[發(fā)明專利]變轉(zhuǎn)速旋轉(zhuǎn)機(jī)械振動(dòng)的故障預(yù)警方法、裝置、設(shè)備以及存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202110411554.0
• 申請(qǐng)日: 2021-04-16
• 公開（公告）號(hào): CN113237619B
• 公開（公告）日: 2022-11-15
• 發(fā)明（設(shè)計(jì)）人: 何小鋒;劉曉鋒;盧修連;馬運(yùn)翔;盧承斌;何利鵬;彭輝;張?zhí)r;姚永靈;陳華桂;張耀華;孫子文;楊濤;胡迪
• 申請(qǐng)（專利權(quán)）人: 江蘇方天電力技術(shù)有限公司;國(guó)網(wǎng)江蘇省電力有限公司;華中科技大學(xué)
• 主分類號(hào): G01M7/02
• 分類號(hào): G01M7/02;G06K9/00;G06K9/62;G06N3/08
• 代理公司: 南京縱橫知識(shí)產(chǎn)權(quán)代理有限公司 32224
• 代理人: 范青青

本發(fā)明公開了機(jī)械故障檢測(cè)領(lǐng)域的一種變轉(zhuǎn)速旋轉(zhuǎn)機(jī)械振動(dòng)的故障預(yù)警方法，旨在解決僅依靠振動(dòng)的幅值作為振動(dòng)分析的依據(jù)，對(duì)振動(dòng)故障檢測(cè)預(yù)警不夠精準(zhǔn)的技術(shù)問題。其包括：獲取各系列特征倍頻下歷史頻率向量和在線頻率向量；構(gòu)建各系列特征倍頻下的振動(dòng)靶圖；建立各系列特征倍頻下的正常行為模型；在振動(dòng)靶圖上計(jì)算各系列特征倍頻下歷史頻率向量對(duì)應(yīng)的模型殘差；得到各系列特征倍頻下的殘差分布；確定各系列特征倍頻下的異常報(bào)警閾值；在振動(dòng)靶圖上計(jì)算各系列特征倍頻下在線頻率向量對(duì)應(yīng)的模型殘差；通過在線頻率向量與異常報(bào)警閾值對(duì)比，從而實(shí)現(xiàn)各系列特征倍頻下的故障預(yù)警。本發(fā)明能夠?qū)崿F(xiàn)設(shè)備各振動(dòng)特征頻率的實(shí)時(shí)預(yù)警。

技術(shù)領(lǐng)域

本發(fā)明涉及一種變轉(zhuǎn)速旋轉(zhuǎn)機(jī)械振動(dòng)的故障預(yù)警方法、裝置、設(shè)備以及存儲(chǔ)介質(zhì)，屬于機(jī)械故障檢測(cè)技術(shù)領(lǐng)域。

背景技術(shù)

對(duì)于旋轉(zhuǎn)設(shè)備而言，絕大數(shù)多故障都是與振動(dòng)密切相關(guān)的。因此，振動(dòng)監(jiān)測(cè)是旋轉(zhuǎn)機(jī)械狀態(tài)監(jiān)測(cè)中常用的技術(shù)手段，它能夠?qū)崿F(xiàn)早期故障預(yù)警和故障診斷。振動(dòng)監(jiān)測(cè)主要是幅值、頻率、相位，而實(shí)際應(yīng)用中往往只是重視振動(dòng)的幅值，即以振動(dòng)的大小作為振動(dòng)監(jiān)測(cè)和設(shè)備狀態(tài)分析的依據(jù)，該方法在大多數(shù)情況下有效，但在一些特殊情況下會(huì)掩蓋振動(dòng)現(xiàn)象，從而影響到故障預(yù)警。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服現(xiàn)有技術(shù)中的不足，提供一種變轉(zhuǎn)速旋轉(zhuǎn)機(jī)械振動(dòng)的故障預(yù)警方法、裝置、設(shè)備以及存儲(chǔ)介質(zhì)，解決現(xiàn)有技術(shù)僅依靠振動(dòng)的幅值作為振動(dòng)分析的依據(jù)，其在一些特殊情況下會(huì)掩蓋振動(dòng)現(xiàn)象從而導(dǎo)致振動(dòng)預(yù)警不準(zhǔn)確的技術(shù)問題。

為達(dá)到上述目的，本發(fā)明是采用下述技術(shù)方案實(shí)現(xiàn)的：

第一方面，本發(fā)明提供了一種變轉(zhuǎn)速旋轉(zhuǎn)機(jī)械振動(dòng)的故障預(yù)警方法，所述故障預(yù)警方法包括以下步驟：

根據(jù)設(shè)備正常運(yùn)行振動(dòng)的歷史數(shù)據(jù)和在線數(shù)據(jù)獲取各系列特征倍頻下歷史頻率向量和在線頻率向量；

將歷史頻率向量和在線頻率向量作為極坐標(biāo)構(gòu)建各系列特征倍頻下的振動(dòng)靶圖；

基于歷史頻率向量建立各系列特征倍頻下的正常行為模型；

基于訓(xùn)練好的正常行為模型，在振動(dòng)靶圖上計(jì)算各系列特征倍頻下歷史頻率向量對(duì)應(yīng)的模型殘差；

基于歷史頻率向量對(duì)應(yīng)的模型殘差組成的模型殘差序列，得到各系列特征倍頻下的殘差分布；

基于殘差分布，從而確定各系列特征倍頻下的異常報(bào)警閾值；

基于訓(xùn)練好的正常行為模型，在振動(dòng)靶圖上計(jì)算各系列特征倍頻下在線頻率向量對(duì)應(yīng)的模型殘差；

通過在線頻率向量與異常報(bào)警閾值對(duì)比，從而實(shí)現(xiàn)各系列特征倍頻下的故障預(yù)警。

作為一種可選的實(shí)施方式：所述根據(jù)設(shè)備正常運(yùn)行振動(dòng)的歷史數(shù)據(jù)和在線數(shù)據(jù)獲取各系列特征倍頻下歷史頻率向量和在線頻率向量包括：

采用快速傅里葉變換將設(shè)備正常運(yùn)行振動(dòng)的歷史數(shù)據(jù)和在線數(shù)據(jù)分解成各系列特征倍頻下的歷史振動(dòng)分量和在線振動(dòng)分量；

根據(jù)各系列特征倍頻下的各振動(dòng)分量獲取每個(gè)振動(dòng)分量的相位和幅值，并將該相位和幅值作為各系列特征倍頻下的歷史頻率向量和在線頻率向量。

作為一種可選的實(shí)施方式：所述正常行為模型還包括振動(dòng)波形的統(tǒng)計(jì)指標(biāo)以及工況參數(shù)，所述振動(dòng)波形的統(tǒng)計(jì)指標(biāo)包括歷史數(shù)據(jù)的振動(dòng)信號(hào)的峰峰值、峭度、峰值因子；所述設(shè)備運(yùn)行的工況參數(shù)包括設(shè)備運(yùn)行轉(zhuǎn)速。

作為一種可選的實(shí)施方式：所述正常行為模型為三層的BP神經(jīng)網(wǎng)絡(luò)。

作為一種可選的實(shí)施方式：所述基于訓(xùn)練好的正常行為模型，在振動(dòng)靶圖上計(jì)算各系列特征倍頻下歷史頻率向量對(duì)應(yīng)的模型殘差包括：

基于歷史頻率向量對(duì)正常行為模型進(jìn)行訓(xùn)練；