[发明专利]一种基于自相关谱和均衡平方包络谱的离心泵汽蚀状态判别方法

说明书

本发明公开了一种基于自相关谱和均衡平方包络谱的离心泵汽蚀状态判别方法，包括：采集离心泵不同状态振动信号；对各状态下的信号做自相关谱和均衡平方包络谱处理；对选取的信号进行小波变换与主成分分析，并根据主成分分析结果与自相关谱、均衡平方包络谱的图谱结果，选取特征频率；根据特征频率与参数设计原则，计算不同状态下的参数数值，并确定汽蚀判断阈值；对于待测离心泵，采集振动信号后按上述步骤进行处理，并计算当前参数数值；利用恒虚警率自适应门限的方法，根据噪声强度自适应调整阈值；将当前参数数值与阈值进行比较判断是否汽蚀。本发明的方法，根据参数自动判断离心泵是否发生汽蚀，具有较强的抗噪能力以及强大的实用性。

技术领域

本发明属于信号处理领域，尤其是涉及一种基于自相关谱和均衡平方包络谱的离心泵汽蚀状态判别方法。

背景技术

离心泵广泛应用在电力、冶金、煤炭、建材等行业，但离心泵常常运作在高压高速的复杂环境下，容易发生汽蚀故障。汽蚀不仅会产生强烈的振动与噪声，同时还会破坏叶轮表面，严重影响离心泵的工作性能与使用寿命。离心泵汽蚀信号受到多种成分调制，组成复杂，且伴有强大的背景噪声。汽蚀故障危害大、机理复杂、初生特征不明显，如何从背景噪声中提取汽蚀故障信息成为研究热点与难点。

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、小波变换等。这些方法都建立在目标信号是平稳信号的基础之上，运用与目标信号相匹配的基函数来处理信号，提取信号特征。实际的离心泵汽蚀信号一般为非平稳信号，大大局限了这些方法的适用性；在故障初生阶段信号特征也比较微弱，受多种信号的调制作用，难以进行特征提取。短时傅里叶变换(STFT)是最常用的一种时频分析方法，窗长决定变换的时间分辨率和频率分辨率，而窗长是固定不变的，因此时间分辨率和频率分辨率之间不能兼得。同时STFT抗噪性能较差，无法从强噪声背景下提取汽蚀故障所对应的特征信息。

小波变换(WT)实用性明显强于STFT，在继承STFT局部化思想的基础上，提供了一种能够伸缩和平移的窗口，改善了STFT窗口固定不变的缺点，是进行信号时频分析和处理的理想工具。WT具有可伸缩平移的特性，对信号具有良好的自适应性；同时具有良好的能量集中性，能够容易的检测到奇异点，因此广泛应用在时频分析、故障特征提取、奇异性检测、弱信号的去噪与提取等领域。但WT在取得可变的频率分辨率的同时，也面临着小波基的选取难题，同时不能很好的分解和表征包含大量细节信息的高频信号。

发明内容

为解决现有技术存在的上述问题，本发明提供了一种基于自相关谱和均衡平方包络谱的离心泵汽蚀状态判别方法，两种图谱均能够明显分辨出离心泵正常工况与汽蚀工况的区别，根据参数自动判断离心泵是否发生汽蚀，具有较强的抗噪能力，且操作简单，具有强大的实用性。

一种基于自相关谱和均衡平方包络谱的离心泵汽蚀状态判别方法，包括：

(1)采集离心泵不同状态下的振动信号，包括从正常工况至发生汽蚀；

(2)对各状态下的信号做自相关谱(Autogram)处理；

(3)对各状态下的信号做均衡平方包络谱(Combined Square Envelop Spectrum，简称CSES)处理；

(4)对步骤(2)和(3)中所选取的信号进行小波变换(WT)与主成分分析(PCA)，并根据主成分分析结果与自相关谱、均衡平方包络谱的图谱结果，选取两种图谱对应的特征频率；

(5)根据特征频率与参数设计原则，计算不同状态下的参数数值；

(6)根据不同状态的参数数值，确定汽蚀判断阈值；

(7)对于待测汽蚀状态的离心泵，采集振动信号后按上述步骤进行自相关谱处理和均衡平方包络谱处理，并计算当前参数数值；