[发明专利]一种基于振动信号分析的高压隔膜泵单向阀故障诊断方法

权利要求书

1.一种基于振动信号分析的高压隔膜泵单向阀故障诊断方法，其特征在于：所述方法具体步骤如下：

Step1利用加速度传感器测量高压隔膜泵单向阀的振动信号，采集高压隔膜泵单向阀在正常状态、卡阀故障、磨损故障状态下的振动信号，得到三种状态下的振动信号；

Step2采用VMD算法对高压隔膜泵单向阀三种状态下的振动信号进行分解，通过中心频率来确定分解的模态个数，得到K个具有物理意义的IMF分量；

Step3计算IMF分量的多尺度排列熵，构造高维的故障特征矩阵；

Step4将故障特征矩阵输入遗传算法优化的SVM分类器中进行训练，得到单向阀故障诊断模型并对单向阀进行故障诊断。

2.根据权利要求1所述的基于振动信号分析的高压隔膜泵单向阀故障诊断方法，其特征在于：所述Step2的具体过程如下：

(1)通过希尔伯特变换计算每个IMF分量u_k(t)的解析式，得到其单边频谱：

其中，δ(t)为脉冲函数，t为时间，j为虚数单位，*为卷积；

(2)用一个指数项与单边频谱相乘，将其频率混合，将各个IMF分量u_k(t)的频谱调制到相对应的基频带上，即为解调信号：

(3)计算解调信号的梯度，利用2范数的平方来估算各IMF分量u_k(t)的带宽，所有分量相加等于输入信号即振动信号x(t)作为约束条件，约束变分模型如下：

式中：各模态分量{u_k(t)}＝{u₁(t),…,u_K(t)}，模态分量对应的中心频{ω_k}＝{ω₁,…,ω_K}，为对t求偏导，s,t为约束条件的缩写；

(4)为求取上述变分问题，引入二次惩罚因子α和Lagrange乘法算子λ(t)，扩展的Lagrange表达式如下：

通过反复迭代，寻找Lagrange表达式的鞍点求解最小值，获得最优解，最优解即为本征模态函数{u_k}及各自的中心频率{ω_k}。

3.根据权利要求1所述的基于振动信号分析的高压隔膜泵单向阀故障诊断方法，其特征在于：所述Step3中计算多尺度排列熵方法如下：

(1)对于任意一个IMF分量{x_i}＝{x₁,x₂,…,x_N}，每一个IMF分量包含N个数据，在不同的尺度因子条件下，将其进行粗粒化处理，粗粒化的过程为：

式中：s为尺度因子，y_a^(s)为粗粒化序列,表示向下取整；

当s＝1时，y_a⁽¹⁾为原数据{x_i}；当s＞1时，原数据被分割成s段长度不超过N/s的粗粒化序列y_a^(s)；

(2)对得到的s个粗粒序列分别求其排列熵，构造成尺度因子s的函数，因此得到了时间序列的多尺度排列熵的表达式：

式中：m为排列熵的嵌入维数，λ为延迟时间。

4.根据权利要求1所述的基于振动信号分析的高压隔膜泵单向阀故障诊断方法，其特征在于：所述Step4中利用遗传算法对SVM的参数优化，优化的参数包括核函数参数g和误差项的惩罚函数c；在优化过程中，先将训练样本输入到SVM中进行训练，得到训练好的模型，再将训练样本输入到训练好的模型中进行测试，将测试的正确率作为自适应函数。