一种引调水工程水泵内沉积物检测方法、介质及系统

技术领域

本发明属于引调水工程技术领域，具体而言，涉及一种引调水工程水泵内沉积物检测方法、介质及系统。

背景技术

随着社会经济的快速发展，工业和农业对水资源的需求量越来越大，针对水资源调控的重要性日益凸显。水泵调水工程在水资源分配过程中发挥着重要作用，其安全可靠运行直接影响着水资源的合理利用。但是长期高负荷、大流量运转条件下，水泵内部极易产生各种沉积物，严重影响水泵的效率和使用寿命。

目前，检测水泵内部沉积物主要通过人工停机检修获得。这种方法存在检测周期长、工作量大等问题。一些常见的在线监测方法包括声发射法、电机电流分析法、振动分析法等。声发射法受背景噪声影响较大，电机电流分析法对沉积物质量检测效果较差。目前，基于振动信号分析是研究较多的方法之一。但单一振动信号难以准确判别沉积物质量，需要综合分析振动、声音等多源信号，建立精确的多源信息融合模型。总体来说，现有水泵内部沉积监测技术存在检测周期长、结果准确度有限等问题。

发明内容

有鉴于此，本发明提供一种引调水工程水泵内沉积物检测方法、介质及系统，能够实现水泵运行状态下的在线连续监测、准确检测内部沉积物质量。

本发明是这样实现的：

本发明的第一方面提供一种引调水工程水泵内沉积物检测方法，其中，包括以下步骤：

S10、实时采集引调水工程的水泵运转状态的不同输出功率下的运转电流、震动信号以及噪音信号；所述运转电流由设置在水泵电力输入端的电流计量装置采集；所述震动信号由设置在水泵几何中心对应垂直顶部外壁上的震动传感器采集；所述噪音信号由设置在水泵几何中心对应垂直顶部1～3米处的声振传感器采集；

S20、根据所述运转电流，生成运转电流曲线；利用预先设定好的水泵标准运转电流曲线-转速曲线数据库，对所述运转电流曲线进行匹配，得到匹配度最高的标准运转电流曲线对应的转速曲线作为检测转速曲线；

S30、根据所述检测转速曲线，结合所述水泵的材料，计算所述水泵在所述检测转速曲线下的理想震动特征矩阵；

S40、对所述震动信号进行降噪、滤波预处理后，进行特征提取生成检测震动特征矩阵；

S50、计算所述检测震动矩阵和所述震动特征矩阵的差值矩阵，记为震动差值矩阵；

S60、对所述噪音信号进行特征提取，得到检测噪音特征矩阵；

S70、利用预先训练好的震动差值-噪音沉积物模型，输入所述震动差值矩阵和所述噪音特征矩阵，得到表示水泵内沉积物质量和体积的向量输出给运维人员。

在上述技术方案的基础上，本发明的一种引调水工程水泵内沉积物检测方法还可以做如下改进:

其中，所述S10具体步骤包括：

安装电流计量装置于水泵电力输入端采集运转电流；

选择震动传感器及声振传感器，分别安装于水泵几何中心对应处，采集震动信号及噪音信号；

连接传感器与信号采集系统；

调试所述信号采集系统，存储并传输采集信号。

进一步的，所述S20具体步骤包括：

构建标准运转电流曲线-转速曲线数据库；

对采集运转电流信号进行平滑滤波；

构建滤波后的运转电流曲线；

设置所述运转电流曲线匹配度计算指标；

遍历计算所述运转电流曲线与标准运转电流曲线的匹配度；

选择最佳匹配标准运转电流曲线；

输出标准运转电流曲线对应的转速曲线作为检测转速曲线。

进一步的，所述S30具体步骤包括：

收集水泵材料参数；

建立水泵机械动力学模型；

输入所述检测转速曲线；

设置边界条件；

网格划分；

进行静动力分析计算；

提取计算结果生成理论震动特征矩阵。

进一步的，所述S40具体步骤包括：

处理采集的所述震动信号，包括剔除异常信号、去趋势运算、滤波降噪；

对处理后的信号进行分帧、加窗、快速傅里叶变换；

提取频谱特征构成检测震动特征矩阵。

进一步的，所述S50具体步骤包括：

扩展检测特征矩阵与理论特征矩阵；

对应矩阵频率分量；

计算对应频率分量差值；

构建差值矩阵后归一化处理；

存储归一化后的震动差值矩阵。

进一步的，所述S60具体步骤包括：

处理采集的所述噪音信号，进行预加重、分帧、加窗、傅里叶变换；

提取短时能量特征和Mel频率倒谱系数构成噪音特征矩阵；

对所述噪音特征矩阵进行归一化处理。

进一步的，所述S70具体步骤包括：

构建含不同沉积物的水泵运行试验数据集；

选择时间相关的神经网络模型；

设计网络层数和神经元个数；

使用数据集训练模型，得到震动差值-噪音沉积物模型；

部署优化后的所述震动差值-噪音沉积物模型；

输入所述震动差值矩阵和所述噪音特征矩阵到所述震动差值-噪音沉积物模型；

所述震动差值-噪音沉积物模型处理所述震动差值矩阵和所述噪音特征矩阵，并输出检测结果向量；

评估所述震动差值-噪音沉积物模型检测结果的准确率；

输出检测得到的沉积物质量和体积给运维人员。

本发明的第二方面提供一种计算机可读存储介质，其中，所述计算机可读存储介质中存储有程序指令，所述程序指令运行时，用于执行上述的一种引调水工程水泵内沉积物检测方法。

本发明的第三方面提供一种引调水工程水泵内沉积物检测系统，其中，包含上述的计算机可读存储介质。

与现有技术相比较，本发明提供的一种引调水工程水泵内沉积物检测方法、介质及系统的有益效果是：该方法整合了水泵的运转电流、振动和噪声三种特征信号，通过标准曲线匹配获得转速信息，运用有限元动力学模型计算理论振动特征，并与实际检测特征建立差值矩阵；结合声学特征，建立了精确的质量检测模型；

与现有技术相比，本发明方法具有以下突出进步：

1、实现了水泵正常工作状态下的在线连续监测，节省了大量停机检修时间；

2、电流匹配转速避免了转速传感器的设置，降低了系统实现难度；

3、基于机械动力学模型计算理论特征，提高了结果解耦解析的准确性；

4、多源信号特征融合，构建精确的检测模型，输出结果准确可靠；

5、可以实时监测水泵内沉积物的质量和体积，为处置决策提供依据；

6、简单可靠的系统实现，具有较高的工程应用价值；

本发明为水泵运行状态下的在线连续监测提供了有效可行的技术方案，可明显提高水泵状况监测与故障预测的能力；其应用将减少水泵异常停机事故的发生，对保障水资源的合理利用具有重要意义。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为一种引调水工程水泵内沉积物检测方法的流程图。

具体实施方式

为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述。

如图1所示，是本发明第一方面提供一种引调水工程水泵内沉积物检测方法的第一实施例流程图，在本实施例中，包括以下步骤：

S10、实时采集引调水工程的水泵运转状态的不同输出功率下的运转电流、震动信号以及噪音信号；运转电流由设置在水泵电力输入端的电流计量装置采集；震动信号由设置在水泵几何中心对应垂直顶部外壁上的震动传感器采集；噪音信号由设置在水泵几何中心对应垂直顶部1～3米处的声振传感器采集；

S10具体步骤包括：

安装电流计量装置于水泵电力输入端采集运转电流；

选择震动传感器及声振传感器，分别安装于水泵几何中心对应处，采集震动信号及噪音信号；

连接传感器与信号采集系统；

调试信号采集系统，存储并传输采集信号。

S20、根据运转电流，生成运转电流曲线；利用预先设定好的水泵标准运转电流曲线-转速曲线数据库，对运转电流曲线进行匹配，得到匹配度最高的标准运转电流曲线对应的转速曲线作为检测转速曲线；

S20具体步骤包括：

构建标准运转电流曲线-转速曲线数据库；

对采集运转电流信号进行平滑滤波；

构建滤波后的运转电流曲线；

设置运转电流曲线匹配度计算指标；

遍历计算运转电流曲线与标准运转电流曲线的匹配度；

选择最佳匹配标准运转电流曲线；

输出标准运转电流曲线对应的转速曲线作为检测转速曲线。

S30、根据检测转速曲线，结合水泵的材料，计算水泵在检测转速曲线下的理想震动特征矩阵；

S30具体步骤包括：

收集水泵材料参数；

建立水泵机械动力学模型；

输入检测转速曲线；

设置边界条件；

网格划分；

进行静动力分析计算；

提取计算结果生成理论震动特征矩阵。

S40、对震动信号进行降噪、滤波预处理后，进行特征提取生成检测震动特征矩阵；

S40具体步骤包括：

处理采集的震动信号，包括剔除异常信号、去趋势运算、滤波降噪；

对处理后的信号进行分帧、加窗、快速傅里叶变换；

提取频谱特征构成检测震动特征矩阵。

S50、计算检测震动矩阵和震动特征矩阵的差值矩阵，记为震动差值矩阵；

S50具体步骤包括：

扩展检测特征矩阵与理论特征矩阵；

对应矩阵频率分量；

计算对应频率分量差值；

构建差值矩阵后归一化处理；

存储归一化后的震动差值矩阵。

S60、对噪音信号进行特征提取，得到检测噪音特征矩阵；

S60具体步骤包括：

处理采集的噪音信号，进行预加重、分帧、加窗、傅里叶变换；

提取短时能量特征和Mel频率倒谱系数构成噪音特征矩阵；

对噪音特征矩阵进行归一化处理。

S70、利用预先训练好的震动差值-噪音沉积物模型，输入震动差值矩阵和噪音特征矩阵，得到表示水泵内沉积物质量和体积的向量输出给运维人员；

S70具体步骤包括：

构建含不同沉积物的水泵运行试验数据集；

选择时间相关的神经网络模型；

设计网络层数和神经元个数；

使用数据集训练模型，得到震动差值-噪音沉积物模型；

部署优化后的震动差值-噪音沉积物模型；

输入震动差值矩阵和噪音特征矩阵到震动差值-噪音沉积物模型；

震动差值-噪音沉积物模型处理震动差值矩阵和噪音特征矩阵，并输出检测结果向量；

评估震动差值-噪音沉积物模型检测结果的准确率；

输出检测得到的沉积物质量和体积给运维人员。

如图1所示，是本发明第一方面提供一种引调水工程水泵内沉积物检测方法的第二实施例流程图，在本实施例中，包括以下步骤：

S10、实时采集引调水工程的水泵运转状态的不同输出功率下的运转电流、震动信号以及噪音信号；运转电流由设置在水泵电力输入端的电流计量装置采集；震动信号由设置在水泵几何中心对应垂直顶部外壁上的震动传感器采集；噪音信号由设置在水泵几何中心对应垂直顶部1～3米处的声振传感器采集；

S10步骤的具体实施方式：

S10步骤主要目的是实时采集引调水工程的水泵运转状态的不同输出功率下的运转电流、震动信号以及噪音信号。该步骤可以分为以下子步骤：

1.安装电流计量装置：在水泵电力输入端安装电流计量装置，用于实时采集水泵的运转电流信号。选择测量范围广、精度高的电流传感器，一般选择霍尔效应电流传感器，它利用霍尔效应实现电流的精确测量，具有量程宽、线性好、频响快等特点。

2.连接电流计量装置：将电流计量装置的信号线与后续的信号采集系统连接，确保运转电流信号可以实时传输到信号采集系统进行存储和分析。

3.选择震动传感器：根据水泵的几何中心和尺寸参数，选择测量范围和频率响应匹配的震动传感器，一般选择压阻式加速度传感器，它可以转换机械振动为电信号。

4.安装震动传感器：在水泵几何中心对应的垂直顶部外壁上安装选定的震动传感器，使其测量方向与水泵运转方向一致。注意传感器的安装位置和方向会直接影响测量结果。

5.连接震动传感器：使用屏蔽线将震动传感器与后续的信号采集系统连接，传输采集到的震动信号。

6.选择声振传感器：根据测量环境噪声和距离要求，选择测量带宽范围匹配的声振传感器，一般选择压电式振动传感器，它可以直接将声音信号转化为电信号。

7.安装声振传感器：在水泵几何中心垂直顶部1-3米处安装选定的声振传感器，使其测量方向对准水泵。注意传感器的位置会影响采集的噪音信号。

8.连接声振传感器：使用屏蔽线连接声振传感器和信号采集系统，采集噪音信号。

9.调试信号采集系统：对各传感器采集的参数进行调试，确保能稳定实时采集到完整的运转电流、震动和噪音信号。

10.存储和传输采集信号：通过信号采集系统的A/D转换、放大和滤波等模块，将采集的模拟信号转换为数字信号，并实时传输到后端的信号分析系统中。

通过上述子步骤的实现，可以顺利完成S10步骤中对水泵运转状态下的电流、震动和噪音信号的采集。这为后续的信号分析处理奠定基础。

S20、根据运转电流，生成运转电流曲线；利用预先设定好的水泵标准运转电流曲线-转速曲线数据库，对运转电流曲线进行匹配，得到匹配度最高的标准运转电流曲线对应的转速曲线作为检测转速曲线；

S20步骤的具体实施方式：

S20步骤的目的是生成运转电流曲线，并通过与标准曲线匹配获取转速曲线。该步骤可以分为以下子步骤：

1.构建标准运转电流曲线-转速曲线数据库：根据水泵的型号参数、转速范围等，模拟或实际测试获取水泵在不同转速下的标准运转电流曲线，建立标准运转电流曲线与对应转速曲线之间的数据库。

2.对采集的运转电流进行平滑滤波：通过低通平滑滤波运转电流信号，去除噪声干扰，获得平滑的运转电流曲线。

3.构建运转电流曲线：将采集的平滑化运转电流按时间顺序连接成运转电流曲线。

4.设置匹配度计算指标：设定运转电流曲线与标准曲线之间的距离或相关性等指标，作为匹配度评价指标。常用如欧氏距离、皮尔逊相关系数等。

5.遍历匹配：将构建的运转电流曲线与标准数据库中各标准曲线逐一进行匹配，计算匹配度指标。

6.选择最佳匹配曲线：从所有标准曲线中选择与运转电流曲线匹配度最高的标准曲线。

7.输出对应转速曲线：在标准曲线数据库中查找选定最佳匹配标准曲线对应的转速曲线，作为水泵的检测转速曲线。

8.平滑转速曲线：对检测转速曲线进行滤波或曲线拟合，输出平滑的检测转速曲线。

通过匹配运转电流曲线获取转速曲线的方式，避免了直接测量转速的复杂性，实现了转速曲线的检测。这为后续基于转速的分析建立基础。

S30、根据检测转速曲线，结合水泵的材料，计算水泵在检测转速曲线下的理想震动特征矩阵；

S30步骤的具体实施方式：

S30步骤的目的是根据检测得到的转速曲线，结合水泵的材料参数，计算出水泵在该转速条件下的理想震动特征矩阵。该步骤可以分为以下子步骤：1.收集水泵材料参数：调阅水泵的产品资料，获取水泵主要部件的材料参数，如杨氏模量、密度、泊松比等。这些参数将用于后续的机械动力学模型建立。

2.建立水泵机械动力学模型：根据水泵的结构图样，采用有限元法建立水泵的机械动力学计算模型。该模型包含水泵转子、壳体、轴承等主要结构，并设置不同材料的属性。

3.输入转速曲线：将S20步骤生成的水泵转速曲线作为加载输入，应用于动力学模型的转子部分，模拟水泵在实际工况下的转速变化过程。

4.设置边界条件：在动力学模型的边界设置约束条件和零位移处加载支撑约束，使计算更贴近实际工况。

5.规则网格划分：使用网格生成算法对水泵模型进行结构化规则网格划分，提高计算的精确性。

6.有限元计算：运行有限元计算程序，在设置的边界条件和加载作用下，对水泵进行静力和动力响应分析，得到各部位的位移、速度、加速度等响应结果。

7.计算理论震动特征：从有限元计算结果中提取水泵壳体表面的加速度响应信号，进行FFT变换，获得水泵在该转速条件下的理论振动频谱，作为理想条件下的震动特征矩阵。

8.存储理论震动特征矩阵：将包含主要特征频率分量的理论震动特征矩阵存储，作为后续分析的标准参考矩阵。

通过机械动力学模型仿真计算，考虑到实际的转速变化情况，可以获得水泵理论上的特征震动，为后续检测结果的对比分析建立基础。

S40、对震动信号进行降噪、滤波预处理后，进行特征提取生成检测震动特征矩阵；

S40步骤的具体实施方式：

S40步骤的目的是处理采集的震动信号，并提取出检测震动特征矩阵。该步骤可以分为以下子步骤：

1.剔除异常信号：检测采集的震动信号，剔除明显失真的脉冲信号波形，只保留具有代表性的稳定波形样本；

2.去趋势运算：对保留的信号进行去趋势处理，使信号均值为零，去除信号的直流分量；

3.滤波降噪：使用带通滤波器对信号进行滤波，减弱噪声成分，保留主要的特征频率分量；

4.构建信号矩阵：将处理后的震动信号样本按时间顺序排列成震动信号矩阵；

5.分帧处理：将信号矩阵划分为多个相同长度的短时帧，以便进行后续的窗口化处理；

6.加窗处理：对每一帧信号分别乘以汉宁窗、海明窗等窗口函数，控制信号两端的频谱泄露；

7.FFT变换：对加窗后的每一信号帧进行快速傅里叶变换，获取各个频率分量的幅值，生成信号的频谱矩阵；

8.提取特征频率：根据频谱矩阵，找到幅值较大的特征频率分量，构成检测震动特征矩阵；

9.存储特征矩阵：将获得的检测震动特征矩阵存储，用于后续与理想特征矩阵的差异分析。

经过对采集信号的处理，可以有效提取出水泵运行时的实际震动特征，为后续的质量检测分析做准备。

S50、计算检测震动矩阵和震动特征矩阵的差值矩阵，记为震动差值矩阵；

S50步骤的具体实施方式：

S50步骤的目的是基于检测和理论震动特征矩阵，计算出两者的差值矩阵。该步骤可以分为以下子步骤：

1.extending特征矩阵：通过矩阵的扩展操作，使检测特征矩阵和理论特征矩阵的矩阵大小一致。

2.矩阵对应：根据特征频率的值，实现两个矩阵在维数上的对应，使相同物理意义的特征频率分量间可对应。

3.差值计算：对应矩阵中的每个频率分量，计算检测特征值和理论特征值的数值差作为对应频率的差值。

4.构建差值矩阵：用计算出的每个频率分量的差值构成一个新的矩阵，即为震动差值矩阵。

5.差值归一化：使用矩阵的归一化处理，将震动差值矩阵中的每个分量值映射到一个固定数值范围，通常映射到0-1之间。

6.存储差值矩阵：将获得的归一化后的震动差值矩阵存储，作为输入传递给后续的质量检测模型。

7.可视化：利用颜色映射、图像等形式对震动差值矩阵进行可视化表达，更直观地表示水泵运转各特征频率分量的差异情况。

8.绘制差值曲线：将矩阵中的特征频率及其对应差值绘制为曲线图，以便观察差值随特征频率的变化情况。

经过理论和检测特征矩阵的差值计算，可以直接反映出水泵运行过程中各频率分量的差异大小，为后续的质量检测建模分析提供重要参考。

通过上述子步骤的实现，可以顺利完成S30-S50步骤的具体实施过程。这为后续基于机械动力学模型分析水泵内质量提供了重要基础。

S60、对噪音信号进行特征提取，得到检测噪音特征矩阵；

S60步骤的具体实施方式：

S60步骤的目的是对采集的噪音信号进行特征提取，得到反映水泵运转状态的噪音特征矩阵。该步骤可以分为以下子步骤：

1.剔除异常信号：检测噪音信号序列，剔除明显失真的杂散脉冲噪声，保留代表性的稳定波形样本。

2.预加重：对噪音信号进行预加重处理，通过一阶高通滤波提升高频分量，增强信号的高频特征。

3.分帧：将处理后的噪音信号按一定时间间隔分割成多个序列相等长度的短时分析帧。

4.加窗：对每个分析帧分别乘以汉宁窗、海明窗等窗口函数，减少频谱泄露。

5.快速傅里叶变换(FFT)：对加窗后的每个分析帧进行FFT运算，得到各个频率分量的复数频谱。

6.能量特征提取：计算每个分析帧的频谱功率谱，并对所有频带的功率谱进行汇总，获得每个帧的短时能量作为特征。

7.Mel频率倒谱系数(MFCC)：对频谱应用Mel滤波器组，提取每个滤波器通道的log能量，然后进行离散余弦变换，获取MFCC特征。

8.构建特征矩阵：将提取的短时能量特征和MFCC特征按时间顺序连接，构成噪音检测特征矩阵。

9.归一化处理：使用零均值和单位方差归一化对特征矩阵进行处理，获得更稳定可靠的特征表达。

10.存储特征矩阵：将得到的噪音检测特征矩阵存储，以备后续质量检测模型使用。

通过对噪音的特征提取，可以有效获得表示水泵运转状态的噪声特征，为后续的质量检测建模提供重要输入信息。

S70、利用预先训练好的震动差值-噪音沉积物模型，输入震动差值矩阵和噪音特征矩阵，得到表示水泵内沉积物质量和体积的向量输出给运维人员。

S70步骤的具体实施方式：

S70步骤的目的是基于预先训练的质量检测模型，结合输入的特征矩阵，实现水泵内沉积物质量和体积的检测输出。该步骤可以分为以下子步骤：

1.构建检测数据集：通过进行不同质量和体积沉积物的水泵运行试验，收集对应的特征矩阵数据，并进行标注，构建模型训练的数据集。

2.选择模型：选择LSTM等时序神经网络作为检测模型的框架，以处理时间相关的特征数据。

3.模型结构设计：根据输入和输出的维度设计网络层数、神经元个数等模型结构。

4.训练模型：使用构建的检测数据集训练网络模型，通过误差反向传播算法迭代优化模型参数。

5.模型评估：在验证数据集上评估模型的检测性能，如果性能不佳则调整模型结构和参数重新训练。

6.模型部署：得到性能优异的网络检测模型后，通过模型转换工具生成代码，并部署到运行设备上。

7.输入特征矩阵：运行部署的检测模型，并输入采集获得的震动差值矩阵和噪音特征矩阵。

8.模型检测：模型对输入的特征矩阵进行处理，并输出表示检测到的沉积物质量和体积的数值结果向量。

9.结果评估：可以通过与实际沉积进行对比，评估模型检测结果的准确率，并持续优化模型。

10.结果输出：将模型输出的质量和体积结果输出给运维人员，完成水泵内沉积物的检测。

通过训练和部署质量检测模型，并与采集的特征矩阵相结合，可以实现水泵运行状态下内部沉积物的智能检测，指导后续的运维与控制。

如图1所示，是本发明第一方面提供一种引调水工程水泵内沉积物检测方法的第三实施例流程图，在本实施例中，包括以下步骤：

S10、实时采集引调水工程的水泵运转状态的不同输出功率下的运转电流、震动信号以及噪音信号；运转电流由设置在水泵电力输入端的电流计量装置采集；震动信号由设置在水泵几何中心对应垂直顶部外壁上的震动传感器采集；噪音信号由设置在水泵几何中心对应垂直顶部1～3米处的声振传感器采集；

采集水泵的运转电流I(t)、震动信号a(t)和噪音信号n(t)。

其中，I(t)：水泵在时间t的瞬时电流值，单位为安培(A)；

a(t)：水泵在时间t的瞬时加速度，单位为米每秒平方(m/s

n(t)：水泵在时间t的瞬时噪声声压值，单位为帕斯卡(Pa)；

电流I(t)由电流计采集：

I(t)＝f

其中f

震动加速度a(t)由压电加速度传感器采集：

a(t)＝f

其中f

噪音n(t)由压电式声振传感器采集：

n(t)＝f

其中f

将采集的三种信号进行A/D转换和预处理，传输到后端存储和分析系统。

S20、根据运转电流，生成运转电流曲线；利用预先设定好的水泵标准运转电流曲线-转速曲线数据库，对运转电流曲线进行匹配，得到匹配度最高的标准运转电流曲线对应的转速曲线作为检测转速曲线；

构建标准运转电流曲线I

其中，I

ω(n)：对应标准转速曲线中第n个采样点的瞬时转速值；

对测得的瞬时电流I(t)进行滤波，得到平滑电流曲线I′(n)。

采用轮廓匹配算法，计算I′(n)与各标准电流曲线I

c＝f

其中f

选择匹配度c最大的标准曲线

S30、根据检测转速曲线，结合水泵的材料，计算水泵在检测转速曲线下的理想震动特征矩阵；

建立水泵的有限元动力学模型，其运动方程为：

其中，[M]：水泵的质量矩阵；

[C]：阻尼矩阵；

[K]：刚度矩阵；

{u}：水泵的节点位移向量，

{F}：外加力向量；

将检测得到的转速曲线ω

F(t)＝f[ω

求解运动方程，得到理论震动响应a

进行FFT变换，获取理论震动频谱A

S40、对震动信号进行降噪、滤波预处理后，进行特征提取生成检测震动特征矩阵；

对检测到的震动a(t)进行预处理：

a′(t)＝f

其中f

进行FFT变换，获取检测震动频谱A(f)：

其中

S50、计算检测震动矩阵和震动特征矩阵的差值矩阵，记为震动差值矩阵；

计算理论频谱A

ΔA(f)＝A(f)-A

其中，ΔA(f)为第f个频率分量的差值。

将所有ΔA(f)序列化为矩阵，得到差值矩阵[ΔA]。

S60、对噪音信号进行特征提取，得到检测噪音特征矩阵；

对噪声信号n(t)进行分帧、加窗处理：

n′(t)＝f

其中f

进行FFT变换，获取噪声频谱N(f)：

/>

S70、利用预先训练好的震动差值-噪音沉积物模型，输入震动差值矩阵和噪音特征矩阵，得到表示水泵内沉积物质量和体积的向量输出给运维人员。

构建LSTM网络模型，输入为[ΔA]和N(f)。

输出为沉积物质量m和体积v的预测结果：

[m，v]＝f

其中θ表示LSTM网络的参数。

通过数据集训练网络，得到优化后的参数θ

最后将测试样本输入网络模型，输出沉积物m和v的检测结果。

本发明的第二方面提供一种计算机可读存储介质，其中，计算机可读存储介质中存储有程序指令，程序指令运行时，用于执行上述的一种引调水工程水泵内沉积物检测方法。

本发明的第三方面提供一种引调水工程水泵内沉积物检测系统，其中，包含上述的计算机可读存储介质。

具体的，本发明的原理是：本发明的核心创新点在于，结合水泵多源特征信息，建立精准的质量检测模型，具体技术原理是：

1.采集水泵的运行电流、振动和噪声三种状态特征，这些信号承载了水泵运行状态下的综合信息；

2.利用电流信号匹配转速曲线，避免了转速的直接测量，简化了系统实现；

3.基于有限元动力学模型计算水泵的理论振动响应，并与检测结果比较得到差值矩阵，这样可以剔除水泵自身特性的影响，使结果更准确可靠；

4.采集水泵声学噪声信号，提取音频特征，作为模型输入之一，提高了检测准确度；

5.设计LSTM时间循环神经网络模型，实现对时间相关的多源数据进行有效建模，输出准确的沉积物质量；

6.通过数据集训练模型，得到稳定可靠的质量检测系统；

本发明通过上述技术手段，实现了水泵多源信息的高效利用和解析，其振动与声学特征的协同分析获得了比单一信号监测更优异的检测性能，该方案为水泵运行状态下的在线质量监测提供了原理可行的新型检测系统。