一种水泵水锤故障诊断方法与流程

1.本发明属于水泵水锤故障技术领域，具体涉及一种水泵水锤故障诊断方法。


背景技术：

2.目前，水泵在起动和停止时，水流会冲击管道，产生一种严重水击，水流对水泵产生一个压力。由于管道光滑，后续水流在惯性的作用下，水力迅速达到最大，并产生破坏作用，这就是水力学当中的“水锤效应”。水泵发生水锤故障时常会给水泵带来灾难性的后果，可以破坏水泵，甚至引起水泵反转。
3.在水锤故障智能诊断时，由于水泵工频及其谐频成分等干扰信号的影响，往往会造成不平衡故障结论的误判结果。水泵在变频情况下，常规滤波方法难以滤除工频及其谐频成分，而且还有可能滤掉水锤故障特征成分，那么便造成水泵水锤故障诊断不准确。


技术实现要素：

4.本发明提供了一种水泵水锤故障诊断方法，用以解决现有技术中的水泵水锤故障诊断不准确的问题。
5.为解决上述技术问题，本发明所包括的技术方案以及技术方案对应的有益效果如下：
6.本发明提供了一种水泵水锤故障诊断方法，包括如下步骤：
7.1)获取水泵测试工况下的时域振动信号，根据测试工况下的时域振动信号确定工频值；
8.2)根据确定的工频值，构建正弦参考信号；
9.3)将测试工况下的时域振动信号和构建的正弦参考信号输入至变分模式提取计算模型中，得到工频成分信号；
10.4)将测试工况下的时域振动信号减去工频成分信号，得到目标信号；
11.5)提取目标信号的水锤故障特征，并与水泵正常工况下的水锤故障特征进行比较，根据比较结果判断水泵是否发生水锤故障和/或水泵水锤故障的严重程度。
12.上述技术方案的有益效果为：本发明首先基于工频值构建正弦参考信号，将测试工况下的时域振动信号和构建的正弦参考信号共同输入至变分模式计算模型中，以得到工频成分信号，然后将测试工况下的时域振动信号中工频成分信号滤除，得到较为纯净的水锤成分信号，对该水锤成分信号进行水锤故障特征提取，并与正常工况下的水锤故障特征进行比较，便可有效判断水泵是否发生水锤故障以及发生水锤故障的严重程度。该方法能够有效滤除工频成分信号及其谐频成分，从而准确提取水锤故障特征成分，有效诊断出定频及变频工况下水泵发生的微弱水锤故障，避免严重水泵严重水锤故障的发生。
13.进一步的，为了准确得到工频值以得到准确的工频成分信号，步骤1)中，采用如下手段以根据测试工况下的时域振动信号确定工频值：将测试工况下的时域振动信号进行傅里叶变换，得到测试工况下的频域振动信号；将测试工况下的频域振动信号中最大幅值处
的频率值作为工频值。
14.进一步的，步骤2)中，构建的正弦参考信号具有如下特征：正弦参考信号的频率为所述工频值，正弦参考信号的幅值为所述测试工况下的频域振动信号中最大幅值的一半，正弦参考信号的相位为0。
15.进一步的，所述工频成分信号为：
[0016][0017]
其中，为工频成分信号；α为平衡j1和j2的参数；为最小化目标函数，δ(t)为diract分布，表示一阶求导，j为复共轭，u
d
(t)为期望信号，w
d
为u
d
(t)的中心频率；为引入的惩罚函数，β(t)为构建的滤波器的时域冲击响应，f
r
(t)为残余信号；w为频域变量；λ为拉格朗日乘子，为λ(t)的傅里叶变换；为输入信号f(t)的傅里叶变换，且f(t)＝u
d
(t)+f
r
(t)；为u
d
(t)的傅里叶变换。
[0018]
进一步的，所述水锤故障特征包括峭度指标、时域包络峭度指标、1倍频指标、2
‑
5倍频频段指标、以及5
‑
分析频率频段指标中的至少一个。
[0019]
进一步的，为了准确判断水锤故障的严重程度，步骤5)中，所述水锤故障特征的数量为至少两个，则大于相应正常工况下的水锤故障特征的目标信号的水锤故障特征数量越多，水泵发生水锤故障的程度越严重。
附图说明
[0020]
图1是本发明的水泵水锤故障诊断方法的流程图；
[0021]
图2是一变频水泵发生水锤故障时的时域信号图；
[0022]
图3是图2所示信号的傅里叶谱图；
[0023]
图4是按照本发明的诊断方法输出的目标信号图；
[0024]
图5是图4所示信号的傅里叶谱图。
具体实施方式
[0025]
本发明的水泵水锤故障诊断方法的基本构思为：首先基于变分模式计算模型将工频成分信号提取出来，然后将测试工况下的时域振动信号中的工频成分信号滤掉，以得到水锤成分信号，即目标信号，最后提取目标信号的水锤故障特征，以确定水泵是否发生水锤故障以及水泵水锤故障的严重程度。下面结合附图及实施例，对本发明的水泵水锤故障诊断方法进行详细介绍。其整体流程如图1所示。
[0026]
步骤一，获取水泵正常工况下的时域振动信号，并进行时、频域特征提取，特征为五个特征，分别为峭度指标、时域包络峭度指标、1倍频指标、2
‑
5倍频频段指标、以及5
‑
分析频率频段指标，以确定五个基线特征向量。
[0027]
步骤二，获取水泵测试工况下的时域振动信号，并对其进行傅里叶变换，得到测试
工况下的频域振动信号，即傅里叶谱图；确定傅里叶谱图中最大幅值处的频率值，并将该频率值作为工频值。
[0028]
步骤三，构建正弦参考信号，且构建的正弦参考信号的频率为步骤二中确定的工频值，正弦参考信号的幅值为测试工况下的频域振动信号中最大幅值的一半，正弦参考信号的相位为0。
[0029]
步骤四，将水泵测试工况下的时域振动信号与步骤三中构建的正弦参考信号输入至变分模式提取计算模型中，得到工频成分信号。变分模式提取计算模型实现如下：
[0030]
假设输入信号f(t)为分解为两个信号——期望信号u
d
(t)和残余信号f
r
(t)，即：
[0031]
f(t)＝u
d
(t)+f
r
(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0032]
通过最小化如下标准进行期望信号u
d
(t)的求解：
[0033][0034]
其中，中δ(t)代表diract分布；w
d
代表u
d
(t)的中心频率；j1代表最小化目标函数；j代表复共轭；代表一阶求导；构建频响如下的滤波器对输入信号进行滤波，以最小化期望信号u
d
(t)与残余信号f
r
(t)的谱重叠问题：
[0035][0036]
其中，代表构建滤波器的频域表达；w为频域变量；为进一步最小化期望信号u
d
(t)与残余信号f
r
(t)的谱重叠问题，引入惩罚函数如下：
[0037][0038]
其中，β(t)为构建的滤波器的时域冲击响应。
[0039]
据此，期望信号u
d
(t)的求解可归为如下所示的约束最小化问题：
[0040][0041]
其中，α为平衡j1和j2的参数，本实施例中取0.5。
[0042]
采用如下所示的增强拉格朗日函数解决上式中的重构约束问题：
[0043][0044]
其中，λ为拉格朗日乘子。
[0045]
为简化上式，将其中为x(t)的傅里叶变换，上式可进一步简化为：
[0046][0047]
期望信号中在第n+1次迭代可通过以下方程获取：
[0048][0049]
基于消去第一个变量，上式可进一步简化为：
[0050][0051]
其中，n代表迭代数。
[0052]
同理，与可用如下两个简化式表达：
[0053][0054][0055]
变分模式提取的结果是期望信号u
d
(t)和残余信号f
r
(t)，故可以忽略经过代数运算，上述期望信号和残余信号求解式可重写为：
[0056][0057][0058]
上述所有公式中的拉格朗日算子可用如下公式进行更新：
[0059][0060]
步骤五，将测试工况下的时域振动信号减去工频成分信号，得到目标信号，该目标信号为水锤成分信号。并按照同步骤一相同的时、频域特征提取，形成五个实时特征向量。
[0061]
步骤六，将基线特征向量与对应的实时特征向量进行对比，依据是否超出基线特征向量来确定是否发生水锤故障，进一步依据超出基线特征向量的个数的多少来确定水锤故障的严重程度：
[0062]
只要有一个实时特征向量超过基线特征向量，则说明水泵发生水锤故障。
[0063]
如果五个实时特征向量同时超过相应的基线特征向量，为严重水锤故障；如果有四个实时特征向量超过相应的基线特征向量，为中等水锤故障；如果有三个实时特征向量超过相应的基线特征向量，为轻微水锤故障。
[0064]
下面将本发明的水泵水锤故障诊断方法应用于具体的实例中以说明本发明方法的有效性。如图2所示为一变频水泵发生水锤故障时的时域振动信号，图3为图2所示信号的傅里叶谱图。按照本发明方法，构建频率为50hz的正弦参考信号及其谐波信号；再将其与图2所示信号共同输入到变分模式提取计算模型中，以得到工频成分信号；接着将图2所示信号减去工频成分信号，得到目标信号，如图4所示，图4信号的傅里叶谱如图5所示。对比图4与图1及图5与图2、以及按本发明方法最终得到的结果验证表明，能够有效诊断出水锤故障。
[0065]
本发明所使用的变分模式提取计算模型是一种高效的非平稳信号分析模型，可以根据先验信息提取期望信号，相对其它时频分析方法如小波变换、经验模态分解方法具有更高效的计算效率。基于该模型，本发明可快速、准确得到工频成分信号，并将其滤掉，以得到有效的水锤成分信号，能有效诊断出定频及变频工况下水泵发生的微弱水锤故障，为避免水泵严重水锤故障的发生提供一种新技术。