[发明专利]一种基于NARMAX-FRF和PCA的智能诊断与预测故障方法及系统

说明书

本发明公开了一种基于NARMAX‑FRF和PCA的智能诊断与预测故障方法及系统，其中，方法包括以下步骤：S1:输入兰姆波信号至RFID模块,通过所述RFID模块获得试验样品的响应输出信号；S2:通过所述响应输出信号基于NARMAX‑FRF进行时域建模并进行频域特征提取；S3:根据提取的频域特征获得响应函数G1以及对应的响应函数G1的特征参数；S4：通过PCA分析法模型对不同状态下的响应函数G1的特征参数进行故障预测，能有效区分故障类别和位置，有效提高正确率。

技术领域

本发明涉及离心泵故障检测领域，尤其涉及一种基于NARMAX-FRF和PCA的智能诊断与预测故障方法及系统。

背景技术

离心泵主要是利用机械能或其他能量使流体的位能、压力能和动能增加，从而完成流体的输送，可以使流体从低位区到高位区，或者从低压区到高压区，在化工行业中是必不可少的机械设备。具有较广的适用性能、尺寸小、质量轻，低成本、结构较简单、操作方便、故障少、寿命长、排出液体无脉动等优点，由于泵的结构简单、经久耐用因此被广泛用于农田灌溉、石油化工工程、水利工程、冶金和造船等。

离心泵在工作过程中,即使非常轻微的一些机械缺陷或损伤都会引起整个系统的振动,例如,基座松动、叶片磨损、泵轴与传动轴的不平衡等，因此,利用振动进行故障监测诊断是目前应用最广泛的方法，由于离心泵速度变化过程的振动信号具有信息量大、非平稳、重复再现性不佳等特点,使得一些基于传统时域或频域的分析方法无法及时地反映出系统的运行状况，

现有技术中，离心泵的故障检测因为振动信号繁多，样本抽取工作量大，且复杂，不具有代表性，在进行多故障状态识别时，难以，区分故障类别和位置，使得检测正确率不高。

发明内容

本发明所要解决的技术问题是针对上述现有技术的不足，提供一种基于NARMAX-FRF和PCA的智能诊断与预测故障方法及系统，能有效区分故障类别和位置，有效提高正确率。

本发明解决上述技术问题的技术方案如下：一种基于NARMAX-FRF和PCA的智能诊断与预测故障方法，包括以下步骤：

S1:输入兰姆波信号至RFID模块,通过所述RFID模块获得试验样品的响应输出信号；

S2:通过所述响应输出信号基于NARMAX-FRF进行时域建模并进行频域特征提取；

S3:根据提取的频域特征获得响应函数G1以及对应的响应函数G1的特征参数；

S4：通过PCA分析法模型对不同状态下的响应函数G1的特征参数进行故障预测。

本发明的有益效果是，以往的工作主要集中在PEC响应的时域或频域特征提取上，没有研究输入信号与输出响应之间的物理性质关系，通过基于NARMAX-FRF进行时域建模，研究了输入信号和输出信号响应之间动态关系，获得频率响应函数G1及其特征参数后，可根据频率响应函数的变化来进行系统故障诊断和无损检测，再通过PCA进行主元分析，筛选出表征缺陷的主要特征参数并进行故障预测，能有效区分故障类别和位置，有效提高正确率。

所述S1具体为：

对试验样品发射兰姆波信号，经过RFID读写器和数据采集系统分析后获得响应输出信号。

所述S2包括：

S201:根据所述响应输出信号建立非线性差分方程：

y(t)＝f(y(t-1)，···，y(t-n_y)，u(t-1)，···，u(t-n_u)，ε(t-1)，..·，ε(t-n_ε))+ε(t)

其中，y(t)、u(t)和ε(t)分别是输出、输入和预测误差，f(·)是未知的非线性函数；