 时 方法 ，具有多分辨率分析的特点 ，在时频两域都具有表
征信号局部特征的能力 ，是一种窗 口大小 固定不变 ，但
具 有明 显的差 别 。正常状 态 下 ，能 量主 要分 布在第 一
段 、第 五段 、第六 段 ，分 别占２ ％、４ ％、２ ％左右 ； ０ ５ ５ 阀芯 磨损 时 ，能量 主要分 布在 第一 段 、第 五段 、第六 段 、第八 段 ，分 别 占２ ％、２ ％、３ ％、１ ％左右 ；弹 ５ ０ ０ ０
泵阀状 态
１ ２
网络预 期输 出 值
１ ０ Ｏ ０ Ｏ ０ ０ Ｏ Ｏ ０ １ ０ ０ ０ ０ Ｏ ０ ０
１故障的类型设置 ．
根据现 场 的实 际情况 ，设置 如表３ 所
示的９ 种泵 阀状态进行测试。
表３ 泵阀状态
序 号 ｌ 泵 阀状 态 正 常状 态
可 以初步 了解基本状况 。若要进一步判 断泵 阀的具体状
＞ｖ ｕ 馨蜷
态 ，系统 可计 算输 出振动 信号 的均值 、方 差 、分布 密 度、峭度指标 、峰值指标 、脉 冲指标和裕 度指标 等时域 参 数值 ，常用 的几个指标 的变化规律 如表 １ 所示 。这 几
个幅值域参数对冲击类信号有较好 的识 别能 力 。
１． ８５ ８ ６ ０ ２ ． ５９ １ ７ ６
８ ２ ． １ ４ ９ １． １ ８ ８ ７ ３
２． ｌ ８ ２ ６ Ｏ ２ ．ｌ ９１３１
变化 ，因此 ，分 别提取第 三层从低频 到高频８ 个频带 的
能量 特征 ，为 便于 比较 ，以 占总能 量百分 比 的形式 表
示 ，见表２ 。不 同泵阀状态 下 ，各频 段能 量的分布规 律
Ｌ 一
ｒ
，
上
Ｌ
Ｌ …
ｒ ｒ １ ｒ
一
罢
… ｒ ｒ １ ＿
哩 蟮
＿
一
＿
Ｉ
０
０２ ．
０４ ．
０． ６
０． ８
１
１２
１４
１６
１８
２
时 间／ ｓ
１２正常状态下１ ｉ Ｉ 号吸入阀时域 波形 图
图３ 阀芯磨损时１ 号吸入阀时域波形图
Ｇ ｉ ｅ ｅ ｍ ＆ （ ｗｍｉａ ｄ ｓ Ｍ ｎＰ ｍｄ ｕ Ｔ ｃ ｌ ｎ ｕ ｍ Ｉ
的原因 、部位以及程 度等 。通过Ｒ Ｆ０ Ｂ ￣经 网络的方法实现智能 诊断 ，它具有模仿人 类故障诊断专家进行诊 断推理的能 力，即
具有学习 、记忆 、联想 、归纳和推测的能 力 ，因此能够处理复 杂多模式的故障诊断
形状 、时间窗和频率窗都可以改变的时频局部化分析方
法 。利用连续小波变换进行动态系统故障的检测和诊断
具有较好的效果 。
簧失效时 ，能量主要分布在第五段 、第六段 、第八段 ，
分别占１ ％、３ ％、３ ％左右 。 ０ ０ ０
以 将采样 信号 进行 三层 小波包 分解 为例 ，其分 解 结构如图４ 所示 。 泵 阀出现 故障 时 ，各 频带 信号 的能 量会 有较大 的
１９ ． ９ １８ ． １ ４１ ．８
６９ ． ６ ７１ ．１ ９Ｏ ． ５
磨损
弹簧 失效
样本２
样本 １ 样本 ２
２ ．１ ３ ７
７８ ． ８ ８１ ． ２
５０ ．８
４２ ．Ｏ ５４ ．９
３Ｏ ． ２
５１ ．ｌ ４８ ． ２
３３ ． ８
７１ ．６ ６５ ．４
问题 。
根据 实 际情 况 ，网络 的具体 结构 参数 选择 为 ：输 入 层节 点数
为１ （ ２ 故障特征 向量 的维数 ） ，输 出层节 点数 为９ （ 状态模式 的数
量），隐含 层节 点数选择为 １ 。 ５ 不同泵阀状态 ，网络的预期输 出结果如表４ 所示 。 表４ 不 同泵 阀状态下网络 预期输 出结果