小波分析在钻井泵阀故障诊断中的应用

较详尽地讨论了钻井泥浆泵阀的失效机理 ,针对钻井泵使用工况恶劣、环境噪声大的特点 ,利用声信号诊断泵阀故障 ,通过对声信号的多尺度小波分解 ,找出了泵阀失效的故障特征 ,用该方法能很好地诊断出泵阀的泄漏故障。

小波消噪用于钻井泵阀泄露故障诊断

讨论了钻井泥浆泵阀的失效机理 ,提出影响泵阀寿命的 2个主要因素是阀的冲击造成的阀的疲劳点蚀和由泥浆液的刺蚀、犁沟造成的冲蚀磨损 .针对钻井泵现场工况 ,采用声信号进行诊断 ,泵阀声信号的特征是信噪比低、冲击信号丰富、故障信息的时域特征明显和非平稳性 .因此通过对声信号的小波降噪处理 ,突出了泵阀失效的故障特征 ,Fourier分析很难达到这样的效果 .说明小波分析对这类信号的消噪有着Fourier分析不可比拟的优点 .同时通过消噪也为进一步诊断中特征量的提取奠定了基础 .

基于SVDD与距离测度的齿轮泵故障诊断方法研究

提出基于支持向量域描述与距离测度的齿轮泵故障诊断方法。对齿轮泵各种工况下振动信号进行小波包分解,提取各频带能量百分比作为特征向量;利用正常工况下特征向量训练SVDD超球模型,通过定义绝对距离测度检测齿轮泵状态是否出现异常;针对每种工况的特征向量单独训练SVDD超球模型,通过定义相对距离测度准确定位齿轮泵的不同故障工况。试验结果表明,采用小波包频带能量可降低数据维数,能有效浓缩故障信息;基于绝对距离测度与相对距离测度的SVDD故障诊断方法既能检测异常状态,亦能区分各种故障工况,可实现状态监测与故障分类识别目的。

基于小波包分解与DAG-SVM的柱塞泵故障诊断

针对柱塞泵检测诊断中故障特征模糊、成因复杂、难以准确定位的问题,结合决策树与支持向量机提出一种基于小波包分解与DAG-SVM的柱塞泵故障诊断方法。该方法预先对所用C-SVM和RBF核函数的参数进行优化,而后采用db5小波包对泵体振动信号进行三层分解以提取特征向量,将特征向量输入支持向量机完成其训练及模式识别过程。同时设计了柱塞泵故障诊断的一体化装置,通过模拟不同故障,利用已知故障样本完成支持向量机的训练过程,进而对待测样本进行故障模式识别。诊断结果与样本已知状态相符,验证了该方法的准确性。

基于小波包的2D-HMM离心泵故障诊断

根据离心泵故障振动信号的特点,提出了一种结合小波包与二维隐马尔可夫模型(2D-HMM)的离心泵故障诊断方法。利用小波包分解对信号进行精确细分的特点,构造出相应的能量谱作为离心泵运行状态的特征向量,并以此作为2D-HMM的输入进行训练,建立了基于2D-HMM的离心泵运行状态分类器,用以识别离心泵状态。最后通过2BA-6A离心泵试验系统验证了该方法的有效性。

基于小波包分解和RBF神经网络的民机液压泵源故障诊断研究

液压泵源是民机液压系统的动力部分,对于民航飞机飞行的安全起着重要的作用。由于民机液压泵结构复杂,故障机理繁多,因此其故障诊断难以用常规方法实现。提出了基于小波包分解和RBF神经网络的民机液压泵源故障诊断方法。采集民机液压泵轴向和径向的振动信号,利用小波包分解将振动信号进行分解,得到的各频带信号的能量作为神经网络的输入。经过RBF神经网络的计算以实现民机液压泵源的故障诊断。

基于小波包和迁移学习的飞机燃油泵故障诊断

飞机燃油系统需要在各种条件下持续向发动机供油。针对目前飞机燃油系统气蚀故障随机性和其故障数据相对不足,提出了基于小波包和迁移学习的飞机燃油泵气蚀故障诊断算法。首先利用小波包分解,对原始采样故障信号进行特征数据提取,再利用分解后的数据和相似结构下燃油泵故障数据构成目标数据和辅助数据,使用基于权重迭代调整的TrAdaboost迁移学习算法进行训练学习,最终完成故障类型的分类。通过已有的实验台和传统算法进行比较,验证了方法的有效性。

基于振动测试的钻井泵故障诊断测试点优选

钻井泵是油田常用的油气开采装备。在振动测试过程中,由于钻井泵核心部件多且间距较小,无法确定合适的测试点以获取有效的数据。论文通过小波包分解低频段能量比值的实验方式,选取其中最小值,获取适合F1300型号钻井泵的最优测试位置。

基于小波包分解与随机森林的离心泵故障诊断

针对核电厂离心泵在线故障诊断困难的问题,提出了一种基于小波包分解与随机森林的故障诊断方法。首先,利用小波包分解对离心泵电机驱动端径向垂直方向的振动信号进行3层分解并提取子频带能量特征。然后,基于离心泵振动信号的波形数据提取时域统计特征,并与小波包能量特征相结合作为随机森林模型的输入。最后,通过由振动试验得到的离心泵振动数据集对随机森林模型进行训练,形成离心泵故障诊断模型,并对该模型与支持向量机、逻辑斯蒂回归、K近邻、高斯朴素贝叶斯等机器学习模型在相同的离心泵振动数据集上进行了对比测试。结果表明,所构建的模型能够准确识别离心泵正常、叶轮破损、叶轮堵塞、电机轴承故障等运行状态,并表现出更优的分类性能。基于小波包分解与随机森林的故障诊断方法可以有效地从振动信号中提取特征并实现故障分类,对于核电厂离心泵在线故障智能诊断具有一定的可行性和有效性。