运用粗糙集与小波神经网络诊断往复泵故障.pdfVIP

维普资讯 石 油 机 械 CHINAPETROLEUMMACHINERY 2006年 第34卷 第4期 ●检测诊断 运用粗糙集与小波神经网络诊断往复泵故障 舒 服 华 (武汉理工大学机 电工程学院) 摘要 提出一种粗糙集理论与小波神经网络集成的往复泵故障诊断方法。首先利用小波包对 采集信号进行分解和重构能量特征向量。然后应用SOM网络对故障诊断数据中的连续属性进行离 散化，根据粗糙集理论，借助遗传算法进行故障诊断决策系统约简，获得最优决策系统。在最优 决策系统的基础上，设计RBF神经网络对往复泵故障进行诊断。试验结果显示，该方法可以有效 提高往复泵故障诊断的精度和效率。 关键词 小波包分解 粗糙集 神经网络 往复泵 故障诊断 引 言 小波包分解与单支重构 往复泵是石油矿场中的重要设备之一，广泛应 往复泵阀的故障诊断系统中，所测得的振动信 用于钻井、注水或聚合物驱油和压裂等工艺。泵阀 号包含着丰富的冲击信号成分，呈现典型的非平稳 组件作为其液力端关键部件，因工况恶劣，往往容 时变特征，必须将时域和频域结合起来描述所测得 易发生故障。往复泵结构复杂，泵阀轮流关闭，。形 的振动信号的时频特征。小波包分析，将频带进行 成对机体的冲击，同时，激励源类型较多，导致故 多层次划分，对多分辨率分析没有细分的高频部分 障诊断工作困难。因此利用先进的技术进行往复泵 进一步分解 ，并能够根据分析信号的特征，自适应 运行状态监测，及时查清设备隐患，采取相应的措 地选择相应的频带，使之与信号频谱相匹配，从而 施，具有重要意义。人工神经网络 (ANN)具有 提高了时频分辨率 J。 大规模的并行处理和分布式的信息存储能力 、良好 设 原始信号s经过小波包分解后第i层第 的自适应性、自组织性及很强的学习、联想、容错 节点的小波包分解系数，对每个小波包分解系数 和抗干扰能力，能以任何精度逼近复杂非线性系 单支重构，提取各频带范围的时域信号。以s表 统，在故障诊断领域得到了广泛的应用。粗糙集理 示 肭单支重构信号，则总信号可表示为 J 论 (RoughSets，RS)是一种处理模糊性与不确定 2l 性的软计算基础理论，它不需要任何先验知识，仅 s=∑S (1) 1 利用数据本身提供的信息就能够表达和处理不完备 式中 —一小波包分解层数，iEZ。 信息，能在保留关键信息的前提下对数据的属性进 假设原始信号s中的最低频率成分为 最 行约简并求得知识的最小表达，从中发现隐含知 高频率成分为 ，令 = ( 一 i)／2，则 识，揭示潜在的规律…。 s代表的频率范围为 [i+ (一1) ]～ (厂mi 笔者提 出一种 RS理论和人工神经 网络 3 (ANN)融合的往复泵故障诊断方法。在小波包分 以各频带信号s的能量为元素构建故障特征 解系数单支重构的基础上，以各频段信号的能量来 向量，由于原始信号 s及 5均为随机信号，设对 构建故障特征向量，应用粗糙集理论对神经网络的 应的能量为 ¨则