本發明公開了一種故障診斷方法及系統，其中方法，包括以下步驟：S1:獲取離心泵在正常模式的第一多源特征信號；S2:對所述第一多源特征信號進行去噪，得到第一三維時變頻譜陣列；S3:根據所述第一三維時變頻譜陣列獲取多個第一加載因子；S4:獲取離心泵在故障模式下的多個第二加載因子；S5:將所述多個第二加載因子與所述多個第一加載因子進行比較，獲得故障的位置和類型，當故障模式下的第二加載因子和正常模式下的第一加載因子有明顯區別時，即可檢測出故障和故障位置，有效提高診斷精準度。

技術領域

本發明涉故障檢測領域，尤其涉及一種故障檢測方法及系統。

背景技術

離心泵主要是利用機械能或其他能量使流體的位能、壓力能和動能增加，從而完成流體的輸送，可以使流體從低位區到高位區，或者從低壓區到高壓區，在化工行業中是必不可少的機械設備。具有較廣的適用性能、尺寸小、質量輕，低成本、結構較簡單、操作方便、故障少、壽命長、排出液體無脈動等優點，由于泵的結構簡單、經久耐用因此被廣泛用于農田灌溉、石油化工工程、水利工程、冶金和造船等。

離心泵主要包括泵體(蝸殼，泵軸，葉輪等)、吸水管路、壓水管路及其附件，葉輪由于長期負載運轉，使用條件惡劣，很容易發生故障。離心泵的故障診斷主要包括葉輪故障信息檢測、特征提取和狀態識別。

在現有技術中，在分析大規模數據的特性時，主元分析法(PCA，pricipalcomponent analysis)方法，即通過統計學的知識將信號的高維數據映射到一個低維空間來分析信號的特性。還有獨立成分分析法(ICA，independentcomponentanalysis)方法，在提取多維信號的特征上取得了不錯的效果。但是由于離心泵的故障檢測因為振動信號繁多，樣本抽取工作量大，且復雜，上述方法均是在二維的角度進行非線性分析，在進行多故障狀態識別時精度不高。

發明內容

本發明所要解決的技術問題是針對上述現有技術的不足，提供一種故障檢測方法及系統，具有檢測精度高、能有效檢測故障和故障位置的優點。

本發明解決上述技術問題的技術方案如下：一種故障檢測方法，包括以下步驟：

S1:獲取離心泵在正常模式的第一多源特征信號；

S2:對所述第一多源特征信號進行去噪，得到第一三維時變頻譜陣列；

S3:根據所述第一三維時變頻譜陣列獲取多個第一加載因子；

S4:獲取離心泵在故障模式下的多個第二加載因子；

S5:將所述多個第二加載因子與所述多個第一加載因子進行比較，獲得故障的位置和類型。

本發明的有益效果是，通過獲取離心泵在正常模式的第一多源特征，這里多源特征是指離心泵不同位置的信號特征，經過去噪后得到第一三維時變頻譜陣列，完成多源特征信號融合優化,保證特征提取后建立過程狀態變量、狀態模式(正常模式和故障模式)、多源振動特征信號在時間、頻率、空間三維特征矢量空間中最佳優化非線性對應關系，再通過對比多個第一加載因子和多個第二加載因子，當故障模式下的第二加載因子和正常模式下的第一加載因子有明顯區別時，即可檢測出故障和故障位置，有效提高診斷精準度。

進一步，所述第一多源特征信號為離心泵不同位置的振動信號、聲信號、流量信號和壓力信號中的一種或多種。

采用上述進一步方案的有益效果是，離心泵發生故障時，不同位置上的振動信號、聲信號、流量信號和壓力信號會明顯發生變化，通過檢測其中一種信號能粗略識別出故障的位置和類型，通過采集多種信號，能進一步提高診斷的精準度。

進一步，所述S3具體包括：

S301:將所述第一三維時變頻譜陣列，記為x_i,j,k，進行平行因子分解，則x_i,j,k的分量分別為：