[发明专利]一种基于快速谱峭度分析的泵潜在空化故障检测方法

说明书

本发明公开了一种基于快速谱峭度分析的泵潜在空化故障检测方法，包括：步骤1，采集振动加速度信号进行降噪，作为待处理信号；步骤2，根据信号的数据量大小，确定信号处理的分解阶数；步骤3，根据快速谱峭度算法计算结果，选择最优的载波频率以及带宽；步骤4，对选择的载波频率以及带宽内的信号进行傅里叶变换，得到频谱包络图；步骤5，对比原信号时域图、经快速谱峭度滤波处理的信号时域图以及选定区域傅里叶变换后的频谱包络图，分析空化故障信号的时间和频率特征。利用本发明该方法能够检测到更多的空化瞬时信号，使时域和频域方面的信息看得更加清晰明显，能明显分辨出泵的正常状态与空化状态。

技术领域

本发明属于信号处理领域，尤其涉及一种基于快速谱峭度分析泵的实时状态并且检测其潜在空化故障的方法。

背景技术

高性能离心泵在当今社会上广泛应用和需求巨大。由于工作在高压高速等复杂条件下，离心泵的空化故障频频发生，导致振动频率加剧、噪声增大、叶片腐蚀，严重制约着泵性能和寿命。传统的检测方法在泵空化初生阶段，对于泵的流量和扬程、振动和噪声等信号变化的检测并不敏感；但当空化信号显著变化时，空化故障已经迅速发展到了相当严重的程度。

空化气泡的声信号带宽跨度大、瞬时性强、处理难度较高；空化引起的振动信号往往被叶片旋转所强烈调制。

目前信号处理领域常用的故障信号检测方法主要有短时傅里叶变换和小波变换两种。短时傅里叶变换是最常用的一种时频分析方法，它通过时间窗内的一段信号来表示某一时刻的信号特征。在短时傅里叶变换过程中，窗的长度决定频谱图的时间分辨率和频率分辨率，窗长越长，截取的信号越长，信号越长，傅里叶变换后频率分辨率越高，时间分辨率越差；相反，窗长越短，截取的信号就越短，频率分辨率越差，时间分辨率越好，也就是说短时傅里叶变换中，时间分辨率和频率分辨率之间不能兼得，应该根据具体需求进行取舍。短时傅里叶变换严重的受到了时域和频域分辨率的影响，导致它的作用受到了限制。而且，对于空化所产生的振动加速度信号，短时傅里叶变换无法分析出明确的信息。

小波变换的实用性明显强于短时傅里叶变换，它继承和发展了短时傅立叶变换局部化的思想，同时又克服了窗口大小不随频率变化等缺点，能够提供一个随频率改变的“时间-频率”窗口，是进行信号时频分析和处理的理想工具。工业生产实际中使用离散小波变换较多。但仍存在小波基选取不唯一、小波参数组合不稳健的不足。同时也有结合支持向量机和人工神经网络方法来改进小波分解变换，利用压力脉动信号和空化场分布图像，对瞬态变化的空化特征提取十分有效，不过算法复杂度高、参数设定仍然需要经验判读。此外，与小波变换等多尺度分析互为补充的，基于多维度分析(叶轮-导叶-负载-声振信号频谱)的空化诊断方法，成功开发了高灵敏度、高可靠性的水轮机空化监测与诊断系统，但是该多维度分析方法未能获得高分辨率的动态频谱纹理，不利于表征从片状向云状空化等关键转捩过程。

发明内容

本发明提供了一种基于快速谱峭度分析的泵潜在空化故障检测方法，能够检测到更多的瞬时信号，使时域和频域方面的信息看得更加清晰明显，能明显分辨出泵的正常状态与空化状态，不仅拥有比较大的频率检测范围，而且操作简单。

一种基于快速谱峭度分析的泵潜在空化故障检测方法，包括以下步骤：

步骤1，对采集的振动加速度信号进行降噪，作为实验待处理信号；

步骤2，根据试验待处理信号的数据量大小，确定拟合程度最高的快速谱峭度算法分解阶数作为信号处理的分解阶数；

步骤3，根据快速谱峭度算法计算结果，选择能够使信号峭度最大的载波频率以及相应带宽；

步骤4，对选择的载波频率以及相应带宽后的信号进行傅里叶变换，得到频谱包络图；

步骤5，根据原信号时域图、经快速谱峭度处理的信号时域图以及选定区域傅里叶变换后的频谱包络图，分析故障信号的时间和频率特征。