[發明專利]風機軸承故障診斷方法、系統、計算機設備和存儲介質

在審

• 申請號: 202011352866.0
• 申請日: 2020-11-26
• 公開（公告）號: CN112270312A
• 公開（公告）日: 2021-01-26
• 發明（設計）人: 蔣淑霞;張長偉;李宇瓊;隆波;劉文
• 申請（專利權）人: 中南林業科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G01M13/045
• 代理公司: 北京風雅頌專利代理有限公司 11403
• 代理人: 曾志鵬

本申請涉及一種風機軸承故障診斷方法、系統、計算機設備和存儲介質。該方法包括：采集風機軸承的振動數據，將所述振動數據進行分段處理，對分段后的所述振動數據進行標記；對每段所述振動數據進行小波包分解，并根據時域頻域指標計算分解后的所述振動數據；獲取所述振動數據的特征參數集，對所述特征參數集進行主成分分析，降低所述特征參數集的數據維度，得到綜合變量參數集；對所述綜合變量參數集進行聚類分析，根據聚類分析的結果判斷風機軸承的故障類型。本方法對風機軸承故障診斷的過程中，具有較強的抗干擾能力，能夠判別不同部位的不同程度的故障，故障識別的準確率高。

技術領域

本申請涉及風力設備技術領域，特別是涉及一種風機軸承故障診斷方法、系統、計算機設備和存儲介質。

背景技術

目前的風機故障診斷系統是利用歷史風機數據，例如對于風機的溫度和振動數據建立風機數據系統，然后將預測信號按構建的標準劃分為多個子信號，將子信號與風機數據系統進行相關性分析，預測風機是否發生故障以及故障發生的時間。

在風機故障自動診斷過程中，目前的現有技術是：首先將傳感器獲取的振動信號進行分段處理；然后將分段處理后的信號與機器信號數據系統的數據進行相似度匹配；最后將該振動信號劃分到相似度最高的那一類故障。但是由于上述的故障診斷要求數據量龐大，當存儲的數據量小的時候系統的功能受限，導致風機狀態的判斷準確率不高。此外，在風機故障人工診斷過程中，由于目前國內普遍是通過人工巡檢的方式排查故障，導致了故障診斷的效率低，不容易及時發現并處理，人工成本高。

發明內容

基于此，有必要針對上述技術問題，提供一種風機軸承故障診斷方法、系統、計算機設備和存儲介質。

第一方面，本發明實施例提供了一種風機軸承故障診斷方法，包括以下步驟：

采集風機軸承的振動數據，將所述振動數據進行分段處理，對分段后的所述振動數據進行標記；

對每段所述振動數據進行小波包分解，并根據時域頻域指標計算分解后的所述振動數據；

獲取所述振動數據的特征參數集，對所述特征參數集進行主成分分析，降低所述特征參數集的數據維度，得到綜合變量參數集；

對所述綜合變量參數集進行聚類分析，根據聚類分析的結果判斷風機軸承的故障類型。

進一步的，所述對每段所述振動數據進行小波包分解，并根據時域頻域指標計算分解后的所述振動數據，包括：

計算所述振動數據的均值和方根幅值，根據所述均值和所述方根幅值得到所述振動數據的方差值；

根據所述方差值計算所述振動數據的重心頻率，并利用所述重心頻率獲取所述振動數據的均方頻率和頻率方差；

利用所述均振動數據的方頻率和頻率方差去除所述振動數據的干擾信號。

進一步的，所述獲取所述振動數據的特征參數集，對所述特征參數集進行主成分分析，降低所述特征參數集的數據維度，得到綜合變量參數集，包括：

標準化所述振動數據，獲取所述振動數據的協方差矩陣；

計算所述協方差矩陣的特征向量和特征值，并對所述特征值進行排序；

對所述特征值按照排序規則進行成分劃分，累計劃分后的所述特征值的貢獻率；

提取貢獻率超過預設閾值的所述特征值，獲取所述綜合變量參數集。

進一步的，所述對所述綜合變量參數集進行聚類分析，根據聚類分析的結果判斷風機軸承的故障類型，包括：

對所述綜合變量參數集進行第一次聚類計算，通過樣本間距離計算，區分所述綜合變量參數集中的正常信號和故障信號；