[發明專利]一種基于振動信號的旋轉機械早期預警方法

在審

• 申請號: 202010030749.6
• 申請日: 2020-01-13
• 公開（公告）號: CN111259330A
• 公開（公告）日: 2020-06-09
• 發明（設計）人: 王慶鋒;衛炳坤;劉家赫;馬文生
• 申請（專利權）人: 北京化工大學
• 主分類號: G06F17/18
• 分類號: G06F17/18;G06F17/14;G06K9/62;G01M13/00
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 沈波

本發明公開了一種基于振動信號的旋轉機械早期預警方法，其包括以下步驟：獲取需監測的設備歷史運行的且判定為“運行正常”的數據；采用小波包分解技術將振動信號進行分解，得到某一分解層下各頻帶的相對能量值構成特征矩陣；采用動態核主成分分析方法，將得到的特征矩陣分解為特征子空間與殘差子空間；采用T²統計分析的方法處理特征子空間，求得一種可以表征設備健康狀況的指標，T²統計量；采用基于Beta分布自學習控制限構建的方法，自學習正常歷史數據的控制限；將處理完成的監測數據的特征矩陣采用動態核主成分分析的方法，求得其T²統計量；若得到的統計量超出構建的自學習正常數據控制限則報警，對旋轉機械進行在線監控，并探測其早期故障。

技術領域

本發明涉及旋轉機械監測領域，具體設計一種基于振動信號的旋轉機械預警方法。

背景技術

國內煉油與化工生產裝置規模大型化發展趨勢明顯，與其配套的旋轉機械設備也向大型化、高速化、自動化和智能化方向發展，設備故障發生導致的非計劃停機不僅會造成巨大的經濟損失，而且可能會帶來災難性的火災、爆炸等安全事故，實現預測性維修對于確保設備運行安全、可靠具有重要作用。故障類型按故障發生、發展的過程分為突發性故障和漸變性故障，一般漸變性故障具有可檢測性。研究設備早期故障檢測預警技術，提前檢測、告警設備即將發生的輕微或不正常故障征兆，使運行維護人員來預防故障或為故障的發生做好充足準備，并最大限度地減少計劃外維修帶來的損失具有重要的工程應用價值和實踐意義。

目前，我國工業企業在役在線監測故障診斷系統設備故障告警，采用當振動達到某一規定的振動幅值或振動發生顯著變化時進行報警的方法，一般無法提前發現早期故障征兆，難以及時判斷設備早期故障，存在較多的錯誤報警、漏報警，給設備操作維護人員造成了“報警疲勞”；在固定閾值報警線以下運行的設備，往往缺乏有效的狀態劣化趨勢告警，從設備報警到聯鎖停機，有時P-F間隔期很短，往往來不及采取預防性維修措施，非計劃停機屢次發生造成巨大經濟財產和安全損失。在工業企業，實現設備預測性維修還存在一定的技術挑戰。

發明內容

針對現有技術中的不足，本發明提供了一種基于振動信號的旋轉機械設備預警方法，可以準確可靠的探測設備的早期故障并報警。結合上述背景技術的不足，本發明致力于實現的技術目的，主要采用了哪些技術點，可以歸納整理下，以對應下述技術方案實施描述；使審查員更充分了解此技術。

為了達到上述發明的目的，本發明采用的技術方案為：

提供一種基于振動信號的旋轉機械設備預警方法，其包括以下步驟：

S1、獲取需監測的設備歷史運行的且判定為“運行正常”振動信號數據。

S2、采用小波包分解將振動信號進行分解，得到某一分解層下各頻帶的相對能量值構成特征矩陣。

S3、采用動態核主成分分析方法，將S2得到的特征矩陣分解為特征子空間與殘差子空間。

S4、采用T²統計分析的方法處理特征子空間，求得一種表征設備健康狀況的指標，T²統計量。

S5、采用基于Beta分布自學習控制限構建的方法，自學習正常歷史數據的控制限。

S6、將需要監測的振動信號數據采用S2步驟處理。

S7、將S6處理完成的監測振動信號數據的特征矩陣采用動態核主成分分析的方法，求得其T²統計量。

S8、若S7得到的統計量超出S5構建的自學習正常數據控制限則報警。

進一步的，步驟S2中根據小波包能量值分解得到特征矩陣的具體方法為：