[發明專利]轉子脫落故障診斷分析方法及裝置

在審

• 申請號: 202011344029.3
• 申請日: 2020-11-26
• 公開（公告）號: CN112580252A
• 公開（公告）日: 2021-03-30
• 發明（設計）人: 喬琦;劉哲;吳艷萍;李治;劉陽
• 申請（專利權）人: 北京航天智造科技發展有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G01B7/02
• 代理公司: 北京中濟緯天專利代理有限公司 11429
• 代理人: 郝志亮

本發明公開了一種轉子脫落故障診斷分析方法及裝置，所述方法包括：獲取故障轉子和非故障轉子徑向的第一位移數據；提取所述第一位移數據的時域特征和頻域特征，形成包含時域特征和頻域特征的第一數據集；采用邏輯回歸算法，以及所述第一數據集中的至少部分數據構建故障分析模型；待檢測轉子徑向的第二位移數據，根據所述故障分析模型對多個待檢測轉子進行分析，得到所述待檢測轉子是否會發生故障的分析結果。本發明實施例通過采用邏輯回歸算法構建故障分析模型，根據所述故障分析模型分析判斷是否會發生轉子脫落故障，對可能發生故障的轉子進行及時預防和維護，優化設備運維管理方法，從而避免因故障發生造成經濟損失。

技術領域

本發明涉及轉子脫落故障診斷技術領域，特別涉及一種基于邏輯回歸算法的轉子脫落故障分析方法及裝置。

背景技術

大型旋轉機械是在化工、電力和鋼鐵生產制造過程中的關鍵設備。如果旋轉機械出現故障將直接影響整個生產線的運行。旋轉機械由基本的轉子、軸承等零部件組成。其中轉子作為大型旋轉機械設備的重要組成部件，長期處于高速運轉以及交叉載荷的運行環境下，很容易對其表面以及結構造成一定的損傷，使其脫落，給設備安全運行帶來巨大的威脅，對工業生產效率以及經濟效益造成極大的影響。

但由于工業生產中轉子運行的不間斷性，設備維護人員對設備進行檢測維護只是間斷和周期性的，并且還要在工業現場由專業人員進行相應的數據采集和故障診斷，這并不有利于旋轉機械轉子的長期監測以及診斷，所以如何采用合理有效的監測診斷方法以及便利快捷的實現路徑，是判斷工業現場中旋轉機械轉子早期是否故障的關鍵難題。

現有的針對轉子進行故障診斷的流程基本為專業人員通過安裝傳感器，進行振動信號的采集，再將數據進行相應的處理獲得相應的頻譜，通過個人的專業知識來分析轉子可能存在的問題。但這存在著以下不足之處∶一是由于轉子運行的長期性和連續性，對轉子進行維護診斷也是周期間隔性的，這并不能有效及時的發現轉子的早期故障情況，這對延長維護轉子生產壽命上有著極大的不利；二是針對轉子脫落故障情況必須在現場及時的采集信號數據，再將數據帶回進行相應的處理，這對于維護診斷而言存在著極大的不便利性；三是轉子的維護診斷是基于專家知識，需要專業的人員，這對于早期診斷和維護而言具有太高的專業門檻。所以研究如何將工業生產上轉子設備的故障診斷在線化、便利化以及程序化，對工業生產上設備維護診斷的效率提升具有非常重要的意義。

發明內容

有鑒于此，本發明實施例的目的是提供一種能夠對轉子脫落故障進行分析預測，以便于優化設備運維管理方法，避免因故障發生造成經濟損失的轉子脫落故障分析方法及裝置。

為了實現上述目的，本發明實施例提供了一種轉子脫落故障分析方法，所述方法包括：

獲取故障轉子和非故障轉子徑向的第一位移數據；

提取所述第一位移數據的時域特征和頻域特征，形成包含時域特征和頻域特征的第一數據集；

采用邏輯回歸算法，以及所述第一數據集中的至少部分數據構建故障分析模型；

獲取待檢測轉子徑向的第二位移數據，并提取所述第二位移數據的特征；

根據所述故障分析模型對所述第二位移數據的特征進行分析，得到所述待檢測轉子是否將發生故障的分析結果。

優選地，提取所述第一位移數據的時域特征和頻域特征，形成包含時域特征和頻域特征的第一數據集，包括：

對所述第一位移數據進行預處理；

提取預處理后的所述第一位移數據的原始時域特征和原始頻域特征；

對所述原始時域特征和原始頻域特征進行篩選得到所述時域特征和頻域特征，并形成包含所述時域特征和頻域特征的第一數據集。

優選地，對所述第一位移數據進行預處理，包括：

對所述第一位移數據進行填補；