[發(fā)明專利]一種基于振動信號圖像化的故障識別方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202110294965.6
• 申請日: 2021-03-19
• 公開（公告）號: CN112966632A
• 公開（公告）日: 2021-06-15
• 發(fā)明（設計）人: 水沛;尹旭曄;馬飛
• 申請（專利權）人: 浙江中自慶安新能源技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 杭州鈐韜知識產(chǎn)權代理事務所(普通合伙) 33329
• 代理人: 趙杰香;唐靈

本發(fā)明公開了一種基于振動信號圖像化的故障識別方法，獲取鍵相傳感器采集的鍵相時域信號序列，以及振動傳感器采集的振動時域信號序列，構建任意相位與時間的函數(shù)關系，以及振動信號與時間的函數(shù)關系；對振動信號與時間的函數(shù)關系進行階次分析得到振動信號與任意相位的函數(shù)關系，進行短時傅里葉變換，得到變換后的振動?相位信號頻譜；使用變換后的振動?相位信號頻譜沿著時間順序構建振動圖像，對構成的圖像訓練樣本集特征提取，對振動特征向量進行降維，得到降維后的特征樣本集；利用K?means聚類算法對降維后的特征樣本集進行聚類分析，確定故障類別。本發(fā)明將振動數(shù)據(jù)轉(zhuǎn)換為圖像數(shù)據(jù)，進行有損壓縮，提高了數(shù)據(jù)處理的速度和效率。

技術領域

本發(fā)明涉及圖像數(shù)據(jù)的產(chǎn)生和處理領域，尤其涉及一種基于振動信號圖像化的故障識別方法及系統(tǒng)。

背景技術

振動廣泛存在于機械、車輛、建筑、航空航天等各類工程應用中。工程結(jié)構和設備在運行過程中產(chǎn)生大量振動信號，其中蘊含著豐富的結(jié)構內(nèi)在特性和設備運行狀況信息，是反映系統(tǒng)狀態(tài)及其變化規(guī)律的重要信息表征，直接影響著工程結(jié)構和設備的安全運行。

高頻率的振動信號需要大量數(shù)據(jù)來表示，因此必須對其進行數(shù)據(jù)壓縮。但在壓縮的過程中，也會對傳輸介質(zhì)、傳輸方法和存儲介質(zhì)等提出較高要求。目前，對于工業(yè)設備中的振動數(shù)據(jù)的壓縮，通常采用經(jīng)典的無損數(shù)據(jù)壓縮方法，如哈夫曼編碼等，對二進制數(shù)據(jù)進行重編碼，數(shù)據(jù)壓縮和解壓縮的時候，需要使用到大量的計算機資源，極限壓縮的能力較低。無損壓縮時，振動數(shù)據(jù)中存在的大量統(tǒng)計性質(zhì)的多余度，如極高頻率的噪音，以及幅值較小的波動，均被完整地保留了下來。這些數(shù)據(jù)對于分析設備的運行狀態(tài)、診斷設備的故障等，并沒有起到有益的作用，反而會拖累了計算機處理數(shù)據(jù)的效率。因此，可以在允許保真度的條件下壓縮待存儲的圖像數(shù)據(jù)，大大節(jié)約存儲空間，而且在圖像傳輸時也大大減少信道容量。

本發(fā)明通過對原始的數(shù)字數(shù)據(jù)壓縮成圖像的方式，借助圖像的有損壓縮，可以顯著降低數(shù)據(jù)量。圖像壓縮是圖像存儲、處理和傳輸?shù)幕A，它是用盡可能少的數(shù)據(jù)來進行圖像的存儲和傳輸。通過允許圖像編碼有一定的失真，有效地提高了壓縮比，從而實現(xiàn)設備振動數(shù)據(jù)的高速傳輸與存儲，降低通過機器學習獲得設備狀態(tài)分類模型所需的算力。

發(fā)明內(nèi)容

鑒于此，本發(fā)明提供一種基于振動信號圖像化的故障識別方法及系統(tǒng)，將設備的振動監(jiān)測數(shù)據(jù)轉(zhuǎn)換為圖像數(shù)據(jù)，并進行有損壓縮，提高了數(shù)據(jù)處理和故障分析的速度和效率。

為實現(xiàn)上述目的，本發(fā)明提供一種基于振動信號圖像化的故障識別方法，所述方法包括：

S1、在當前采集周期內(nèi)，分別獲取鍵相傳感器在各個鍵相相位點采集的基于鍵相位的鍵相時域信號序列，以及振動傳感器采集的基于時間序列的振動時域信號序列，并分別對所述鍵相信號時域序列和振動時域信號序列采用樣條插值的方法，構建得到任意相位與時間的函數(shù)關系，以及振動信號與時間的函數(shù)關系；

S2、對所述振動信號與時間的函數(shù)關系進行階次分析，并根據(jù)所述任意相位與時間的函數(shù)關系得到振動信號與任意相位的函數(shù)關系，對所述振動信號與任意相位的函數(shù)關系進行短時傅里葉變換，得到變換后的振動-相位信號頻譜；

S3、根據(jù)所述變換后的振動-相位信號頻譜，以振動信號頻率為圖像橫坐標，以時間序列作為圖像縱坐標，以振動信號幅值作為圖像像素點的像素值，構建一圖像數(shù)據(jù)集，并得到對應的振動圖像；

S4、重復步驟S1～S3，基于多個采集周期對應得到多張振動圖像，并構成圖像訓練樣本集；

S5、對所述圖像訓練樣本集中的每一張振動圖像進行特征提取，獲取對應的振動特征向量，并對所述振動特征向量進行降維，得到降維后的特征樣本集；

S6、利用K-means聚類算法對所述降維后的特征樣本集進行聚類分析，確定故障類別。

優(yōu)選的，所述步驟S1包括：