基于小波能量集相似度的水泵故障诊断研究

郭建斌，陈佳文，郝春明，韩 骏，严剑卫，李 欣(.河海大学能源与电气学院，南京 0098,.江苏省太湖地区水利工程管理处，江苏 苏州 58)

0 引 言

大型水泵运行中，细微的机械缺陷通常诱发异常振动，加强水泵运行振动信号数据的分析，从中甄别关键警兆信息，对于保障设备安全可靠运行，具有较好的工程现实意义[1]。

近年来，水泵性状监控和故障诊断取得到了广泛发展[2]，文献[3,4]利用频谱分析方法，为电厂循环供水泵的安装、检修、制造等方面提供重要技术支撑；文献[5]利用功率谱分析对水泵等流体机械的空化状态识别，明确了功率谱对设备故障发生具有较好特征警兆信息的特点；文献[6,7]对水泵运行信号开展小波分析，定量分析了汽蚀故障发生、发展及其灾害影响等警兆信息。可以知道，采用频谱分析、功率谱分析、小波分析等方法，是泵机运行性态信号分析与故障警兆信息甄别的重要技术手段[8]。

本文以小波方法分析泵机振动信号，分解出水泵运行信号的各频段小波能量，并按各能量段信号的异同构建特征向量集，实现水泵运行警兆信息甄别，从而建立水泵运行故障的可识别技术，最终确保设备的安全可靠运行。

1 基于小波能量特征集的水泵故障诊断模型

通常故障诱发设备呈现异常振动，表现为运动能量的无效耗散，从频谱上表现局部频段的能量聚集。水泵故障与这种局部频段能量聚集之间，研究其相互的关联规律性，重点提取出故障表征的特征能量向量集，从而实现设备运行故障的有效侦知和处置。泵故障诊断模型，见图1所示，通过分频段分解方法，获取频率段的信号能量，重点建立故障与信号局部频段能量聚集数据之间的特征向量集，以此表征设备运行状态与特征向量集之间的相似程度，从而实现泵故障的诊断和预警处置。

图1 水泵故障诊断模型Fig.1 Pump fault diagnosis model

1.1 小波分析处理

(1)小波去噪。在小波分析前，对振动信号中的噪音信息，通常采用通过Matlab降噪工具箱过滤噪音信息。去噪过程见图2所示，f为待去噪信号，w为噪音信号，s是输入信号，Fδ是Lψ小波变换下的分解系数的阈值。降噪方法按式(1)进行。

(1)

图2 小波降噪过程模型Fig.2 Model wavelet noise reduction process

(2)小波分析。在提取泵机振动信号的特征信息过程中，考虑泵运行性态主要呈现低频段的信号特征，开展小波信号分解，特别是信号的低频段细致划分[9,10]。小波变换算法流程(见图3所示)，FWT先对信号进行小波变换，原信号分解成高频部分cD1和低频部分cA1两段，其中低频部分作为信号进行第二次分解，分解成3层。

图3 FWT算法流程图Fig.3 FWT algorithm flowchart

1.2 频率分段的能量信号提取

(2)

(3)

式中：si为在i点振动幅值；xi为信号系数；n为分解段数；Ei为各段能量。

2 水泵故障诊断

望虞河枢纽工程，由9台立式轴流泵组成。按200Hz采样频率采集泵机的水导轴承、电机自由端等位置，获得正常运行、转子不平衡故障、转子不对中、转子与静止件摩擦等四种泵机运行性状的振动运行信号。

2.1 水泵运行信号的小波处理

(1)小波去噪。水泵振动信号去噪，主要有Birge-Massart去噪、Penalty阀值去噪等方法， 其中Birge-Massart去噪，比较适合大的毛躁信号处理，考虑这种噪声对能量分布的影响，本文拟采用Birge-Massart去噪方法对振动信号进行去噪处理。

(2)小波基函数的选择。水泵振动分析的常用小波基函数[11]列见表1，为了选择更好的小波基函数，引入小波函数区分度的定义：

(4)

式中：Q为小波基函数的区分度；Ei为正常信号表示第i段频率信号的能量；Fi为故障信号第i段频率信号的能量。

Q值越大表明小波基函数对正常信号和故障信号的区分度越大。普遍在Sym2和Sym3有较好的区分度，Sysm3函数有更好的对称性，选择Sym3作为小波分解的小波基函数。

表1 不同小波基函数区分度QTab.1 Distinguish degree Q of different wavelet basis function

2.2 小波能量特征集

对该工程泵运行振动，按正常运行、转子不平衡故障、转子不对中、转子与静止件摩擦等4种泵机运行性状，做小波7层分解，得8频段为d1(50～100 Hz)、d2(25～50 Hz)、d3(12.5～25 Hz)、d4(6.25～12.5 Hz)、d5(3.125～6.25 Hz)、d6(1.562～3.15 Hz)、d7(0.781～1.52 Hz)、 a7(0～0.781 Hz)(见图4所示)。可以获得泵机运行性态的能量向量集见表2所示。

结合ISO20000相关标准，明确智慧园区运营管理的权责、内容和流程等要求，为后续的支护园区信息化运维提供支持。智慧园区运维需要明确相关权责，其中包括运维职责，基础设施建设、弱电系统、通信系统和技防系统，包括系统运维质量和文档规范等内容。

图4 泵机性状信号各频段小波分解图Fig.4 Wavelet decomposition diagram of pump status signal in each frequency band

表2 不同运行状态下能量分布向量Tab.2 Energy distribution vector under different operating conditions

为了直观表征特征向量集，建立(d1, d2, d3, d4, d5, d6, d7, d8)数据集与设备运行性态的关联特征图，见图5所示。可以知道，小波能量特征集对泵运行故障具有较好的表征性。

图5 测试信号的特征向量集示意图Fig 5. the schematic diagram of test signal feature vector set

2.3 基于小波能量集相似度的水泵故障诊断

2.3.1向量相似度

把监测信息向量集与故障特征向量集进行相似度甄别，以指向设备故障警兆信息。向量相似度γ[12,13]，主要由两向量集的大小相似度α和方向相似度β共同确定，按式(5)计算。

(5)

2.3.2基于小波能量集相似度的故障诊断

工程按正常运行、转子不平衡故障、转子不对中、转子与静止件摩擦等四种泵机运行性状进行数据采集工作，各进行两次，同时对三类故障同时预设的泵机运行性状数据采集一次工作，通过小波能量集分析技术，开展泵机性状的能量向量集与其特征向量集的相似度甄别，诊断结果列见表3所示。

(1)泵机单一故障的能量向量集与其特征向量集的相似度，接近0.9，具有较好的故障辨识与表征度，便于设备运行警兆信息的有效甄别。

(2)泵机正常运行状态，与转子不平衡运行状态的能量向量集相似度比较接近，容易引起区分度不够的误判。这种现象表明，转子不平衡故障比较容易发生，需要参考其他的指标加以研判。

(3)综合故障预设的泵机运行性状，与故障特征向量集的相似度不是很高，最高仅为0.758，不能辨识清晰发生哪类故障。但是相对于正常运行状态的特征向量集，其相似度已发生较大的变化，对于表征故障发生仍然具有较好辨识力，可据此做为预警警兆信息加以甄别处置，从而确保设备安全可靠运行。

表3 泵机性状能量向量集的相似度甄别Tab.3 Screening similarity of the pump state energy vector set

注：Test1、Test 2为正常运行状态，Test 3、Test 4为转子不对中状态，Test 5、Test 6为转子不平衡状态，Test 7、Test 8为转子动静摩擦状态，Test 9为综合故障状态。

3 结 语

(1)水泵运行信号的各频段小波能量集对水泵性态的单一故障、多故障等警兆信息甄别具有较好的识别性(相似度接近0.9)。

(2)提取水泵运行信号的各频段小波能量向量集，与已知故障类型能量向量进行相似度比较，是实现水泵运行警兆信息甄别的可行技术。

(3)泵机多故障复合信号故障，尽管难以辨识清晰发生哪类故障，但相对于正常运行的特征向量集，其相似度已发生较大的变化，对于表征故障发生的定性甄别处置仍然具有较好辨识力。

□

[1] 王 凯, 张永祥, 李 军. 泵的故障诊断研究综述[J].水泵技术, 2007,(1):1-5.

[2] 周东华, 胡艳艳. 动态系统的故障诊断技术[J]. 自动化学报, 2009,(6):748-758.

[3] 钱利华. 电厂循环供水泵站立式异步电动机振动分析[J]. 排灌机械, 2006,24(2):31-32.

[4] 孙继平, 郑召文, 冯德旺, 等. 浪涌对矿井水泵房电磁环境的影响[J]. 煤炭学报, 2010,35(2):349-352.

[5] 徐朝晖, 徐东海. 水泵与水轮机空化状态监测与诊断的研究进展[J]. 农业机械学报, 2003,34(1):139-142.

[6] 黄忠富, 姜 哲, 赵斌娟, 等. 利用小波分析诊断水泵初始阶段的汽蚀故障[J]. 排灌机械, 2005,23(2):4-7.

[7] 王瑞海, 孙 鹏, 吕振江, 等. 概率神经网络在水泵故障诊断中的应用研究[J]. 煤矿机械, 2014,(10):127.

[8] 徐朝晖, 徐东海. 水泵与水轮机空化状态监测与诊断的研究进展[J]. 农业机械学报, 2003,34(1):139-142.

[9] 何正友, 陈小勤. 基于多尺度能量统计和小波能量熵测度的电力暂态信号识别方法[J]. 中国电机工程学报, 2006,26(10):33-39.

[10] 周伟强, 侯立刚, 苏成利. 基于时间-小波能量包络谱的滚动轴承特征提取[J]. 辽宁石油化工大学学报, 2014,34(3):75-78.

[11] 孔玲军.Matlab 小波分析超级学习手册[M].北京：人民邮件出版社,2014.

[12] 张 宇, 刘雨东, 计 钊. 向量相似度测度方法[J]. 声学技术, 2009,28(4):532-536.

[13] 焦利明, 杨建立. 一种确定指标权重的新方法[J]. 指挥控制与仿真, 2006,28(1):94-97.