[發明專利]面向智能電廠磨煤機的振動信號故障診斷方法

有效

• 申請號: 201811058371.X
• 申請日: 2018-09-11
• 公開（公告）號: CN109297735B
• 公開（公告）日: 2020-02-28
• 發明（設計）人: 趙春暉;田峰;常浩;趙玉柱;邴漢坤;陳帥
• 申請（專利權）人: 浙江大學
• 主分類號: G01M99/00
• 分類號: G01M99/00;G01H17/00;G06K9/00
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 黃歡娣;邱啟旺

1.一種面向智能電廠磨煤機的振動信號故障診斷方法，其特征在于，包括以下步驟：

(1)采集正常狀態下和不同故障狀態下的智能電廠磨煤機振動信號，分別作為原始振動信號，進行模型訓練，包括以下步驟：

(1.1)對原始振動信號進行三層小波包分解，將每個原始振動信號分解為8個子信號；

(1.2)對步驟(1.1)小波包分解得到的8個子信號進行平均經驗模態分解；每個子信號分解得到了n個IMF，共獲得8×n個IMF；

(1.3)對步驟(1.2)獲得的8×n個IMF的峰峰值x_peak-peak分別與其原始振動信號的峰峰值X_peak-peak計算比值，即計算若IMF與原始振動信號峰峰值的比值小于閾值λ，則進行舍棄，該IMF包含的信息忽略不計；保留與原始振動信號峰峰值比值大于等于閾值λ的IMF，設保留下來的IMF的個數為m；

其中峰峰值X_peak-peak＝X_max-X_min；X_max為IMF的最大值，X_min為IMF的最小值；

(1.4)對步驟(1.3)中保留下來的m個IMF記為x，用AugmentedDickeyFuller(ADF)檢驗進行平穩性判斷，將m個信號x分為平穩信號x_s和非平穩信號x_t；

(1.5)對m個信號x分別計算原始統計特征；原始統計特征包括：均方根值RMS、偏度Skew、峰峰值Peak-peak、峰度Kurt和慢特征Slowness，其中慢特征Slowness為：

N為采樣點數，Δx_i為信號x中的差分；

平穩性檢驗保留下來的子信號為m個，則每個原始振動信號得到的原始統計特征的個數為5×m；

(1.6)針對正常狀態下和不同故障狀態下的原始統計特征，應用隨機森林特征選擇算法分別對平穩信號x_s和非平穩信號x_t進行特征選擇，選擇出k_s個平穩信號的關鍵特征和k_t個非平穩信號的關鍵特征；

(1.7)建立故障診斷模型：將(1.6)中選擇出的k_s個平穩信號的關鍵特征和k_t個非平穩信號的關鍵特征輸入到隨機森林分類器進行訓練，得到故障診斷模型；

(2)采集智能電廠磨煤機的振動信號，按照步驟(1.1)～(1.6)選擇出特征重要性最高的k_s個平穩信號的關鍵特征和k_t個非平穩信號的關鍵特征，將關鍵特征輸入到故障診斷模型進行故障診斷。