[發(fā)明專利]三重并發(fā)故障分析方法、系統(tǒng)、大機(jī)組設(shè)備及存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202011109278.4
• 申請(qǐng)日: 2020-10-16
• 公開（公告）號(hào): CN112232212B
• 公開（公告）日: 2021-09-07
• 發(fā)明（設(shè)計(jì)）人: 荊曉遠(yuǎn);王許輝;陳潤(rùn)航;成明康;張清華;孔曉輝;姚永芳;陳俊均
• 申請(qǐng)（專利權(quán)）人: 廣東石油化工學(xué)院
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G01M13/021;G01M13/028
• 代理公司: 北京金智普華知識(shí)產(chǎn)權(quán)代理有限公司 11401
• 代理人: 楊采良

本發(fā)明屬于齒輪故障分析技術(shù)領(lǐng)域，公開了一種三重并發(fā)故障分析方法、系統(tǒng)、大機(jī)組設(shè)備及存儲(chǔ)介質(zhì)，進(jìn)行數(shù)據(jù)采集以及數(shù)據(jù)預(yù)處理；進(jìn)行摩擦故障特征提取，包括無量綱與小波分解特征；利用機(jī)器學(xué)習(xí)方法建立故障預(yù)測(cè)模型；進(jìn)行未知標(biāo)簽數(shù)據(jù)預(yù)測(cè)。本發(fā)明是能夠有效地提取齒輪故障特征信息,提供了一種油膜渦動(dòng)、摩擦與轉(zhuǎn)子不平衡三重并發(fā)故障診斷方法，本發(fā)明提出在大機(jī)組摩擦故障診斷過程中提取特征困難的問題，提取出有效的特征能夠良好的解決故障預(yù)測(cè)問題，并且利用雙視圖方法使得特征更加全面，并且通過cca方法進(jìn)行特征降維，使得計(jì)算過程更加迅速。本發(fā)明在大機(jī)組摩擦故障診斷問題上取得了良好的結(jié)果，并且能夠并發(fā)的準(zhǔn)確的預(yù)測(cè)三種常見機(jī)械故障。

技術(shù)領(lǐng)域

本發(fā)明屬于齒輪故障分析技術(shù)領(lǐng)域，尤其涉及一種三重并發(fā)故障分析方法、系統(tǒng)、大機(jī)組設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)

目前，大機(jī)化設(shè)備的結(jié)構(gòu)復(fù)雜，功能完善，設(shè)備內(nèi)部零件之間的聯(lián)系緊密，使得在生產(chǎn)過程中達(dá)到高速化和大型化，這也使得大機(jī)化設(shè)備出現(xiàn)故障造成損失巨大，這也增加了大機(jī)化設(shè)備進(jìn)行故障診斷的難度。

在大機(jī)化設(shè)備經(jīng)常出現(xiàn)的故障類型為油膜渦動(dòng)故障、摩擦故障與轉(zhuǎn)子不平衡故障，這三種占機(jī)械故障中的大多數(shù)，因此如何在機(jī)械設(shè)備故障中診斷出是這三個(gè)故障中的具體哪個(gè)故障，對(duì)于故障的診斷以及迅速的修復(fù)故障起到很大的作用，能夠有效減少機(jī)械故障帶來的損失。

傳統(tǒng)的方法需要大量的前期知識(shí)，現(xiàn)在運(yùn)用機(jī)器學(xué)習(xí)方法解決現(xiàn)實(shí)生活的問題應(yīng)用越來越廣泛，適用性強(qiáng)并且不需要大量的專業(yè)知識(shí)儲(chǔ)備。

通過上述分析，現(xiàn)有技術(shù)存在的問題及缺陷為：

(1)現(xiàn)在的常用方法存在著特征提取困難，以及特征提取不全面。

(2)現(xiàn)有方法的預(yù)測(cè)精度不夠準(zhǔn)確

解決以上問題及缺陷的難度為：提取出全面的特征，并且提高預(yù)測(cè)精度。

解決以上問題及缺陷的意義為：

本發(fā)明提出了一個(gè)基于無量綱與小波分解特征學(xué)習(xí)和梯度增強(qiáng)樹的三重并發(fā)故障診斷方法。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)存在的問題，本發(fā)明提供了一種三重并發(fā)故障分析方法、系統(tǒng)、大機(jī)組設(shè)備及存儲(chǔ)介質(zhì)，具體涉及一種基于無量綱與小波分解特征學(xué)習(xí)和梯度增強(qiáng)樹的三重并發(fā)故障分析方法。

本發(fā)明是這樣實(shí)現(xiàn)的，一種基于無量綱與小波分解特征學(xué)習(xí)和梯度增強(qiáng)樹的三重并發(fā)故障分析方法包括：

步驟1，進(jìn)行數(shù)據(jù)采集以及數(shù)據(jù)預(yù)處理；

步驟2，進(jìn)行摩擦故障特征提取，包括無量綱與小波分解特征；

步驟3，利用機(jī)器學(xué)習(xí)方法建立故障預(yù)測(cè)模型；

步驟4，進(jìn)行未知標(biāo)簽數(shù)據(jù)預(yù)測(cè)；

進(jìn)一步，所述步驟1中進(jìn)行數(shù)據(jù)采集以及數(shù)據(jù)預(yù)處理，具體包括下述步驟：

步驟1.1，安裝兩個(gè)探點(diǎn)，通過兩個(gè)探點(diǎn)采集得到大型滑動(dòng)機(jī)組振動(dòng)雙視圖信號(hào)，數(shù)據(jù)采集為32/rms，即軸承每轉(zhuǎn)一圈采樣32個(gè)點(diǎn)，采集32圈的數(shù)據(jù)。

步驟1.2，探針采集數(shù)據(jù)后，對(duì)兩個(gè)視圖分別進(jìn)行離散傅里葉變換，窗口大小32*32＝1024個(gè)點(diǎn)，根據(jù)信號(hào)情況設(shè)置自適應(yīng)閾值，降低信號(hào)存儲(chǔ)量，加速傳輸。其變換公式具體如下：

其中n＝0,…,N-1，N表示數(shù)據(jù)長(zhǎng)度。

所述步驟2中進(jìn)行特征提取，具體包括下述步驟：

步驟2.1，對(duì)步驟1中處理后的數(shù)據(jù)進(jìn)行小波包2層分解變換,小波包即利用多次疊代的小波轉(zhuǎn)換分析輸入訊號(hào)的細(xì)節(jié)部分，其具體結(jié)構(gòu)圖如圖2。得到不同尺度下的小波系數(shù)，將信號(hào)HH層的尺度系數(shù)置零。