蔡 玲,畢克剛,郭寶金,張 俊,錢 偉
(1.昆明市節能監察支隊,云南 昆明 650031; 2.云南省產品質量監督檢驗研究院,云南 昆明 650223; 3.云南大學材料與能源學院,云南 昆明 650091)
離心泵現階段被廣泛應用于國民經濟各個部門以及航天等技術領域中[1-2],是一種重要的輸送裝置。由于其實際運行過程中,會受到不同因素以及運行條件的影響,一旦設計不合理或者選型不合適,將會導致離心泵在運行過程中發生故障,同時效率和使用壽命也會有一定程度的下降,浪費大量的人力和物力。所以,對離心泵葉輪多工況節能運行狀態進行監測具有重要意義。
國內相關專家針對該方面的內容進行了大量研究,例如劉起超等[3]設計出一種離心泵運行狀態監測和故障診斷裝置,通過該裝置可以有效實現故障識別和運行狀態實時監測。伍柯霖等[4]組建一種全新的機械振動噪聲信號模型,同時將信號進行有效分解,獲取有效的信息成分,最終通過主導頻時頻分析方法對運行狀態進行實時監測。國外相關專家Khoeini D等[5]研究了擴壓器葉片幾何參數和葉輪微槽深度對垂直懸掛離心泵性能的影響。對不同擴壓器葉片高度、前緣角、后緣角、包角以及葉輪微槽深度進行了深入分析。通過對比實驗數據驗證了數值結果。Giro R A等[6]提出了一種預測性維護策略,其中通過單獨利用標準壓力測量值并使用無監督學習方法來跟蹤離心泵的狀態,沿流體管線記錄的壓力數據用于計算適當窗口長度上的幾個統計指標,然后將這些指標輸入基于高斯混合模型的無監督聚類過程,輸出是4個不同泵運行工況范圍內的指數,以及允許解釋自動工況分類的聚類可視化。
在上述方法的基礎上,提出一種離心泵葉輪多工況節能運行狀態監測方法。應用分析結果表明,所提方法可以更好實現運行狀態監測。
在現場采集的離心泵振動信號中摻雜著大量的噪聲以及干擾,所以需要對離心泵中的振動信號進行分段處理。由于信號中存在比較明顯的噪聲干擾,為了確保噪聲分段工作的順利進行,需要對采集到的實測信號進行去噪處理,在復雜信號中獲取有效信號。
信號的自相關系數K(i)見式(1):
K(i)=
(1)
式中,ai,j和bi,j分別為信號在不同時段的自相關系數;N為信號的分段長度,離心泵信號分段的核心由N取值確定。
當信號完成分段處理后,采用式(2)對分段信號或者功率譜進行估計H[x(i)],具體計算如下:
(2)
式中,μxyz為信號的周期長度;x(i)為信號分解結果。
為了更好地實現信號去噪[7-8],需要計算分段后各個信號的周期長度,同時計算平均取值。在基元分段的基礎上,對離心泵信號的功率譜進行估計,獲取處理完成后的信號。同時引入小波去噪算法[9-10]對采集到的信號進行去噪處理,詳細的操作步驟如下:①采集離心泵信號;②針對不同類型的信號進行小波閾值降噪處理;③對降噪后的信號進行小波包分解,同時獲取時域上的變化規律。
1.2 離心泵葉輪多工況節能運行狀態特征提取
對電機電源信號進行分析[11-12]即可獲取離心泵葉輪多工況節能運行狀態,由于信號中包含的成本比較復雜,所以運行狀態中的特征信號相對比較薄弱。為了更好對薄弱信號進行提取,通過奇異值分解方法,需要將離心泵中的工頻分量刪除,更好反映運行狀態對應的特征頻率。
SVD分解[13-14]屬于一種矩陣分解方法,采用SVD處理待分析信號組建合適的矩陣,同時將信號分解到不同的正交子空間內,詳細的操作步驟如下:①設定待檢測信號為離散序列,合理周期為h,則通過序列可以構建矩陣X。②對構建的矩陣X進行SVD分解[15-16]。③在電流信號分析過程中[17-18],需要將重要的信號劃分到第一子空間內。其中,離心泵中電網頻率分量可以表示為X=a1b1c1。其中,a、b以及c分別為不同的電網頻率子分量。④在離心泵的電流信號中將電網頻率分量刪除,即可獲取剩余頻率的分量集合。
在SVD分解的基礎上,通過Hilbert-Huang變換對離心泵葉輪多工況節能運行狀態進行處理和分析,整個過程主要劃分為EMD分解和Hilbert-Huang變換2個階段。
離心泵葉輪多工況節能運行狀態特征提取流程如圖1所示。

圖1 離心泵葉輪多工況節能運行狀態特征提取流程Fig.1 Flow chart of feature extraction of centrifugal pump impeller in multi-condition energy-saving operation state
具體流程為:①對離心泵葉輪多工況節能運行狀態中的全部信號進行采集;②采用SVD信號進行分解,同時將電網中的工頻分量剔除;③通過EMD進行信號分解;④選取合適的IMF分量,同時計算對應的波形特征參數;⑤采用Hilbert-Huang變換對離心泵葉輪多工況節能運行狀態特征進行提取。
通過離心泵葉輪多工況節能運行狀態特征,將全部特征輸入到監測器進行監測,但是這樣會導致整體監測精度下降,所以需要選擇一個合適的指標。
設定隨機2個變量x(i)和y(i),則兩者對應的互信息L(x,y)可以表示為:
(3)
式中,minH(x,y)為最小冗余原則。
將最大相關原則和最小冗余原則兩者結合后,在剩余的特征空間內可以獲取第n個特征,同時滿足以下的約束條件:
(4)

通過最小冗余原則對采集到的離心泵葉輪多工況節能運行狀態特征進行選擇[19-20]。同時為了更好完成離心泵葉輪多工況節能運行狀態監測,需要引入支持向量機(SVM)。
設定線性可分訓練數據為L,至少存在一個可以將2類樣本進行區分的超平面,具體的表達式如式(5)所示:
wT·x+b=0
(5)
式中,w為法向量;b為偏移系數;x為樣本點。
在解決非線性優化問題的過程中,需要將輸入向量映射到一個全新的高維特征空間中,則核函數映射diff(a1·b1·c1)可以表示為以下形式:
(6)
式中,χ為連續特征。
基于SVM的離心泵葉輪多工況節能運行狀態監測過程如圖2所示。

圖2 離心泵葉輪多工況節能運行狀態監測流程Fig.2 Monitoring flow chart of energy-saving operation status of centrifugal pump impeller in multiple working conditions
具體流程為:①通過提取離心泵葉輪多工況節能運行狀態特征,獲取不同運行狀態下的特征參數;②將提取到的全部特征進行排序;③將重構后的特征向量選取一半輸入到監測器中進行訓練,剩余部分則作為監測效果進行驗證;④輸出離心泵葉輪多工況節能運行狀態監測結果。
為了驗證所提離心泵葉輪多工況節能運行狀態監測方法的有效性,選取單級單吸離心泵作為研究對象(圖3),測試型號為100PWF-125,葉片數量為6個。
在實驗前,首先在離心泵葉輪上布置測點,具體布置如圖4所示。

圖4 測點位置Fig.4 Measuring point position
以圖4為基礎,在測試前搭建試驗裝置,裝置安裝位置如圖5所示。

圖5 試驗裝置Fig.5 Test device
圖5中的試驗泵即為圖3所示的測試對象。在圖5所示的試驗裝置上,分析不同工況下離心泵進水口水聲信號以及殼體振動對應的頻段能量變化情況,試驗結果如圖6和圖7所示。通過分析圖6和圖7中的實驗數據可知,2種信號的變化全部符合聲壓規律,同時均會出現峰值。
通過改變試驗裝置的輸入電壓,調節電磁閥的開度,實現離心泵中的電磁流量控制,通過壓力傳感器測得各流量下的進出口壓、通過動態扭矩儀測得各流量下的轉矩、轉速,通過計算揚程、功率和效率,完成外特性測量試驗,試驗結果如圖8所示。

圖6 離心進口水聲的聲能測試結果Fig.6 Sound energy test results of centrifugal imported underwater sound

圖7 離心泵殼體振動信號的能量測試結果Fig.7 Energy test results of the vibration signal of the centrifugal pump casing

圖8 外特性測量試驗結果Fig.8 External characteristic measurement test results
由圖8可知,試驗獲得的性能曲線與模擬得到的性能曲線吻合度較高,在大多數情況下揚程和效率要略高于模擬獲得的揚程和效率。流量為100 m3/h的氣蝕余量(NPSH)判別曲線如圖9所示。

圖9 流量為100 m3/h的NPSH3判別曲線Fig.9 NPSH3 discriminant curve diagram with a flow rate of 100 m3/h
由圖9可知,通過作圖法可以獲取NPSH3判別曲線,峰值點也位于第6個和第7個點之間。
不同信號和帶寬下的能量峰值變化情況見表1。

表1 離心泵信號類型和帶寬下能量峰值變化結果分析Tab.1 Analysis of the results of the energy peak change under the signal type and bandwidth of the centrifugal pump
由表1可知,在給定的參考頻段下,離心泵葉輪多工況節能運行狀態對應的進口水聲峰值呈先增加后降低的趨勢,振動信號也是如此。由此可見,所提方法可以準確監測離心泵葉輪多工況節能的運行狀態。主要是因為監測前期,所提方法對采集到的信號進行了去噪處理,為后續運行狀態監測提供一定的理論依據。
針對傳統方法存在的一系列問題,設計并提出一種離心泵葉輪多工況節能運行狀態監測方法。經應用分析證明,所提方法可以準確進行離心泵葉輪多工況節能運行狀態監測,同時也全面驗證了所提方法的有效性和優越性。