[發(fā)明專利]基于頻譜特征雙邊檢測法燒結(jié)機漏風故障在線診斷方法

有效

• 申請?zhí)枺?/td>: 201810556742.0
• 申請日: 2018-05-31
• 公開（公告）號: CN108709426B
• 公開（公告）日: 2020-02-21
• 發(fā)明（設(shè)計）人: 方田;葉學農(nóng);凌云
• 申請（專利權(quán)）人: 中冶華天工程技術(shù)有限公司;中冶華天南京工程技術(shù)有限公司
• 主分類號: G01N29/036
• 分類號: G01N29/036;F27B21/14
• 代理公司: 北京中偉智信專利商標代理事務(wù)所 11325
• 代理人: 張岱

1.一種基于頻譜特征雙邊檢測法燒結(jié)機漏風故障在線診斷方法，其特征在于，所述的方法包括下述步驟：

建立基于頻率特征的燒結(jié)機漏風故障的離線診斷模型；

基于離線診斷模型在線對燒結(jié)車間聲音采集數(shù)據(jù)進行故障診斷；

建立基于頻率特征的燒結(jié)機漏風故障的離線診斷模型的方法包括：

21)制作燒結(jié)車間正常工作頻譜樣本集和漏風故障頻譜樣本集；

22)對比漏風故障頻譜樣本集與正常頻譜樣本集在不同頻段上的強度差異，按照降序選出強度差異最大的k個頻段，作為漏風故障特征頻率集，記為F＝{f₁，…，f_k}，其中，f_i為第i個特征頻率；

23)分析正常樣本在特征頻段中強度分布，采用統(tǒng)計參數(shù)估計的方法，按照人工設(shè)定的顯著度α計算正常樣本在特定頻率f_i的強度分布置信上限UC_Li，將UC_Li作為該特征頻率對應(yīng)的強度閾值，從而得到特征頻率對應(yīng)的強度閾值集，記為TH＝{th₁，…，th_k}；

24)定義各特征頻率對漏風故障的貢獻率，記為Ω＝{ω₁，…，ω_k}，將特征頻率f_i處的漏風故障貢獻指標定義為表達式c_i＝G(s_i，th_i，ω_i)，定義燒結(jié)機漏風故障判據(jù)為其中s_i為當前樣本在特征頻率f_i處的聲音強度；

基于離線診斷模型在線對燒結(jié)車間聲音采集數(shù)據(jù)進行故障診斷的方法包括下述步驟：

31)在燒結(jié)車間實時采集聲音數(shù)據(jù)，通過采樣和去噪，制備成在線樣本；

32)對在線樣本實時進行頻譜分析，得到故障特征頻率對應(yīng)的聲音強度集為S_j＝{s_j1，…，s_jk}；

其中，j為當前樣本的序號，i為特征頻率序號，s_ji為當前樣本第i個特征對應(yīng)的聲音強度；

33)計算當前樣本在特征頻率f_i處的漏風故障貢獻指標c_ji＝G(s_ji，th_i，ω_i)，將每個特征頻率對應(yīng)的漏風故障貢獻指標累加，得到第j個在線樣本的燒結(jié)機漏風故障判據(jù)

34)利用燒結(jié)機漏風故障判據(jù)C_j對燒結(jié)機在第j個時刻是否發(fā)生漏風故障進行診斷。

2.如權(quán)利要求1所述的基于頻譜特征雙邊檢測法燒結(jié)機漏風故障在線診斷方法，其特征在于，制作燒結(jié)車間正常工作頻譜樣本集和漏風故障頻譜樣本集的步驟包括：

41)采集正常生產(chǎn)狀況下的燒結(jié)車間聲音數(shù)據(jù)和各種不同漏風情況下的聲音數(shù)據(jù)，通過采樣和去噪，制備成離線建模樣本，按照燒結(jié)故障情況，將樣本集劃分為正常數(shù)據(jù)集X_normal和漏風故障數(shù)據(jù)集X_fault；

42)對正常數(shù)據(jù)集X_normal和漏風故障數(shù)據(jù)集X_fault分別進行時域-頻域轉(zhuǎn)換，得到正常工作頻譜樣本集和漏風故障頻譜樣本集。

3.如權(quán)利要求1所述的基于頻譜特征雙邊檢測法燒結(jié)機漏風故障在線診斷方法，其特征在于，還包括下述步驟：

25)根據(jù)訓練數(shù)據(jù)集，通過遺傳算法或人工神經(jīng)網(wǎng)絡(luò)方法，優(yōu)化和計算各特征頻率對漏風故障的貢獻率Ω＝{ω₁，…，ω_k}，從而確定燒結(jié)機漏風故障判據(jù)C的最優(yōu)參數(shù)。

4.如權(quán)利要求1所述的基于頻譜特征雙邊檢測法燒結(jié)機漏風故障在線診斷方法，其特征在于，在步驟34)中，是采用的閾值判定或者模糊決策的方式作為燒結(jié)機漏風故障診斷的決策手段。