[發明專利]一種旋轉機械設備的故障檢測方法及裝置

有效

• 申請號: 201810267031.1
• 申請日: 2018-03-28
• 公開（公告）號: CN108731923B
• 公開（公告）日: 2020-11-03
• 發明（設計）人: 姚杰;孔偉陽;曹軍杰
• 申請（專利權）人: 中控技術（西安）有限公司
• 主分類號: G01M13/00
• 分類號: G01M13/00;G01H17/00
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 王寶筠

1.一種旋轉機械設備的故障檢測方法，其特征在于，所述方法包括：

獲取旋轉機械設備的原始振動信號；

從所述原始振動信號中提取振動信號特征值；

將所述振動信號特征值以及采集到的所述旋轉機械設備的設備數據輸入專家決策系統，獲得所述旋轉機械設備是否存在故障的故障判斷結果，所述專家決策系統是根據歷史數據、所述歷史數據對應的故障判斷結果以及專家經驗知識構建的，所述歷史數據包括歷史振動信號特征值以及歷史設備數據；

當獲取到所述旋轉機械設備存在故障的故障判斷結果，將所述振動信號特征值以及所述設備數據輸入故障分類模型，獲得故障分類結果，所述故障分類模型是根據所述歷史數據以及所述歷史數據對應的故障分類結果訓練生成的；所述故障分類模型包括故障分類算法和故障分類模型自學習校正算法，所述故障分類算法的計算公式如下：

h_θ(x)＝1；ifθ^Tx≥0

h_θ(x)＝0；ifθ^Tx0

其中，h_θ(x)函數是對于樣本x取值的概率函數，表示其相似特征故障的概率，h_θ(x)＝1表示明確某種故障的分類，參數θ是故障分類模型的待估計參數；

所述故障分類模型自學習校正算法通過如下的最小化代價函數得到參數θ：

cost₁(θ^Tx⁽ⁱ⁾)＝-logh_θ(x⁽ⁱ⁾)

cost₀(θ^Tx⁽ⁱ⁾)＝-log(1-h_θ(x⁽ⁱ⁾))

其中，cost函數為代價函數，用來估計樣本屬于某類的風險程度，其值越小代表越有可能屬于這類，x代表每個樣本數據點在某一個特征上的值，即特征向量x的某個值，y則表示每個樣本數據的所屬類別標簽；

其中，將所述振動信號特征值以及所述設備數據作為所述歷史數據，結合對應的故障分類結果更新所述故障分類模型和/或所述專家決策系統。

2.根據權利要求1所述的方法，其特征在于，所述方法還包括：

根據所述原始振動信號以及自回歸滑動平均模型對通頻振動幅值超過閾值的時間點進行預測，將所述時間點作為所述旋轉機械設備的壽命估計值。

3.根據權利要求1所述的方法，其特征在于，所述從所述原始振動信號中提取振動信號特征值，包括：

將所述原始振動信號進行預處理，獲得預處理后的振動信號，所述預處理包括單位轉換處理以及積分處理；

將所述預處理后的振動信號進行低通濾波處理，獲得去除噪聲的振動信號，所述去除噪聲的振動信號包括振動信號時域數據；

將所述去除噪聲的振動信號進行快速傅里葉變換，得到振動信號頻域數據，所述振動信號頻域數據包括振動信號幅值數據、振動信號相位數據，將所述振動信號幅值數據、所述振動信號相位數據以及所述振動信號時域數據確定為振動信號特征值。

4.根據權利要求1所述的方法，其特征在于，所述專家決策系統采用樹狀結構，所述樹狀結構的葉子節點輸出所述旋轉機械設備是否存在故障的故障判斷結果，所述樹狀結構的各個非葉子節點記錄有一個屬性特征的程度值，所述樹狀結構的各個非葉子節點的位置根據各個非葉子節點對應的屬性特征的信息增益確定。