此基礎(chǔ)上，聯(lián)合多種智能技術(shù)方法，對空氣源熱栗機(jī)組進(jìn)行狀 態(tài)監(jiān)測、故障診斷與智能預(yù)示。同時，基于MATLAB語言，采用⑶I設(shè)計(jì)方法，設(shè)計(jì)出了方 便使用的信號處理平臺。
[0049]基于多傳感器信號分析的故障診斷方法，包括下列步驟：
[0050] (1)利用單片機(jī)驅(qū)動多個傳感器收集機(jī)組數(shù)據(jù)，機(jī)組運(yùn)行參數(shù)包括供水溫度、回水 溫度、水箱水溫以及水箱水位等，并與PC機(jī)進(jìn)行串口通訊，將所采集的數(shù)據(jù)發(fā)送到PC機(jī)。
[0051] (2)機(jī)組振動信號的采集，可以采用無線傳感器，耗電小。通過無線模塊將振動數(shù) 據(jù)傳到電腦上。
[0052] (S):獲取各個傳感器測量的熱栗機(jī)組在運(yùn)行過程中不同轉(zhuǎn)態(tài)下的壓力、溫度、流 量等參數(shù)，并進(jìn)行融合操作，構(gòu)成不同狀態(tài)下的特征向量。
[0053] (4)將獲取的多個時刻或是多個運(yùn)行狀態(tài)的傳感器數(shù)據(jù)構(gòu)成的特征向量與狀態(tài)進(jìn) 行模式映射，得出故障與征兆之間的關(guān)系，以此設(shè)計(jì)和訓(xùn)練神經(jīng)網(wǎng)絡(luò)來進(jìn)行故障分類，以便 系統(tǒng)進(jìn)行故障診斷時，可以根據(jù)不同的故障征兆來完成模式映射過程。
[0054] (5)根據(jù)數(shù)據(jù)融合的特征向量維數(shù)，確定遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，完 成神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程。但因?yàn)锽P網(wǎng)絡(luò)容易陷入局部極小，從而在訓(xùn)練過程中達(dá)不到想要 的訓(xùn)練結(jié)果。因此，根據(jù)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練結(jié)果，進(jìn)行相關(guān)的優(yōu)化。
[0055] (6)采用遺傳算法對BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值分布進(jìn)行優(yōu)化，通過選擇、交 叉和變異操作找到BP神經(jīng)網(wǎng)絡(luò)的最優(yōu)權(quán)值和閾值。在此利用測試數(shù)據(jù)對優(yōu)化后的BP神經(jīng) 網(wǎng)絡(luò)進(jìn)行訓(xùn)練。獲得最終優(yōu)化好的BP神經(jīng)網(wǎng)絡(luò)故障分類器。
[0056] (7)對于相應(yīng)機(jī)械狀態(tài)下獲得的振動信號，進(jìn)行去噪等相關(guān)操作后，采用小波包分 析方法對振動波形進(jìn)行小波分解，獲取三層小波分解后各個節(jié)點(diǎn)的重構(gòu)小波系數(shù)與重構(gòu)小 波能量譜。
[0057] (8)從獲取的重構(gòu)小波系數(shù)與重構(gòu)小波能量譜中提取各個節(jié)點(diǎn)的能量、方差以及 小波系數(shù)等數(shù)據(jù)，同樣地將這些數(shù)據(jù)融合后，作為該振動信號的特征向量。
[0058] (9)小波包分解提取的原始特征中可能存在一部分的冗余特征，而冗余特征會使 得后期故障分類更為復(fù)雜，因此，有必要對提取的特征進(jìn)行約簡和選擇。可以使用粗糙集理 論對振動信號的特征向量進(jìn)行特征約簡，通過對決策表進(jìn)行條件屬性約簡、決策規(guī)則約簡， 獲取最小決策規(guī)則，作為最終分類規(guī)則。
[0059] (10)根據(jù)粗糙集約簡后的規(guī)則，設(shè)計(jì)和訓(xùn)練對向傳播神經(jīng)網(wǎng)絡(luò)，訓(xùn)練成功后。獲取 振動信號的故障模式分類器。
[0060] (11)進(jìn)入故障決策融合階段，按S3獲取的信號的特征向量作為輸入，利用S6訓(xùn) 練好的神經(jīng)網(wǎng)絡(luò)故障分類器獲取故障結(jié)果，同時按S8獲取的振動信號的特征向量利用步 驟（10)獲得的振動信號的故障模式分類器進(jìn)行診斷，獲取診斷結(jié)果。最后，將這兩種不同 信號的診斷結(jié)果進(jìn)行D-S決策融合，最終融合結(jié)果即為診斷結(jié)果。
[0061] (12)最后，基于MATLAB語言，采用⑶I設(shè)計(jì)方法，設(shè)計(jì)故障診斷信號處理平臺。技 術(shù)人員可通過簡單操作，獲取當(dāng)前機(jī)組運(yùn)行參數(shù)，及時做出故障判斷，并且可以保存當(dāng)前數(shù) 據(jù)，查看歷史數(shù)據(jù)，為之后的故障診斷提供更可靠的故障征兆信息，可以更為快速、精確的 預(yù)判機(jī)組的機(jī)械狀態(tài)。
[0062] 本技術(shù)領(lǐng)域中的普通技術(shù)人員應(yīng)當(dāng)認(rèn)識到，以上的實(shí)施例僅是用來說明本發(fā)明的 技術(shù)方案，而并非用作為對本發(fā)明的限定，任何基于本發(fā)明的實(shí)質(zhì)精神對以上所述實(shí)施例 所作的變化、變型，都將落在本發(fā)明的權(quán)利要求的保護(hù)范圍內(nèi)。
【主權(quán)項(xiàng)】
1. 一種基于多傳感器信號分析的故障診斷方法，其特征是：包括下列步驟： (1) 利用單片機(jī)驅(qū)動多個傳感器收集機(jī)組數(shù)據(jù)，機(jī)組運(yùn)行參數(shù)包括供水溫度、回水溫 度、水箱水溫以及水箱水位，并與PC機(jī)進(jìn)行串口通訊，將所采集的數(shù)據(jù)發(fā)送到PC機(jī)； (2) 機(jī)組振動信號的采集，采用無線傳感器，通過無線模塊將振動數(shù)據(jù)傳到電腦上； (3) 獲取各個傳感器測量的熱栗機(jī)組在運(yùn)行過程中不同轉(zhuǎn)態(tài)下的壓力、溫度、流量參 數(shù)，并進(jìn)行融合操作，構(gòu)成不同狀態(tài)下的特征向量； (4) 將獲取的多個時刻或是多個運(yùn)行狀態(tài)的傳感器數(shù)據(jù)構(gòu)成的特征向量與狀態(tài)進(jìn)行模 式映射，得出故障與征兆之間的關(guān)系，以此設(shè)計(jì)和訓(xùn)練神經(jīng)網(wǎng)絡(luò)來進(jìn)行故障分類，以便系統(tǒng) 進(jìn)行故障診斷時，可以根據(jù)不同的故障征兆來完成模式映射過程； (5) 根據(jù)數(shù)據(jù)融合的特征向量維數(shù)，確定遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，完成神 經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程，根據(jù)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練結(jié)果，進(jìn)行相關(guān)的優(yōu)化； (6) 采用遺傳算法對BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值分布進(jìn)行優(yōu)化，通過選擇、交叉和 變異操作找到BP神經(jīng)網(wǎng)絡(luò)的最優(yōu)權(quán)值和閾值；在此利用測試數(shù)據(jù)對優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò) 進(jìn)行訓(xùn)練，獲得最終優(yōu)化好的BP神經(jīng)網(wǎng)絡(luò)故障分類器； (7) 對于相應(yīng)機(jī)械狀態(tài)下獲得的振動信號，進(jìn)行去噪相關(guān)操作后，采用小波包分析方法 對振動波形進(jìn)行小波分解，獲取三層小波分解后各個節(jié)點(diǎn)的重構(gòu)小波系數(shù)與重構(gòu)小波能量 譜； (8) 從獲取的重構(gòu)小波系數(shù)與重構(gòu)小波能量譜中提取各個節(jié)點(diǎn)的能量、方差以及小波 系數(shù)數(shù)據(jù)，同樣地將這些數(shù)據(jù)融合后，作為該振動信號的特征向量； (9) 使用粗糙集理論對振動信號的特征向量進(jìn)行特征約簡，通過對決策表進(jìn)行條件屬 性約簡、決策規(guī)則約簡，獲取最小決策規(guī)則，作為最終分類規(guī)則； (10) 根據(jù)粗糙集約簡后的規(guī)則，設(shè)計(jì)和訓(xùn)練對向傳播神經(jīng)網(wǎng)絡(luò)，訓(xùn)練成功后，獲取振動 信號的故障模式分類器； (11) 進(jìn)入故障決策融合階段，按S3獲取的信號的特征向量作為輸入，利用步驟（6)訓(xùn) 練好的神經(jīng)網(wǎng)絡(luò)故障分類器獲取故障結(jié)果，同時按步驟（8)獲取的振動信號的特征向量利 用步驟（10)獲得的振動信號的故障模式分類器進(jìn)行診斷，獲取診斷結(jié)果；最后，將這兩種 不同信號的診斷結(jié)果進(jìn)行D-S決策融合，最終融合結(jié)果即為診斷結(jié)果； (12) 最后，基于MATLAB語言，采用⑶I設(shè)計(jì)方法，設(shè)計(jì)故障診斷信號處理平臺；技術(shù) 人員可通過簡單操作，獲取當(dāng)前機(jī)組運(yùn)行參數(shù)，及時做出故障判斷，并且可以保存當(dāng)前數(shù) 據(jù)，查看歷史數(shù)據(jù)。
【專利摘要】本發(fā)明公開了一種基于多傳感器信號分析的故障診斷方法，利用多種傳感器采集熱泵機(jī)組在運(yùn)行過程的壓力、溫度、流量等參數(shù)，并利用振動傳感器采集機(jī)組的振動信號，以此來全面掌握空氣源熱泵機(jī)組的設(shè)備狀態(tài)。在此基礎(chǔ)上，聯(lián)合多種智能技術(shù)方法，綜合運(yùn)用智能技術(shù)各自的優(yōu)點(diǎn)，揚(yáng)長避短，對空氣源熱泵機(jī)組進(jìn)行狀態(tài)監(jiān)測、故障診斷與智能預(yù)示，能夠有效地提高監(jiān)測診斷系統(tǒng)的敏感性和精確性，降低誤診率和漏診率。同時，基于MATLAB語言，采用GUI設(shè)計(jì)方法，設(shè)計(jì)出了方便使用的信號處理平臺。在不用理解系統(tǒng)機(jī)理和分析數(shù)據(jù)的情況下，為一般的操作人員提供準(zhǔn)確的診斷決策。
【IPC分類】G01M99/00
【公開號】CN105372087
【申請?zhí)枴緾N201510846925
【發(fā)明人】楊奕, 陳軼, 顧海勤, 李俊紅, 陸艷娟, 張燁, 王建山, 張桂紅
【申請人】南通大學(xué)
【公開日】2016年3月2日
【申請日】2015年11月30日