[发明专利]一种基于分形维数和神经网络的机泵故障诊断方法和装置

说明书

本发明公开了一种基于分形维数和神经网络的机泵故障诊断方法和装置，通过采集离心泵的震动信号，获得第一震动信号；对第一震动信息进行经验模态分解，获得分量集合；将分量集合中的多个分量按照信号的分解顺序进行排序，获得预设条件分量；根据预设条件分量，计算分形维数，获得分形维数集；根据分形维数集，构建分形矩阵；将分形矩阵输入卷积神经网络模型中，获得输出结果，所述输出结果包括故障分类结果。解决了现有技术中机泵故障诊断主要针对某类问题进行处理，不能有效进行信号特征提取，进行全面的故障诊断分类的技术问题。达到了利用卷积神经网络对分形矩阵进行故障分类，便于更好地提取信号特征，实现多种分类故障诊断的技术效果。

技术领域

本发明涉及机泵故障诊断技术领域，尤其涉及一种基于分形维数和神经网络的机泵故障诊断方法和装置。

背景技术

工业设备的故障诊断一直是研究热点，国内外的学者已经对机泵故障诊断展开了一定的研究、分析了离心泵振动的原因及其影响因素；常见的诊断方法有利用压力脉动来诊断变转速离心泵的汽蚀故障问题；将自回归谱分析和隐马尔可夫模型相结合，该模型对常见的离心泵故障有良好的诊断效果；根据Mahalanobis-Taguchi系统的相关理论，对采集到的离心泵振动信号进行故障特征提取、故障分离与分析，能够成功对密封、叶轮和过滤器阻塞等故障部件进行诊断；利用统计参数(均值、标准差、峭度、偏度等)作为故障特征，利用模糊神经网络作为分类器，对旋转机械的多种故障进行实时监测，对汽蚀，叶轮磨损、转子不平衡等故障具有良好的诊断效果。

但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：

现有技术中机泵故障诊断主要针对某类问题进行处理，不能有效进行信号特征提取，进行全面的故障诊断分类的技术问题。

发明内容

本申请实施例通过提供一种基于分形维数和神经网络的机泵故障诊断方法和装置，解决了现有技术中机泵故障诊断主要针对某类问题进行处理，不能有效进行信号特征提取，进行全面的故障诊断分类的技术问题。达到了利用分形维数，构造信号的分形矩阵，然后利用卷积神经网络对分形矩阵进行故障分类，便于更好地提取信号特征，获得了更好的诊断分类效果，有效提高故障分类诊断的准确性，实现多种分类故障诊断的技术效果。

鉴于上述问题，提出了本申请实施例提供一种基于分形维数和神经网络的机泵故障诊断方法和装置。

第一方面，本申请实施例提供了一种基于分形维数和神经网络的机泵故障诊断方法，应用于一离心泵，所述方法包括：采集离心泵的震动信号，获得第一震动信号；对所述第一震动信息进行经验模态分解，获得分量集合；将所述分量集合中的多个分量按照信号的分解顺序进行排序，获得预设条件分量；根据所述预设条件分量，计算分形维数，获得分形维数集；根据所述分形维数集，构建分形矩阵；将所述分形矩阵输入卷积神经网络模型中，获得输出结果，所述输出结果包括故障分类结果。

另一方面，本申请还提供了一种基于分形维数和神经网络的机泵故障诊断装置，所述装置包括：

第一获得单元，所述第一获得单元用于采集离心泵的震动信号，获得第一震动信号；

第二获得单元，所述第二获得单元用于对所述第一震动信息进行经验模态分解，获得分量集合；

第三获得单元，所述第三获得单元用于将所述分量集合中的多个分量按照信号的分解顺序进行排序，获得预设条件分量；

第一计算单元，所述第一计算单元用于根据所述预设条件分量，计算分形维数，获得分形维数集；

第一构建单元，所述第一构建单元用于根据所述分形维数集，构建分形矩阵；

第四获得单元，所述第四获得单元用于将所述分形矩阵输入卷积神经网络模型中，获得输出结果，所述输出结果包括故障分类结果。