[發明專利]一種機械設備振動感知數據的預處理方法

在審

• 申請號: 202010156741.4
• 申請日: 2020-03-09
• 公開（公告）號: CN111412977A
• 公開（公告）日: 2020-07-14
• 發明（設計）人: 黃敏;柳真
• 申請（專利權）人: 華南理工大學
• 主分類號: G01H17/00
• 分類號: G01H17/00;G01M13/00;G06N3/00;G06N3/04
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 馮炳輝

本發明公開了一種機械設備振動感知數據的預處理方法，包括數據采集、特征值提取、特征值選擇和數據存儲。在數據采集階段，采用多個振動傳感器進行振動感知數據的采集。在特征值提取階段，依據采用頻率選取合適的滑動窗口并結合二十種時域特征提取方法進行特征值提取，從而降低原始振動數據的數據量和不確定性。在特征值選擇階段，通過粒子群優化算法結合人工神經網絡選取最優特征值子集以及對應的輸入順序，從而降低特征值的數量。在數據存儲階段，依據最優特征值子集中對應的特征值進行數據存儲，從而獲取預處理后的數據。本發明可降低振動感知數據的傳輸和存儲成本，并提高機械故障診斷模型的預測準確率，具有實際應用價值。

技術領域

本發明涉及機械振動感知數據預處理的技術領域，尤其是指一種機械設備振動感知數據的預處理方法。

背景技術

工業化機械設備是制造業和實體經濟發展的基礎，全球每年因為機器故障就帶來了巨大損失。隨著通信技術的快速發展以及計算機運算能力的不斷提高，依據工業大數據和人工智能技術實現對機械設備故障的預測式維護，能夠有效提高維護效率并且降低人力成本。監測機械設備運行狀態的數據一般包括振動信號、壓力、聲音和溫度等。其中，振動信號包含了機械設備的大量有用信息，能夠較準確地反應機械設備的運行狀態。由于機械設備運行環境復雜，采用振動傳感器采集的原始感知數據存在噪聲污染嚴重、數據不確定性大的問題。另外，對于部分安全性要求較高的機械設備需要進行運行狀態的實時監控和數據采集，導致數據的傳輸和存儲成本大大升高。

對原始振動感知數據進行特征值提取處理，能夠有效降低振動感知數據的不確定性。常用的特征提取方法有時域分析、信息熵、經驗模式分解和小波包分析等。使用信息熵進行特征提取的實施步驟一般比較復雜，限定條件也比較多。經驗模式分解能夠較好地提取連續時頻信號中的特征，但是一旦信號中斷便會混淆時頻分布，從而破壞提取的特征值。小波包分析法能夠有效處理噪聲較大的振動數據，但是小波基的選擇比較困難，有時甚至需要自己設計小波基。時域分析受時頻信號的中斷影響較小，進行特征提取的步驟也比較簡單，并且不同的時域特征包含了振動信號中的不同信息。

雖然時域分析能夠較方便地進行特征值提取，但是當前已有研究成果中的時域特征提取方法已多達二十種。如果直接選取當前已有的所有時域特征提取方法進行特征值提取，會導致最終的故障預測模型的搭建成本較高。另外，針對眾多時域特征提取方法，目前還未出現如何選取合適的時域特征提取方法進行機械設備振動感知數據預處理的研究成果。并且在原始振動感知數據的預處理方面，對海量的實時振動感知數據的存儲作考慮的研究成果也很少見。

發明內容

本發明的目的在于克服現有技術的缺點與不足，提出了一種機械設備振動感知數據的預處理方法。基于機械設備的原始振動感知數據，選取合適的時域特征提取方法進行特征值提取，從而降低振動感知數據的傳輸和存儲成本，并提高機械故障診斷模型的預測準確率。

為實現上述目的，本發明所提供的技術方案為：一種機械設備振動感知數據的預處理方法，包括以下步驟：

1)數據采集階段

選定目標機械設備，針對機械設備容易出現故障的部位，分別放置一個振動傳感器進行實時的振動感知數據采集，在數據采集過程中，需要設定合理的采集頻率；

2)特征值提取階段

利用數據采集階段得到的振動感知數據，選定合適的滑動窗口，依次采用峰值、最小值、峰間值、平均值、平均振幅、根振幅、均方值、均方根值、均方根熵估計器、方差、標準差、偏態、峰態、波形熵、脈沖因子、擺動因子、形狀因子、波峰因子、間隙因子和變化系數等二十種時域特征提取方法，按照時間序列順序進行實時的特征值提取；

3)特征值選擇階段