[發明專利]故障預測模型建立方法及系統、風機監測預警系統及方法

無效

• 申請號: 201210181587.1
• 申請日: 2012-06-04
• 公開（公告）號: CN102778358A
• 公開（公告）日: 2012-11-14
• 發明（設計）人: 范兆驥
• 申請（專利權）人: 上海東銳風電技術有限公司
• 主分類號: G01M15/00
• 分類號: G01M15/00;G01H17/00;G06F19/00
• 代理公司: 上海智信專利代理有限公司 31002
• 代理人: 胡美強;呂一旻

1.一種故障類型預測模型的建立方法，其特征在于，包括以下步驟：

步驟S₁、采集風機的振動信號，以及在采集該振動信號的同時采集風機的音頻信號；

步驟S₂、預處理該振動信號并對預處理后的振動信號進行特征提取以獲得振動特征參數，以及預處理該音頻信號并對預處理后的音頻信號進行特征提取以獲得音頻特征參數；

步驟S₃、將該振動特征參數代入一故障類型數據庫中的故障類型振動模板以得到與該振動特征參數相對應的故障類型，該故障類型振動模板表示故障類型與振動特征參數之間的對應關系；

步驟S₄、將該音頻特征參數與該故障類型相關聯以建立故障類型音頻模板，該故障類型音頻模板表示故障類型與音頻特征參數之間的對應關系，多個故障類型音頻模板構成該故障類型預測模型。

2.如權利要求1所述的故障類型預測模型的建立方法，其特征在于，步驟S₃中該故障類型振動模板通過采用該故障類型數據庫中的歷史振動數據和BP算法獲得。

3.如權利要求1所述的故障類型預測模型的建立方法，其特征在于，步驟S₂中通過時頻分析方法來預處理該振動信號；和/或，

步驟S₂中預處理該音頻信號還包括以下步驟：

步驟S₂₁、對該音頻信號分幀處理；

步驟S₂₂、預加重經分幀處理的該音頻信號；

步驟S₂₃、加窗處理經預加重的該音頻信號。

4.如權利要求3所述的故障類型預測模型的建立方法，其特征在于，時頻分析方法選自：時域波形分析方法、概率密度分析方法、自相關分析方法、趨勢分析方法、幅值譜分析方法、功率譜分析方法、倒頻譜分析方法、包絡譜分析方法、細化譜分析方法、短時傅里葉分析方法和小波分析方法；

步驟S₂₁中將該音頻信號分為每10ms-30ms一幀，且相鄰兩幀有的重疊；和/或，

步驟S₂₂中通過一預加重數字濾波器來實現預加重；和/或，

步驟S₂₃中通過漢明窗來實現加窗處理。

5.如權利要求1所述的故障類型預測模型的建立方法，其特征在于，步驟S₂中對預處理后的音頻信號進行特征提取的方法選自：線性預測倒譜系數方法、美爾頻率倒譜系數方法和小波包分析方法。

6.如權利要求1-5中任意一項所述的故障類型預測模型的建立方法，其特征在于，步驟S₁中采集的為該風機的機艙中的振動信號和音頻信號以及該風機的傳動系統的振動信號和音頻信號。

7.如權利要求6所述的故障類型預測模型的建立方法，其特征在于，步驟S₁中采集的該振動信號和該音頻信號為模擬信號，步驟S₁之后、步驟S₂之前還包括以下步驟：將該模擬信號轉換為數字信號。

8.一種故障類型預測模型的建立系統，其特征在于，其包括：

一振動傳感裝置，用于采集風機的振動信號；

一音頻傳感裝置，用于在采集該振動信號的同時采集風機的音頻信號；

一第一數據處理裝置，用于預處理該振動信號并對預處理后的振動信號進行特征提取以獲得振動特征參數；

一第二數據處理裝置，用于預處理該音頻信號并對預處理后的音頻信號進行特征提取以獲得音頻特征參數；

一故障類型分析裝置，用于將該振動特征參數代入一故障類型數據庫中的故障類型振動模板以得到與該振動特征參數相對應的故障類型，該故障類型振動模板表示故障類型與振動特征參數之間的對應關系；

一故障類型預測模型建立裝置，用于將該音頻特征參數與該故障類型相關聯以建立故障類型音頻模板，該故障類型音頻模板表示故障類型與音頻特征參數之間的對應關系，多個故障類型音頻模板構成該故障類型預測模型。

9.如權利要求8所述的故障類型預測模型的建立系統，其特征在于，該故障類型振動模板是通過采用該故障類型數據庫中的歷史振動數據和BP算法獲得的。