多源信息融合的离心式压缩机喘振诊断方法

离心式压缩机是炼油化工生产的关键动力设备,其一旦出现故障将可能造成重大生产事故,因此全生命周期的在线设备监测和故障诊断有助于化工生产的连续稳定运行。提出了一种基于流量、压力和振动等多源信息融合的离心式压缩机喘振诊断方法,首先利用经验小波变换将振动数据分解成指定数目的子频带信号并按照相关性排序进行信号重构,将重构的振动、流量、压力信号分别利用卷积神经网络进行预诊断,并将三种信号的归一化诊断结果采用加权的D-S证据理论进行最终诊断。通过离心式压缩机喘振模拟实验数据验证,利用提出的多源融合的故障诊断方法进行诊断,诊断精度可达97.25%,与使用单一传感器数据相比该方法显著提升了喘振故障诊断的容错能力,与其他多源融合方法相比诊断精度更高。

基于孤立森林-控制图与多特征联合的滚动轴承异常状态检测

为保证滚动轴承异常状态检测的及时性并降低虚警率,提出了一种基于孤立森林的多指标改进CUSUM异常检测方法(IF-CUSUM)。首先,对轴承原始振动序列进行小波去噪;然后,基于孤立森林算法去除振动序列的离群点;最后,结合RMS和峭度等指标设计阈值分配方案,给出异常状态检测判定依据。通过60组不同振动演化规律、脉冲强度和噪声等级的滚动轴承故障仿真数据以及FEMTO-ST轴承数据集进行算法验证,结果表明,与基于单一RMS指标、峭度指标的异常检测算法相比,IF-CUSUM算法能较早地检测出滚动轴承运行过程中的异常点,虚警率较低,整体性能和鲁棒性较好。