我國水泵故障的常見診斷方法
在對水泵進行故障診斷時常用的方法有三種:基于信號處理的方法、基于解析模型的方法和基于知識的方法,南方水泵認為這三種方法各自有自身的優(yōu)缺點。
一、基于信號處理的方法
基于信號的處理方法主要有三種分析方法:頻譜、功率譜和小波分析。在故障診斷中最常用的是頻譜分析的方法。在用頻譜分析方法進行水泵的故障診斷時,雖然能夠診斷出是否出現故障,但是由于水泵產生的故障一般是多種多樣的,并且也是比較復雜的,因此,很難測得是什么位置發(fā)生的什么故障。功率譜是在頻域中描述信號的功率或者能量,它能夠確定出水泵最佳的工作參數、故障的位置等,為水泵的維修提供保障,但是它的計算比較復雜、分辨率也比較低,因此比較適合平穩(wěn)的信號。小波分析法是時頻分析的方法,它的局部特征比較好,對突變信號和不平穩(wěn)的信號有較好的響應作用,因此能及時的監(jiān)測出水泵中的故障,但是這種故障的研究還不太完善,需要我們進一步分析。
二、基于解析模型的方法
在水泵故障診斷中,基于解析模型的方法是一種比較精確的模型,它常用的方法有三種:狀態(tài)估計、等價空間、參數估計。首先,狀態(tài)估計法是通過建立測變量,并將測量值和估計值進行作差,來對故障進行檢測和分離。這種方法適用于數學模型比較精確的情況,在實際中很難滿足這一條件。其次,等價空間法是通過利用系統(tǒng)的輸入量和輸出量的測量值檢驗系統(tǒng)的數學模型是否等價,來對故障進行檢測和分離。第三,參數估計法是利用數學模型和物理參數的變化來對故障進行檢測和分離。這種方法比較適合故障的分離,但是參數估計法需要模型參數同物理參數一一對應,因此一般會將它和其他的方法相結合,保證檢測和分離故障更加的準確。
三、基于知識的方法
目前,人工智能算法發(fā)展迅速,在故障診斷中基于知識的方法應用越來越廣泛,這種方法對數學模型精確度的要求不是很高,有一定智能性。但是南方水泵發(fā)現這種方法在使用前要有大量的先驗知識,否則檢驗不出來。在水泵中最常用的方法有粗糙集理論、人工神經網絡、支持向量機等。首先,粗糙集理論主要用于處理不完整、不精確的知識,不用對數據進行任何附加的處理信息,這種方法近幾年的發(fā)展比較迅速,在故障形式較少的情況下,能夠保證故障診斷的精度和速度,但是當故障的形式比較復雜,特征參數也比較多時,會產生很大的決策表和規(guī)則數目。第二,人工神經網絡的方法是通過模擬生物的神經系統(tǒng)來自適應非線性的動力學系統(tǒng),它的學習性和并行計算的能力都比較強,實現分類、聯想記憶、非線性優(yōu)化等。在水泵的故障診斷中利用人工神經網絡的方法是比較常見的,它的知識表達形式比較統(tǒng)一,知識庫管理起來也比較方便,并且還便于擴展;它的學習、記憶、識別、聯想的能力都比較強;容錯性比較強;不會出現匹配的沖突和無窮遞歸等現象。第三,支持向量機是在樣本統(tǒng)計學的基礎上大展起來的,它主要用于解決小樣本、非線性、高維識別的問題,推廣性能較強。