[发明专利]一种基于支持向量机的机泵安康诊断方法

权利要求书

1.一种基于支持向量机的机泵安康诊断方法，其特征在于，包括以下步骤：

(1)采集机泵运行过程中的实时振动信号数据，并对振动信号进行时频域分析；

所述振动信号是指机泵的振动加速度值；所述时频域分析包括以下步骤：

(1.1)对振动加速度值积分得到振动速度值，在此基础上建立相应的时域波形图；

(1.2)对时域波形图中的时域振动速度值进行傅里叶变换，得到频域波形图；

(2)从时频域分析获得的频域波形图中提取出时频域特征信号；

所述频域特征信号包括：时域波形形状，以及频域上的0.5倍频幅值、1倍频幅值、2倍频幅值和3倍频幅值；

(3)将时频域特征信号代入经训练的支持向量机安康诊断模型中进行诊断，获得机泵运行状态故障情况；

所述经训练的支持向量机安康诊断模型，是通过下述步骤建立的：

(3.1)将提取的机泵频域特征信息归一化到[0,1]之间：

其中，x'为归一化后的特征数据，x为原始的特征数据；提取的频域特征信号包括时域波形形状，以及频域上的0.5倍频幅值、1倍频幅值、2倍频幅值和3倍频幅值；

(3.2)完成归一化后，将五个频域特征信号表示成一个特征向量：

X＝{X₁，X₂，X₃，X₄，X₅}^T；

X₁，X₂，X₃，X₄，X₅分别为时域波形形状，以及频域上的0.5倍频幅值、1倍频幅值、2倍频幅值和3倍频幅值，T为矩阵X的转置；

(3.3)采用有向无环图DAG支持向量机来实现多分类器，即调用k-1个二类分类器进行故障类型分类，k指故障类型数量；

(3.4)将多分类器转化为求解二次优化问题，按如下方式求解：

约束条件：

其中，m为样本数量；α_i、α_j是第i、j个样本x_i、x_j对应的拉格朗日乘子；yi、yj分别是第i、j个样本对应的故障类型值；

k(x_i,y_j)为核函数，为高斯核的带宽；

(3.5)求解得到最优拉格朗日乘子集，完成模型的建立与训练；

(4)将诊断后的机泵运行状态故障情况与机泵故障知识库比对，根据匹配情况提出相应的维保指导意见。

2.根据权利要求1所述的方法，其特征在于，步骤(3)所述机泵运行状态故障情况是指存储于样本数据库中的单一故障类型，至少包括：输出转子不平衡、转子不对中、轴向裂纹、油膜失稳或动静摩擦；若实际工况中出现新的故障类型，则把新的故障类型代入样本数据库进行训练。