基于随机森林的屏蔽泵故障诊断方法研究

发布时间：2021-08-29 23:11

　　针对核动力屏蔽泵运行过程中出现的典型故障类型,本文研究了基于随机森林的诊断方法原理与实现过程,通过故障模拟试验获得了屏蔽泵故障状态振动信号数据。在此基础上进行了特征量提取与分析研究,然后采用随机森林算法对部分特征量样例数据进行分析建立了屏蔽泵故障诊断模型,最后利用剩余部分样例数据对诊断模型进行了验证,结果表明基于随机森林的屏蔽泵故障诊断方法性能良好。 

【文章来源】：核科学与工程. 2020,40(04)北大核心CSCD

【文章页数】：6 页

【部分图文】：

屏蔽泵故障诊断实施方案流程

梳理屏蔽泵在长时间运行过程中出现的机械类故障主要包括轴承磨损、转子不平衡、叶轮口环刮磨、转子与定子屏蔽套刮磨等，通过搭建屏蔽泵运行试验回路，设计加工相应故障类型及不同故障程度的模拟试验件，在高速稳态工况下开展屏蔽泵正常运行状态和上述各种故障状态下的运行试验，利用压电式加速度传感器配套相应的采集系统测量屏蔽泵在各种运行状态下的振动信号数据，传感器测点布置参考文献[2]中的方法，即在屏蔽泵靠近上、下导轴承位置指向轴心方向相隔90°分别布置2个传感器（X方向、Y方向），在顶盖垂直下止推轴承方向布置1个传感器（Z方向），测点布置位置示意图如图2所示。屏蔽泵上述各种故障状态模拟试验与正常状态运行试验采用交叉方式进行，即将故障模拟试验件安装到屏蔽泵上模拟某一种故障状态运行后，更换上屏蔽泵正常完好的零部件确认其状态恢复正常后，再进行下一类故障状态的模拟试验，这样可以确保获取到真实可靠的反应每一类故障状态信息的振动信号数据，通过故障模拟试验，经筛选共获得了屏蔽泵不同状态下的振动信号数据样本信息如表1所示，每条振动数据中包括了5个测点的振动信号原始序列。

通过对振动加速度信号进行特征量提取，获得了屏蔽泵在各种运行状态下的特征量样本数据，对故障和正常运行状态下的特征量数据进行对比分析，发现故障状态下的部分特征量较正常出现明显的增长，且随着故障程度的恶化而上升。由于不同故障类型的特征量存在相似的变化且特征量较多，无法归纳出规则知识进行诊断，因而采用基于随机森林的方法进行屏蔽泵故障诊断是一种有效途径。图3是轴承磨损故障下X方向（上部）测点归一化的1/2f幅值特征量数据与正常运行状态下的对比，图4是转子不平衡故障下X方向（上部）测点归一化的1f幅值特征量数据与正常运行状态下的对比。图4 转子不平衡故障与正常状态下归一化的特征量对比

【参考文献】：
期刊论文
[1]基于随机森林的ATM机监测预警方法[J]. 刘雅卉,滕志霞.  电子技术与软件工程. 2018(12)
[2]基于随机森林的异步电动机转子断条故障诊断[J]. 史干东,吴文军,张玉鸿,史丽萍.  微特电机. 2017(11)
[3]屏蔽泵故障原因分析及处理措施[J]. 杨林.  大氮肥. 2017(03)
[4]屏蔽泵典型故障振动识别技术研究[J]. 何攀,刘才学,曾杰,艾琼.  机械与电子. 2017(02)
[5]核动力主泵振动探测与积分处理方法研究[J]. 何攀,刘才学,艾琼.  核电子学与探测技术. 2012(10)
[6]屏蔽泵故障数据处理与分析[J]. 李光鹏,赵新文,蔡琦.  船海工程. 2011(05)
[7]屏蔽泵故障分析和对策[J]. 邓渊,王彤,孔文涛.  石油化工设备. 2010(S1)
[8]屏蔽泵的结构、原理及其应用[J]. 梁超国.  化工设备设计. 1998(01)



本文编号：3371558