[发明专利]一种过滤机水环真空泵轴承故障诊断方法

说明书

本发明公开了一种过滤机水环真空泵轴承故障诊断方法，该方法首先利用振动加速度传感器，采集过滤机水环真空泵泵口壳体上振动信号，并对过滤机水环真空泵轴承故障类型进行编码，作为训练的输出样本。之后在过滤机水环真空泵轴承的振动信号数据集上，利用量子粒子群算法对随机森林的模型超参数树模型数量T和树模型深度F进行多目标自动寻优，得到最优超参数树模型数量T和树模型深度F的最优取值，并带入到随机森林模型，利用过滤机水环真空泵轴承的训练数据集提取的特征向量和与之对应的故障编码，对最优超参数的随机森林模型进行训练；最后在过滤机水环真空泵轴承测试数据集上进行过滤机水环真空泵轴承故障诊断的泛化性能评估。

技术领域

本发明涉及过滤机维护技术领域，具体是一种过滤机水环真空泵轴承故障诊断方法。

背景技术

过滤机是一种以压为推动力实现固液分离的设备，在结构上，过滤区段沿水平长度方向布置，可以连续完成过滤、洗涤、吸干、滤布再生等作业，广泛应用于冶金、矿山、化工、造纸、食品、制药、环保等领域中的固液分离，尤其在烟气脱硫中的石膏脱水方面(FGD)有良好的应用。水环真空泵是过滤机大型机械旋转设备的核心驱动装置，工作环境极为恶劣，而旋转机械设备的故障约有30％是由滚动轴承引起的。过滤机水环真空泵轴承在服役周期内，受到磨损、侵蚀、冲击、振动及疲劳等影响，将逐渐失效产生故障。水环真空泵发生故障会直接影响过滤机的正常运行，造成严重的生命财产损失，甚至灾难性后果。因此必须对过滤机水环真空泵轴承进行状态监测，对早期故障状态进行准确快速的诊断，以便工作人员采取相关措施避免造成生命财产的重大损失。

以往对过滤机的研究主要集中在设计和制造方面，早期故障状态监测、诊断与维修方面的研究较少。对过滤机水环真空泵轴承进行故障诊断，可以基于振动信号中故障特征的时域、频域、小波、经验模式分解等不同的表征方式进行分析诊断。每个不同的表征方式都是振动信号的一个模态。虽然不同模态都是针对同一个源即振动信号，但每一模态具有机械设备不同失效模式下不同的失效敏感度。因此对信号采用更丰富的特征表征十分必要。现有过滤机水环真空泵轴承状态监测方法存在故障特征表征方式单一、诊断准确率有待提高等问题。因此多模态同源特征提取算法可以应用于轴承智能诊断当中。但将多模态同源特征提取应用在传统机器学习如支持向量机、人工神经网络、逻辑回归等浅层模型时的泛化性能差。在数据量大、特征维度高的情况下，具有诊断精度不理想的问题。

发明内容

本发明的目的在于提供一种过滤机水环真空泵轴承故障诊断方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种过滤机水环真空泵轴承故障诊断方法，包括如下步骤：

步骤一：采集过滤机水环真空泵正常状态与非正常状态下的泵口壳体上振动信号数据；

步骤二：过滤机水环真空泵的振动信号的多模态同源特征提取，对过滤机水环真空泵轴承数据集构建多模态同源特征向量，并对过滤机水环真空泵轴承故障类型进行编码，作为训练的输出样本；

步骤三：在过滤机水环真空泵轴承数据集上，利用量子粒子群优化随机森林的模型超参数树模型数量T和树模型深度F的最优值；

步骤四：利用过滤机水环真空泵轴承训练样本数据集对量子粒子群优化随机森林进行训练，得到过滤机水环真空泵轴承故障诊断模型；

步骤五：利用训练完成的量子粒子群优化随机森林模型在过滤机水环真空泵轴承测试集上进行过滤机水环真空泵轴承故障诊断的模型泛化性能评价。

作为本发明进一步的方案：所述步骤二中，构建特征向量前，对过滤机水环真空泵轴承数据集的振动信号按比例9：1随机分组得到训练样本数据集和测试数据集，过滤机水环真空泵轴承的故障类型包括轴承磨损、轴承疲劳、轴承断裂和轴承变形。

作为本发明进一步的方案：所述步骤二中，构建多模态同源特征向量前，对过滤机水环真空泵轴承数据集的振动信号进行多模态变换，具体变化如下：