[发明专利]一种基于往复机械活塞杆轴心轨迹包络与信息熵特征的负荷识别方法

说明书

本发明涉及一种基于往复机械活塞杆轴心轨迹包络与信息熵特征的负荷识别方法。活塞杆是往复机械的核心运动部件之一，一旦发生松动、断裂等故障易导致恶性事故。往复机械的运行负荷与故障均会导致活塞杆运行状态的改变，从活塞杆运行数据中提取故障特征需排除往复机械运行负荷的影响。首先，发明根据三角形相似定理计算出轴心位置，得到轴心位置分布；然后，采用改进的离散点包络方法与信息熵评估方法，从活塞杆轴心位置分布中提取特征；再然后，采用流形学习方法进行特征降维后构建负荷敏感特征集；最后，训练神经网络构建负荷识别分类器，实现了往复机械运行负荷的自动识别。应用实际往复压缩机活塞杆数据验证了本发明的优越性。

技术领域

本发明涉及一种往复机械的负荷识别方法。

背景技术

变负荷工况下故障监测诊断一直是难点问题。负荷变化通常导致机械结构动态特性改变，使振动、位移等信号中的故障特征受到干扰。活塞杆是往复机械核心运动部件，易发生紧固元件松动、裂纹甚至断裂故障。针对往复机械故障监测诊断的研究报道已经较多，也有开展活塞杆轴心轨迹的研究报道。例如，利用声发射技术对活塞杆进行在线监测，实现了事故的早期预警；利用基于X方向、Y方向的活塞杆轴心位置轨迹的故障诊断分析方法，可实现往复机械活塞组件、活塞杆的潜在故障早期预警；利用谐波小波对活塞杆轴心轨迹进行提纯，提取振动能量、固有频率与轨迹包络面积等特征，用于故障诊断。

目前，针对变负荷工况下活塞杆运动特征提取的研究鲜有报道。当工况改变与故障同时发生时，活塞杆运行状态改变的根本原因需要明确，应针对负荷影响与故障影响分别进行特征挖掘，避免故障误判。因此，变负荷状态下的活塞杆瞬态运动特性研究很重要。针对前述问题，本发明提出了一种基于活塞杆轴心轨迹离散点分布轮廓包络与信息熵的特征提取方法，挖掘不同负荷工况下的活塞杆轴心轨迹特征，构建负荷敏感特征参数集，并训练负荷识别模型。

发明内容

本发明的目的在于为往复机械的负荷识别提供一种简单有效的方法，发明基于轴心轨迹数据，提取包络特征和信息熵特征，构成负荷敏感特征集，用于往复机械的负荷识别。本发明具备计算简单、适应性强、识别准确率高等特点。

本发明的目的通过以下技术方案实现：本发明首先根据活塞杆沉降和偏摆数据计算出轴心位置；然后，利用改进的离散点分布轮廓包络方法提取轴心分布包络特征，再计算轴心分布的信息熵特征，将包络特征与信息熵特征组成初始特征集；最后，利用流形学习方法从初始特征集中提取负荷敏感特征，构建最终特征集，利用负荷敏感特征集训练神经网络识别分类器。

一种基于往复机械活塞杆轴心轨迹包络与信息熵特征的负荷识别方法，其特征在于，包括以下步骤：

第一步，设置不同的负荷状态Load＝{0,d,2d,3d,…,wd}，w＝0,1,2,…，其中d为负荷梯度，总工况数为(w+1)，利用往复机械在线监测系统，通过水平方向的电涡流位移传感器(偏摆传感器)和竖直方向的电涡流位移传感器(沉降传感器)分别采集相应负荷状态下的活塞杆原始偏摆位移X_m＝{x₁,x₂,x₃,…,x_m}和活塞杆原始沉降位移Y_m＝{y₁,y₂,y₃,…,y_m}，m为采样点数；得到原始数据集XY_n＝{(X_m,Y_m)₁^T,(X_m,Y_m)₂^T,…,(X_m,Y_m)_n^T}^T，n为数据组数；