离心泵机械故障诊断方法、系统、电子设备及存储介质

技术领域

本发明涉及机械设备故障诊断技术领域，特别涉及一种离心泵机械故障诊断方法、系统、电子设备及存储介质。

背景技术

炼化、采油、电力、冶金等行业中，运转着大量的离心泵，它对生产的稳定、可靠运行起着重要的作用。加强管理与维护，对保持离心泵良好运行,减少因设备事故带来的经济损失和人员伤亡具有非常重要的意义。大型炼化企业的关键旋转机械基本上已经安装了在线监测系统，这对设备的安全稳定运行起到了一定保障的作用。

传统故障诊断方法从设备的振动信号出发，通过频谱分析、包络谱分析判断是否出现故障特征频率。然而，旋转机械设备的振动信号存在激励源多、噪声大等问题，往往从信号本身建模具有一定的难度，尽管监测系统能利用状态数据进行故障预警和故障诊断，但仍需要分析人员具备专业的故障诊断知识。随着智能工厂理念的提出，智能故障诊断技术引起了国内外专家学者的关注与研究，有效的通过智能故障诊断方法直接给出诊断结论仍处于研究阶段。

公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。

发明内容

本发明的目的之一在于，提供一种离心泵机械故障诊断方法、系统、电子设备及存储介质，从而减少现有诊断方法中对分析人员的专业知识的依赖。

为实现上述目的，根据本发明的第一方面，本发明提供了一种离心泵机械故障诊断方法，其包括：基于训练数据和测试数据，构建时、频域高维特征空间；将时、频域高维特征空间进行降维，并得到低维流形平面分布；将降维后的训练数据及其故障类别输入支持向量机中进行训练；将降维后的测试数据输入训练后的支持向量机，得出故障类别。

进一步，上述技术方案中，构建时、频域高维特征空间包括提取训练数据和测试数据的时域特征参数和频域特征参数。

进一步，上述技术方案中，时域特征参数包括整流平均值、方差、峰值、峰峰值、有效值、方根幅值、峭度、歪度、裕度因子、峰值因子、脉冲因子和波形因子。

进一步，上述技术方案中，频域特征参数包括频谱幅值样本均值、频谱幅值样本方差、频谱幅值偏度系数、频谱幅值峭度系数、平均频率、频率均方根值、频率方差、表征主频带位置、频率能量集中度、变异系数、频率偏度、频率峭度和标准化频谱均值。

进一步，上述技术方案中，采用t-SNE算法将时、频域高维特征空间进行降维。

进一步，上述技术方案中，低维空间中的联合概率分布函数为：

式中，y

时、频域高维特征空间中的概率分布函数为：

式中，x

采用KL散度描述时、频域高维特征空间数据分布于低维特征空间数据分布的差异(即KL散度损失值)，t-SNE算法采用梯度下降法最小化代价函数：

进一步，上述技术方案中，根据输入数据与降维后的数据之间联合分布的KL散度损失值，确定降维的输出维度。

进一步，上述技术方案中，t-SNE算法中的距离函数为欧氏距离、马氏距离、切比雪夫距离或余弦距离。

进一步，上述技术方案中，支持向量机选用径向基核函数，径向基核函数公式为：

式中，r＝||x-x

进一步，上述技术方案中，通过交叉验证法对核函数带宽和惩罚因子进行训练，得到最优参数。

进一步，上述技术方案中，将时、频域高维特征空间进行降维至二维或三维。

根据本发明的第二方面，本发明提供了一种离心泵机械故障诊断系统，其包括：数据获取模块，其用于获取训练数据及其故障类别和测试数据；空间转换模块，其用于构建时、频域高维特征空间、将时、频域高维特征空间进行降维，并得到低维流形平面分布；模型训练模块，其用于训练支持向量机；以及故障类别诊断模块，其用于根据训练后的支持向量机对降维后的测试数据进行故障类别诊断，并输出故障类别。

根据本发明的第三方面，本发明提供了一种电子设备，其包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器执行如上述技术方案中任意一项的离心泵机械故障诊断方法。

根据本发明的第四方面，本发明提供了一种非暂态计算机可读存储介质，非暂态计算机可读存储介质存储有计算机可执行指令，计算机可执行指令用于使计算机执行如上述技术方案中任意一项的离心泵机械故障诊断方法。

与现有技术相比，本发明具有如下一个或多个有益效果：

1.通过对时、频域高维特征空间进行降维与可视化，实现了故障类别的智能诊断，准确率高，对操作人员的专业水平要求低。解决了单一的特征无法区分设备的故障状态，高维空间的特征无法进行有效的展示的问题。

2.本发明能够有效展示训练数据与测试数据在时、频域高维特征空间的分布状况。

3.通过KL散度来决定是否更新训练数据，从而不断满足工程应用需求。

上述说明仅为本发明技术方案的概述，为了能够更清楚地了解本发明的技术手段并可依据说明书的内容予以实施，同时为了使本发明的上述和其他目的、技术特征以及优点更加易懂，以下列举一个或多个优选实施例，并配合附图详细说明如下。

附图说明

图1是根据本发明的一实施方式的离心泵机械故障诊断方法的流程图。

图2是根据本发明的实施例的执行离心泵机械故障诊断方法的电子设备的硬件结构示意图。

具体实施方式

下面结合附图，对本发明的具体实施方式进行详细描述，但应当理解本发明的保护范围并不受具体实施方式的限制。

除非另有其他明确表示，否则在整个说明书和权利要求书中，术语“包括”或其变换如“包含”或“包括有”等等将被理解为包括所陈述的元件或组成部分，而并未排除其他元件或其他组成部分。

在本文中，为了描述的方便，可以使用空间相对术语，诸如“下面”、“下方”、“下”、“上面”、“上方”、“上”等，来描述一个元件或特征与另一元件或特征在附图中的关系。应理解的是，空间相对术语旨在包含除了在图中所绘的方向之外物件在使用或操作中的不同方向。例如，如果在图中的物件被翻转，则被描述为在其他元件或特征“下方”或“下”的元件将取向在元件或特征的“上方”。因此，示范性术语“下方”可以包含下方和上方两个方向。物件也可以有其他取向(旋转90度或其他取向)且应对本文使用的空间相对术语作出相应的解释。

在本文中，术语“第一”、“第二”等是用以区别两个不同的元件或部位，并不是用以限定特定的位置或相对关系。换言之，在一些实施例中，术语“第一”、“第二”等也可以彼此互换。

如图1所示，根据本发明具体实施方式的离心泵机械故障诊断方法的流程如下：基于训练数据和测试数据提取时域特征参数和频域特征参数，构建时、频域高维特征空间；采用t-SNE算法对时、频域高维特征空间进行降维与可视化；将降维后的训练数据及其故障类别输入支持向量机中进行训练；将降维后的测试数据输入训练后的支持向量机，得出故障类别。

时域特征参数提取对原始振动信号波形数据进行统计学处理，频域特征参数提取信号傅里叶变换后的频谱信息进行统计信息提取，将两种特征参数混合得到时、频域高维特征空间，包含了信号的大部分信息。进一步地，在本发明的一个或多个示例性实施方式中，时域特征参数包括整流平均值、方差、峰值、峰峰值、有效值、方根幅值、峭度、歪度、裕度因子、峰值因子、脉冲因子和波形因子，相关表达式如表1所示。进一步地，在本发明的一个或多个示例性实施方式中，频域特征参数包括频谱幅值样本均值、频谱幅值样本方差、频谱幅值偏度系数、频谱幅值峭度系数、平均频率、频率均方根值、频率方差、表征主频带位置、频率能量集中度、变异系数、频率偏度、频率峭度和标准化频谱均值，相关表达式如表2所示。

表1时域特征参数表

表2频域特征参数表

进一步地，在本发明的一个或多个示例性实施方式中，低维空间中的联合概率分布函数为：

式中，y

时、频域高维特征空间中的概率分布函数为：

式中，x

采用KL散度描述时、频域高维特征空间数据分布与低维特征空间数据分布的差异，t-SNE算法采用梯度下降法最小化代价函数：

进一步地，在本发明的一个或多个示例性实施方式中，为了更好的可视化效果，将时、频域高维特征空间进行降维至二维或三维。应了解的是，本发明并不以此为限，根据KL散度损失值(越小越好)，也可以做出相应的选择，确定降维的输出维度。

进一步地，在本发明的一个或多个示例性实施方式中，t-SNE算法中的距离函数为欧氏距离、马氏距离、切比雪夫距离和余弦距离。

进一步地，在本发明的一个或多个示例性实施方式中，支持向量机(SVM)选用径向基核函数(RBF)，径向基核函数公式为：

式中，r＝||x-x

当用径向基核函数内核去训练SVM时，核函数带宽和惩罚因子的值对建模至关重要，核函数带宽影响数据映射到空间效果的好坏。惩罚因子影响模型泛化能力，惩罚因子较小会使决策表面更平滑，而惩罚因子较大能正确地分类所有训练样本。在本发明的一个或多个示例性实施方式中，通过交叉验证法对核函数带宽和惩罚因子进行训练，得到最优参数。

根据本发明具体实施方式的离心泵机械故障诊断系统，包括：数据获取模块，其用于获取训练数据及其故障类别和测试数据；空间转换模块，其用于构建时、频域高维特征空间、将时、频域高维特征空间进行降维，并得到低维流形平面分布；模型训练模块，其用于训练支持向量机；以及故障类别诊断模块，其用于根据训练后的支持向量机对降维后的测试数据进行故障类别诊断，并输出故障类别。

下面以具体实施例的方式更详细地说明本发明的离心泵机械故障诊断方法、系统、电子设备及存储介质，应了解的是，实施例仅为示例性的，本发明并不以此为限。

实施例1

本实施例采用中国石油某公司加氢裂化生产装置P3409A离心泵某次故障案例为测试数据。该离心泵存在明显的轴承外圈故障特征频率，因此判断该机泵轴承外圈发生了故障。本实施例采用XJTU-SY轴承全生命周期故障数据作为训练数据；将P3409A离心泵驱动端轴承测点的振动信号超过控制限的剩余样本作为测试数据，进行故障诊断。

基于训练数据和测试数据提取时、域特征参数和频域特征参数，构建时、频域高维特征空间；采用t-SNE算法对时、频域高维特征空间进行降维与可视化，采用马氏距离、欧氏距离、余弦距离和切比雪夫距离四种不同的距离进行对比实验，计算每种距离的输入数据和输出数据之间分布的KL散度。当降维至二维空间时，训练数据和测试数据的可视化分布可知，其分类问题是不可用线性条件划分的。当降维至三维空间时，训练数据和测试数据的空间分布效果更明显。由于P3409A的工况、轴承类型与训练数据大不相同，不论是二维空间还是三维空间都与内圈故障、外圈故障、保持架故障分离，呈现一种独特的分布，单纯的以可视化的角度判断其属于那一种故障类型是困难的。表3为本实施例选择不同维度、距离时的KL散度，其中可以看出KL散度最小的结果为三维空间下的欧氏距离。

表3不同参数选择下的KL散度

将采用欧氏距离降维至三维空间的训练数据及其故障类别输入支持向量机中进行模型训练。支持向量机的超参数核函数带宽和惩罚因子选择利用训练数据做交叉验证，惩罚因子的优化区间为[-10,10]，核函数带宽的优化区间为[-210,210]。最优参数为惩罚因子选择2，核函数带宽选择23。

模型训练完毕后，将测试数据输入诊断模型，得到诊断结果(故障类别)。

共诊断P3409A的故障样本案例190组，其中189组正确诊断为外圈故障，1组错误诊断为保持架故障，准确率达到99.47％，具有工业应用价值。在P3409A的数据在空间中的分布确实与外圈故障更接近，双向验证了本发明中支持向量机的有效性。

实施例2

本实施例的离心泵机械故障诊断系统，包括：数据获取模块，其用于获取训练数据及其故障类别和测试数据；空间转换模块，其用于构建时、频域高维特征空间、将时、频域高维特征空间进行降维，并得到低维流形平面分布；模型训练模块，其用于训练支持向量机；以及故障类别诊断模块，其用于根据训练后的支持向量机对降维后的测试数据进行故障类别诊断，并输出故障类别。

实施例3

本实施例提供了一种非暂态(非易失性)计算机存储介质，计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的方法，并实现相同的技术效果。

实施例4

本实施例提供了一种计算机程序产品，计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，计算机程序包括程序指令，当程序指令被计算机执行时，使计算机执行以上各个方面的方法，并实现相同的技术效果。

实施例5

图2是本实施例的执行离心泵机械故障诊断方法的电子设备的硬件结构示意图。该设备包括一个或多个处理器610以及存储器620。以一个处理器610为例。该设备还可以包括：输入装置630和输出装置640。

处理器610、存储器620、输入装置630和输出装置640可以通过总线或者其他方式连接，图2中以通过总线连接为例。

存储器620作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块。处理器610通过运行存储在存储器620中的非暂态软件程序、指令以及模块，从而执行电子设备的各种功能应用以及数据处理，即实现上述方法实施例的处理方法。

存储器620可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储数据等。此外，存储器620可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器620可选包括相对于处理器610远程设置的存储器，这些远程存储器可以通过网络连接至处理装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置630可接收输入的数字或字符信息，以及产生信号输入。输出装置640可包括显示屏等显示设备。

一个或者多个模块存储在存储器620中，当被一个或者多个处理器610执行时，执行：

基于训练数据和测试数据，构建时、频域高维特征空间；

将时、频域高维特征空间进行降维，并得到低维流形平面分布；

将降维后的训练数据及其故障类别输入支持向量机中进行训练；

将降维后的测试数据输入训练后的支持向量机，得出故障类别。

上述产品可执行本发明实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明其他实施例所提供的方法。

以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分的方法。

前述对本发明的具体示例性实施方案的描述是为了说明和例证的目的。这些描述并非想将本发明限定为所公开的精确形式，并且很显然，根据上述教导，可以进行很多改变和变化。对示例性实施例进行选择和描述的目的在于解释本发明的特定原理及其实际应用，从而使得本领域的技术人员能够实现并利用本发明的各种不同的示例性实施方案以及各种不同的选择和改变。针对上述示例性实施方案所做的任何简单修改、等同变化与修饰，都应落入本发明的保护范围。