基于时序分析的阀门故障智能诊断方法与流程

本发明涉及结构部件的振动测试，具体涉及基于时序分析的阀门故障智能诊断方法。

背景技术：

1、阀门作为一种设备压力控制的结构部件，其需要定期检修而保证不会发生异常，从而确保设备在压力调节控制时能够正常运行。而对于阀门的故障诊断，通常采用振动传感器监测获取阀门的振动信号，通过对振动信号进行分析来实现对阀门故障的诊断；现有方法中通常对振动信号设定固定阈值范围，通过固定阈值范围来判断振动信号是否发生异常，同时不同故障类型的固定阈值范围存在差异，进而通过振动信号实现对阀门故障的诊断；然而固定阈值范围进行振动信号故障判断过于局限，振动信号作为时序的信号，无法保证故障对应振动信号一定超出相应的阈值范围，同时故障可能同时发生多种，因此需要结合各种故障的大量历史振动信号，通过对实时监测的振动信号与大量历史振动信号的聚类分析，实现对阀门的振动信号的故障诊断。

技术实现思路

1、本发明提供基于时序分析的阀门故障智能诊断方法，以解决现有的对阀门故障进行诊断仅通过固定阈值进行振动信号异常检测导致诊断结果不准确的问题，所采用的技术方案具体如下：

2、本发明一个实施例提供了基于时序分析的阀门故障智能诊断方法，该方法包括以下步骤：

3、通过振动传感器，对阀门采集当前振动信号及若干历史振动信号；

4、对若干历史振动信号聚类得到正常振动信号类簇及若干故障振动信号类簇；根据故障振动信号类簇中历史振动信号的周期及幅值，获取增量区间长度；

5、对历史振动信号及局部振动信号进行时域及频域分析，所述局部振动信号为当前振动信号通过增量区间长度分割得到，得到每个局部振动信号及故障振动信号类簇中每个历史振动信号的信号均匀程度；结合振动信号的幅值，得到当前振动信号与每个故障振动信号类簇的匹配程度；

6、根据匹配程度得到当前振动信号的若干参考类簇；结合正常振动信号类簇对局部振动信号进行增量聚类，得到当前振动信号的分析结果；

7、根据当前振动信号的分析结果，对阀门故障进行诊断。

8、进一步的，所述对若干历史振动信号聚类得到正常振动信号类簇及若干故障振动信号类簇，包括的具体方法为：

9、对所有历史振动信号进行k-means聚类，其中不同历史振动信号之间的距离度量采用dtw距离，通过手肘法来获取最佳k值，根据最佳k值及历史振动信号之间的距离度量进行k-means聚类，得到若干类簇，获取每个类簇中历史振动信号的数量，将数量最大的类簇作为正常振动信号类簇，其他类簇记为故障振动信号类簇。

10、进一步的，所述增量区间长度，具体的获取方法为：

11、根据故障振动信号类簇中历史振动信号的周期及幅值，获取每个故障振动信号类簇的波动程度、对比度及区间长度；

12、

13、其中，表示增量区间长度，表示故障振动信号类簇的数量，表示第个故障振动信号类簇的区间长度，表示第个故障振动信号类簇的波动程度，表示第个故障振动信号类簇的对比度，表示增量系数，为避免分母为0的超参数，表示以自然常数为底的指数函数。

14、进一步的，所述每个故障振动信号类簇的波动程度、对比度及区间长度，具体的获取方法为：

15、对于任意一个故障振动信号类簇，获取其中任意一个历史振动信号，对该历史振动信号中所有幅值计算标准差，记为该历史振动信号的幅值标准差；获取所有幅值中的最大值及最小值，将最大值减去最小值得到的差值，记为该历史振动信号的幅值对比度；将该历史振动信号通过傅里叶变换转换到频域空间中，将频域空间中的最大幅值对应的频率的倒数，作为该历史振动信号的周期长度；

16、获取该故障振动信号类簇中每个历史振动信号的幅值标准差、幅值对比度以及周期长度，将所有幅值标准差的均值，记为该故障振动信号类簇的波动程度；将所有幅值对比度的均值，作为该故障振动信号类簇的对比度；将所有周期长度的均值，作为该故障振动信号类簇的区间长度。

17、进一步的，所述得到每个局部振动信号及故障振动信号类簇中每个历史振动信号的信号均匀程度，包括的具体方法为：

18、对于任意一个局部振动信号，或任意一个故障振动信号类簇中的历史振动信号，获取该振动信号中所有幅值的均值、最大值及最小值，将最大值加上最小值的和，与最大值减去最小值的差的比值，与均值相乘，得到的乘积记为该振动信号的幅值均匀程度；对该振动信号进行傅里叶变换，得到该振动信号的若干频率分量，记录每个频率分量的频率，该振动信号的信号均匀程度的计算方法为：

19、

20、其中，表示该振动信号的幅值均匀程度，表示该振动信号的频率分量的数量，表示第个频率分量的频率，表示第个频率分量的频率，表示第个频率分量的频率，表示求绝对值。

21、进一步的，所述得到当前振动信号与每个故障振动信号类簇的匹配程度，包括的具体方法为：

22、根据信号均匀程度，以及局部振动信号与故障振动信号类簇中的历史振动信号的幅值，获取每个局部振动信号与每个故障振动信号类簇的初始匹配程度；

23、对于任意一个故障振动信号类簇，获取所有局部振动信号与该故障振动信号类簇的初始匹配程度的最大值，记为当前振动信号与该故障振动信号类簇的匹配程度。

24、进一步的，所述每个局部振动信号与每个故障振动信号类簇的初始匹配程度，具体的获取方法为：

25、对于任意一个故障振动信号类簇，将该故障振动信号类簇中所有历史振动信号的信号均匀程度的均值，记为该故障振动信号类簇的类簇均匀程度；将该故障振动信号类簇中所有历史振动信号中所有幅值的均值，记为该故障振动信号类簇的类簇幅值均值；获取每个故障振动信号类簇的类簇均匀程度及类簇幅值均值；

26、对于任意一个局部振动信号与任意一个故障振动信号类簇，获取该局部振动信号中所有幅值的均值，记为该局部振动信号的幅值均值，获取该局部振动信号的信号均匀程度与该故障振动信号类簇的类簇均匀程度的差值绝对值，记为第一差异；获取该局部振动信号的幅值均值与该故障振动信号类簇的类簇幅值均值的差值绝对值，记为第二差异；将第一差异与第二差异的比值记为该局部振动信号与该故障振动信号类簇的匹配系数；

27、获取每个局部振动信号与每个故障振动信号类簇的匹配系数，对所有匹配系数进行线性归一化，得到的结果记为每个局部振动信号与每个故障振动信号类簇的初始匹配程度。

28、进一步的，所述根据匹配程度得到当前振动信号的若干参考类簇，包括的具体方法为：

29、对所有故障振动信号类簇按照与当前振动信号的匹配程度，从大到小降序排列，从第一个故障振动信号类簇开始，对匹配程度向后逐个累加，当第一次累加的匹配程度大于或等于1时，停止累加，将已经参与累加的故障振动信号类簇，记为当前振动信号的参考类簇。

30、进一步的，所述得到当前振动信号的分析结果，包括的具体方法为：

31、对所有局部振动信号，根据若干参考类簇以及正常振动信号类簇，进行增量聚类，距离度量仍采用振动信号之间的dtw距离，得到每个局部振动信号所属的类簇，将若干所属的类簇记为当前振动信号的匹配类簇，所有匹配类簇记为分析结果。

32、进一步的，所述对阀门故障进行诊断，包括的具体方法为：

33、通过分形维数获取每个参考类簇的故障类型，根据分析结果获取匹配类簇的故障类型，若匹配类簇仅有正常振动信号类簇，实时的阀门未发生故障；匹配类簇若对应若干故障类型，实时的阀门发生相应故障。

34、本发明的有益效果是：本发明通过对作为设备或管道中结构部件的阀门进行振动测试，获取当前振动信号并结合大量历史振动信号进行聚类分析，得到对当前振动信号的分析结果，根据分析结果对阀门进行实时的故障诊断；其中在振动测试进行故障诊断过程中，现有的根据振动信号的固定阈值判断故障类型的方法偶然性及局限性较大，无法准确分析阀门故障并进行相应检修，而通过结合大量历史振动信号先进行聚类得到类簇，再根据类簇与当前振动信号的匹配程度筛选出参考类簇，保证参考类簇能够最大程度囊括阀门可能发生的故障类型，从而提高阀门的故障诊断的准确性；而在匹配程度获取过程中，获取增量区间长度对当前振动信号进行分割，减小不同历史振动信号不同的周期及幅值变化会对匹配程度量化产生的影响，再通过时域及频域分析获取信号均匀程度，通过振动信号整体的相似性来量化匹配程度，提高匹配程度计算的准确性，最终得到准确的阀门的振动测试诊断结果。