科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对单传感器所测数据存在的不全面性及离心泵故障信号的非线性非平稳性等问题，提出多传感器数据下基于多重分形去趋势波动分析法(multi-fractal detrended fluctuation analysis, MFDFA)与BP(back propagation, BP)神经网络的离心泵空化致振故障分析方法。采用MFDFA法对离心泵5种不同工况下的8类实测信号进行分析，提取多重分形谱特征参数Δf、α0、Δα、αmin及αmax作为故障特征向量，并结合BP神经网络进行单传感器信号故障诊断，优选识别率较佳的信号拼接构成多传感器特征向量，进而开展多传感器离心泵空化致振故障研究。结果表明：MFDFA法提取的多重分形谱特征参数能准确反映泵的运行状态，其中Δf、Δα以及αmax等参数对故障分类效果更好；泵振动、扭矩及电机振动等信号对故障本质的反映更准确；在此基础上形成的多传感器故障诊断模型准确率比单传感器提升了13%以上，为离心泵不同程度空化故障的状态识别提供了一种新的方法。
-
单位南昌工程学院; 江西省精密驱动与控制重点实验室
