[发明专利]基于噪声信号A计权分析的泵站机组故障诊断方法

说明书

本发明公开了一种基于噪声信号A计权分析的泵站机组故障诊断方法，涉及泵站机组故障诊断技术领域。该方法通过监测泵站机组的噪声声压信号，对声压信号进行频谱分析，对各频率成分的声压级进行A计权网络修正，并通过声压级的能量叠加得到A计权噪声声压级，当A计权噪声声压级超过报警值时对声压信号进行1/3倍频程谱分析提取各倍频程频段能量特征，利用深度极限学习机，快速有效的进行特征学习，提取各个特征的隐含故障信息，从而实现水泵机组故障的智能诊断。

技术领域

本发明涉及泵站机组故障诊断技术领域，通过监测泵站机组的噪声声压信号，对声压信号进行频谱分析，对各频率成分的声压级进行A计权网络修正，并通过声压级的能量叠加得到A计权噪声声压级，当A计权噪声声压级超过报警值时对声压信号进行1/3倍频程谱分析提取各倍频程频段能量特征，利用深度极限学习机，快速有效的进行特征学习，提取各个特征的隐含故障信息，从而实现水泵机组故障的智能诊断。

背景技术

泵站机组是泵站的主要组成部件，在城市排涝、引水、调水等工程中得到广泛应用，其运行状态对整个工程和泵站的安全可靠运行起着至关重要的影响。泵站机组稳定运行是工程效益正常发挥的重要保证。水泵机组投入运行后,随着工况的变化、运行时间的延长以及一些突发事件，一些安全隐患和设备故障将逐步显现,威胁设备的安全运行,甚至导致设备遭到破坏,严重时可能引发灾难性事故。因此,实时、全面地掌握机组运行状况,及时发现存在的安全隐患和设备故障,对安全运行和工程效益的发挥都起到十分重要的作用。

噪声一方面是作为一种有害的信息需要加以克服与控制，另一方面作为机械运行时发出的一种固有信号，噪声中必然携带着机械本身的结构信息和运行的状态信息，从理论上讲完全可以利用噪声信号来对设备的运行状态及故障进行在线监测和诊断。泵站机组在运行过程中会产生一定的噪声，当机组发生故障时，噪声的频率特性和能量分布会出现不同程度的变化，据此在不停机、不解体的情况下，就可以通过对噪声信号的分析推知设备的故障部位、故障原因及其严重程度。虽然在这方面已有大量的理论研究，但是由于泵站机组本身的复杂性以及不同声源之间的相互干扰，在具体应用上尚有许多问题亟待解决，其中对采集的噪声信号的有效处理和特征提取就是其中的关键。

泵站机组由于受水力、机械、电磁等诸多因素的影响，单一故障征兆无法准确的表征故障特征，而事实上，诊断结果往往取决于提取的特征的好坏，如果提取的特征不好，整个模型很难达到很好的分类效果。其次，传统的故障诊断往往利用支持向量机、决策树等浅层分类方法，带入到机器学习的分类算法中，这种浅层学习方法往往无法自动识别各个特征的权重，从而导致诊断精度不高。近年来，随着深度学习在各个领域如语音识别，图像识别等的发展，基于深度学习理论的智能故障诊断技术有了很大突破，通过泵站机组的噪声信号的A计权分析，快速计算得到A计权噪声声压级，当A计权声压级超过报警值时通过进行1/3倍频程分析得到各倍频程声压能量值，通过深度极限学习机，快速有效的进行特征学习，提取各个特征的隐含故障信息，从而实现水泵机组故障的智能诊断。

发明内容

本发明的目的在于提供一种通过监测泵站机组的噪声声压信号，对声压信号进行频谱分析，对各频率成分的声压级进行A计权网络修正，并通过声压级的能量叠加得到A计权噪声声压级，当A计权噪声声压级超过报警值时对声压信号进行1/3倍频程谱分析提取各倍频程频段能量特征，利用深度极限学习机，快速有效的进行特征学习，提取各个特征的隐含故障信息，从而实现水泵机组故障的智能诊断的方法。

为了实现上述目的，本发明采用的技术方案如下：

一种基于噪声监测的泵站机组故障分析方法，包括如下步骤：

S1，在泵站机组工作时的每种工况下，获取距离水泵叶轮外壳和电机外壳1米处的原始噪声声压信号；

S2，分别计算水泵和电机的噪声A计权声压级，采用FFT频谱分解加权修正的方法来计算A计权声压级；

S3，判断水泵和电机的噪声A计权声压级是否超标报警，如果是则启动S4-S6的机组故障诊断分析；