活塞压缩机气阀故障分析.docxVIP

活塞压缩机气阀故障分析 0 气阀的故障检测 气阀故障是激活泵中最常见的故障类型之一。主要故障包括阀片开口故障和阀片误差故障。 及弹簧损坏故障等。无论气阀出现何种故障, 都要对气阀进行检修或更换。所以, 在对气阀进行故障诊断较为困难的情况下, 可对其进行故障检测, 及时发现异常度较为严重的气阀并对其进行检修或更换。气阀的故障检测就是通过检测气阀的异常度, 了解气阀的工作状态, 根据所设定的异常度阈值, 判断气阀的故障状态。 本文基于生物免疫系统自己—非己识别的反面选择智能机理, 结合神经网络的智能信息处理技术, 研究了活塞压缩机气阀故障检测的新方法。 1 检测非己的方法 免疫系统的T细胞在产生过程中, 通过伪随机基因重组过程在T细胞表面产生检测器, 然后T细胞进入胸腺进行检查 (称为反面选择) , 那些和机体自身蛋白质反应的T细胞被毁灭, 只有那些不破坏自身组织的T细胞存活, 这些成熟的T细胞在体内循环, 它能检测出任何非己物质, 执行免疫功能, 保护机体免受抗原的侵袭。T细胞的检测器能够准确识别非己, 这也称为免疫系统的自己—非己识别过程。免疫系统能够通过对自己的学习, 对非己产生记忆, 并通过有限数量的检测器, 能够准确地识别和杀伤无限数量的非己, 体现了免疫系统独特的智能机理和极具鲁棒性的处理问题方法。 受免疫系统自己-非己识别机理的启发, Forrest等提出了适于检测计算机病毒的编码反面选择算法。该算法与免疫系统的反面选择过程类似, 通过随机地产生检测器, 并取消那些能检测出自己的检测器, 以便保留的检测器能检测任何非己。为了使反面选择算法更具有实用性, Gonzalez等对检测器的概念进行了推广, 提出了向量检测器的概念, 扩大了反面选择算法的应用范围。 2 正常模式向非己空间横向配置 气阀的振动信号v和气缸内压力信号p是反映气阀故障的敏感信号, 将两信号进行融合可较准确地描述气阀的故障状态。从免疫系统自己—非己识别的机理出发, 借鉴反面选择算法的已有研究成果, 通过振动信号v和压力信号p对气阀故障检测问题进行描述。 气阀状态空间的定义 气阀的状态空间T可通过特征向量x表示,xi= (vi,pi) ∈[0, 1]2。vi和pi表示由振动信号和压力信号对气阀状态描述的两个归一化信息参数;上标i表示振动信号和压力信号所有可能状态下的取值, 即气阀当前和过去状态下的归一化信息参数的取值;信息参数可以是直接测量参数, 也可以是经过预处理 (如平滑等) 、变换 (如FFT变换或小波变换等) 或特征提取后的结果。 自己—非己空间的定义 气阀的状态空间T可通过某一阈值的限定被划分成自己空间S和非己空间NS, 且NS=T-S, 用特征函数xS-NS表示自己-非己空间, 通过特征函数, 产生映射:[0, 1]2→{0, 1}, 即如下关系成立: xS-ΝS={0x∈S1x∈ΝS(1) 为了描述活塞压缩机气阀的自己与非己空间, 选取经归一化处理的振动信号时间序列v= (v1,v2, …,vm) 和气缸压力信号时间序列p= (p1,p2, …,pm) 为信息参数。充分收集气阀正常工作模式 (自己) 下的振动信号和压力信号, 采用加窗并移动窗口的方法获取正常模式向量。如果窗宽为n, 窗口移动步长为1, 则提取的正常模式集 (矩阵)M为 Μ=[v1v2?vnp1p2?pnv2v3?vn+1p2p3?pn+1????????vm-n+1vm-n+2?vmpm-n+1pm-n+2?pm] 当然, 窗口移动步长也可取其他整数值, 窗口移动步长越小, 对正常模式的描述越精确, 但相应的计算复杂性也会增加。窗口宽度的选择决定了正常模式向量的维数, 对于实际的问题, 窗口宽度应根据信号的特点及时间序列的个数进行选择。对气阀正常工作状态数据收集得越充分, 正常模式越具有代表性。 在已知正常模式向量的基础上, 考虑到阈值的作用, 对自己—非己空间的描述如图1所示。气阀状态空间T为一正方形, 自己空间S是以各正常模式向量点为中心, 以阈值为半径画的圆所覆盖的区域, 则非己空间NS=T-S。 检测器具有只与非己空间匹配、不与自己空间匹配的内涵。向量检测器具有与正常模式向量相同的维数, 但其分布在非己空间内, 向量检测器d需满足以下不等式: E(d,s) r(2) 式中,E(·) 为欧式距离;s为自己空间的任意正常模式向量;r为阈值。 按以上规则产生的向量检测器都分布在非己空间, 而无一落入自己空间。 非己空间划分的定义 通过模糊隶属度函数μA将气阀的非己空间NS映射到模糊空间A,A的取值为 (0, 1], 表示气阀的异常度。 为了对非己空间进行划分, 将非己空间划分成i个不同的异常等级。设异常的等级分别为l1,l2, …,li, 且0l1l2…li≤1, 等级