一种基于噪声与能耗特征的石油伺服系统故障预警方法与流程

本发明属于石油伺服系统故障诊断，尤其涉及一种基于噪声与能耗特征的石油伺服系统故障预警方法。

背景技术：

1、石油伺服系统是石油钻采、压裂及管道输送等关键作业中的核心执行机构，其运行可靠性直接影响生产安全与效率。伺服系统长期在重载、变工况及恶劣环境条件下运行，机械传动部件（如轴承、齿轮、液压泵）易发生磨损、点蚀甚至卡滞，同时电驱系统也可能出现绝缘老化、功率器件疲劳等潜在故障。早期故障的及时预警对于避免非计划停机和生产事故具有重要意义。

2、目前，现有石油伺服系统故障预警方法主要分为两类：一类是基于单一物理信号的监测方案，如仅采集振动加速度或仅监测电机电流；另一类是基于多传感器数据融合的智能诊断方法，通过深度学习模型对多源信号进行综合分析。然而，这些方法仍存在以下明显不足：

3、1.现有方法未充分挖掘声学噪声信号中蕴含的机械状态信息。声学噪声对轴承磨损、齿轮啮合状态及液压系统内部泄露具有高度敏感性，且非接触式测量不影响设备运行。然而，多数方案仅依赖振动传感器或温度传感器，忽略了声学信号在早期微弱故障检测中的独特优势。

4、第二，现有特征提取与融合方法多采用简单的特征拼接或加权平均，未能考虑噪声信号与能耗信号之间的物理耦合关系。机械磨损会导致噪声频谱异常，同时增加驱动电机的转矩波动和能耗；而电气老化同样会改变噪声特性——两者之间存在跨模态的非线性耦合效应。

5、针对上述问题，现有技术亟需改进。

技术实现思路

1、本发明实施例的目的在于提供一种基于噪声与能耗特征的石油伺服系统故障预警方法，旨在解决上述问题。

2、本发明是这样实现的，一种基于噪声与能耗特征的石油伺服系统故障预警方法，包括以下步骤：

3、s1.实时采集石油伺服系统运行过程中的声学噪声信号以及动态能耗数据；

4、s2.对所述声学噪声信号进行时频域分析，提取表征设备机械传动与内部摩擦状态的噪声特征参数；同时对所述动态能耗数据进行特征分解，提取表征伺服系统负载变化与电驱做功效率的能耗特征参数；

5、s3.将所述噪声特征参数与能耗特征参数进行多尺度融合与耦合响应分析，构建表征系统非线性运行状态的综合特征矩阵；

6、s4.将所述综合特征矩阵输入至预先建立并训练完毕的健康指标评估模型中进行演化推理，输出表征当前运行状态劣化程度的中间风险特征值；

7、s5.基于所述中间风险特征值以及噪声-能耗耦合异常指数，经时序平滑修正生成实时健康指标，并根据预设的分级判定逻辑评估石油伺服系统的劣化趋势并触发对应的故障预警策略。

8、进一步的技术方案，所述步骤s1中，通过部署于伺服电机及液压泵壳体的高频声发射传感器采集声学噪声信号；通过串联于驱动器母线端的电量变送器同步采集动态能耗数据，所述动态能耗数据包括三相电流、三相电压及瞬态有功功率。

9、进一步的技术方案，所述步骤s2中：

10、提取的所述噪声特征参数包括：声学信号的梅尔频率倒谱系数、高频段小波包能量熵以及短时过零率；

11、提取的所述能耗特征参数包括：电流畸变率、无功功率波动方差以及伺服电机的转矩电流分量比。

12、进一步的技术方案，针对声学噪声信号的机械传播延迟与动态能耗数据的电气瞬态响应之间存在的跨模态时间异步性，在所述步骤s3中进行特征融合前，执行动态相位对齐操作；

13、所述动态相位对齐操作具体为：基于石油伺服系统壳体的实时温度及传感器安装距离，计算声波相对于电信号的物理时延补偿量，具体方式为：等效声波传播距离除以（（1加上声速温度系数乘以实时温度与参考温度差值的平方根）与参考温度下的基础声速的乘积），再减去电量变送器的电路响应延迟；

14、计算得出物理时延补偿量后，根据该补偿量对所述声学噪声信号与动态能耗数据的时间戳进行相对平移，以实现两者的时序相位对齐；当补偿量为负值时，表示电信号的固有延迟大于声波传播时延，此时以电信号为基准，将声学信号向前平移补偿量的绝对值；当补偿量为正值时，以声学信号为基准，将电信号向前平移补偿量。

15、进一步的技术方案，在将所述噪声特征参数和能耗特征参数代入多尺度融合计算公式前，预先对两者进行无量纲归一化处理，其无量纲归一化处理方式为：

16、各特征参数的归一化值等于该特征参数实时采集计算值减去系统健康平稳状态下该特征参数的历史统计均值，再除以该参数历史统计方差与防除零极小常数之和的平方根；

17、其中历史统计均值与方差以预设的滑动时间窗口进行周期性更新，以适配设备长期运行中的性能漂移。

18、进一步的技术方案，所述步骤s3中，利用无量纲归一化处理后的参数计算噪声-能耗耦合异常指数，计算公式如下：

19、声学项惩罚调节系数乘以各噪声特征归一化值平方与其对应预设权重系数乘积的加权和，加上能耗项惩罚调节系数乘以各能耗特征归一化值平方与其对应预设权重系数乘积的加权和，加上交叉耦合项惩罚调节系数乘以各噪声-能耗配对特征归一化值乘积的绝对值之和，再对该总和开平方，得到噪声-能耗耦合异常指数；

20、其中，噪声特征和能耗特征的权重系数通过历史故障数据的主成分分析或随机森林特征重要性排序确定，并在系统初始化时固化。

21、进一步的技术方案，所述步骤s4中的健康指标评估模型为基于长短期记忆网络与图注意力机制融合的深度学习预测模型，其输入为时间序列上的综合特征矩阵，其内部机制用于提取故障演化在时间维度上的累积特征与空间维度上的传递特征，其输出接口定义为生成一个位于0到1区间的中间风险特征值；该中间风险特征值并非最终预警判定值，而是作为原始风险度量，专门输送至后续健康指标合成模块。

22、进一步的技术方案，所述实时健康指标的生成过程引入所述噪声-能耗耦合异常指数对所述健康指标评估模型输出的中间风险特征值进行时序平滑修正，其计算方式为：

23、当前时刻实时健康指标等于时序遗忘因子乘以上一时刻实时健康指标，加上（1减去时序遗忘因子）乘以sigmoid平滑映射函数的输出值再乘以当前时刻中间风险特征值；其中，所述sigmoid平滑映射函数的自然自变量为：负的灵敏度放缩系数与当前时刻噪声-能耗耦合异常指数减去参考基准阈值的差值之乘积。

24、进一步的技术方案，所述步骤s5中的分级判定逻辑具体为：

25、当实时健康指标大于等于0且小于0.4时，判定系统处于正常磨合或稳定期，不触发预警；

26、当实时健康指标大于等于0.4且小于0.7时，触发一级预警，提示可能存在润滑不良或轻微电驱疲劳；

27、当实时健康指标大于等于0.7且小于0.9时，触发二级预警，提示存在显著的机械异响伴随能耗激增风险，指令伺服系统限功率运行；

28、当实时健康指标大于等于0.9时，触发三级停机预警，判定即将发生严重机械抱死或绝缘击穿故障，强制切断伺服系统控制回路。

29、进一步的技术方案，所述步骤s5中，在基于所述实时健康指标执行分级判定过程中，当实时健康指标满足大于等于0.4且小于0.7触发一级预警时，执行主动微激励探测机制，具体步骤为：

30、当监测到伺服电机处于匀速或保压稳态区间时，通过控制回路主动向伺服电机注入一高频微幅转矩纹波作为激励信号；

31、提取注入激励信号时段内的噪声-能耗耦合异常指数的瞬态响应增量；若该瞬态响应增量超过预设的激励响应阈值，则判定当前一级预警的诱因为机械传动链间隙过大或轴承滚珠点蚀，并将该诊断结果上报。

32、相比于现有技术，本发明的有益效果：

33、本发明针对声学噪声信号机械传播延迟与动态能耗数据电气瞬态响应之间存在的跨模态时间异步性，在特征融合前执行了动态相位对齐操作。该操作基于伺服系统壳体的实时温度及传感器安装距离，计算出声波相对于电信号的物理时延补偿量，并以此对数据时间戳进行相对平移。此举有效消除了因信号传播路径和响应速度差异导致的“伪失步”误差，确保了所有模态数据准确对应到系统同一物理时刻的状态，从而为后续特征融合的准确性奠定了物理基础。

34、本发明在数据处理环节创新性地计算了噪声-能耗耦合异常指数，利用交叉耦合项等参数，精准量化了机械磨损与电气能量损耗之间的非线性耦合增强效应。在生成最终的实时健康指标时，系统引入该耦合异常指数，对基于长短期记忆网络与图注意力机制的预测模型所输出的原始风险度量进行时序平滑修正。这种融合方式使得预警系统能够更全面、更准确地捕捉到石油伺服系统从正常运行到早期劣化演变过程中的细微变化与关键特征。

35、当系统健康指标满足特定区间触发一级预警，且设备处于匀速或保压稳态时，本发明会主动向伺服电机注入幅值极小（不超过额定转矩2%）的高频微幅转矩纹波。这种受控的非侵入式外部激励能量，能够在不影响正常生产工艺的前提下，有效放大和显化平时难以察觉的微弱故障特征。通过提取注入期间的耦合异常指数瞬态响应增量，本发明能够比传统被动监测更早、更准确地识别出诸如传动链间隙过大或轴承滚珠点蚀等具体机械诱因。

36、在将特征参数代入融合计算前，本发明预先对噪声和能耗特征进行了无量纲归一化处理，彻底消除了不同物理量纲和数值范围对耦合计算带来的偏置影响，保障了计算的公平性。更重要的是，归一化公式中的历史统计均值与方差会按照预设的滑动时间窗口进行周期性动态更新。这一机制有效适配了石油伺服设备在长期运行中产生的性能漂移，确保系统归一化基准始终反映近期的健康特性。