[發(fā)明專利]風(fēng)機(jī)故障分析方法、裝置、設(shè)備及可讀存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202110787190.6
• 申請日: 2021-07-13
• 公開（公告）號: CN113236595B
• 公開（公告）日: 2021-09-28
• 發(fā)明（設(shè)計(jì)）人: 鄭之偉;向青松;馬天雨;劉金平
• 申請（專利權(quán)）人: 湖南師范大學(xué)
• 主分類號: F04D27/00
• 分類號: F04D27/00;G06F17/14;G06F17/18;G06N3/04
• 代理公司: 北京集佳知識產(chǎn)權(quán)代理有限公司 11227
• 代理人: 薛嬌

本發(fā)明公開了一種風(fēng)機(jī)故障分析方法、裝置、設(shè)備以及計(jì)算機(jī)可讀存儲介質(zhì)，該方法包括連續(xù)采集待測風(fēng)機(jī)的風(fēng)機(jī)軸承的振動(dòng)數(shù)據(jù)和溫度數(shù)據(jù)，并獲得振動(dòng)數(shù)據(jù)的速度有效值和沖擊量平均值；將速度有效值、沖擊量平均值以及溫度數(shù)據(jù)分別進(jìn)行線性擬合，以提取第一特征信息；將速度有效值和沖擊量平均值進(jìn)行形態(tài)分布參數(shù)運(yùn)算，以提取第二特征信息；將振動(dòng)數(shù)據(jù)和溫度數(shù)據(jù)進(jìn)行傅里葉變換，獲得對應(yīng)的頻譜值，以提取第三特征信息；根據(jù)預(yù)先確定的每種風(fēng)機(jī)故障類型對應(yīng)的三種特征信息的組合特征，確定當(dāng)前待測風(fēng)機(jī)的故障類型。本申請通過對風(fēng)機(jī)的數(shù)據(jù)從的三個(gè)不同方面進(jìn)行特征提取，以及時(shí)確定出風(fēng)機(jī)故障，有利于風(fēng)機(jī)及時(shí)維修并延長風(fēng)機(jī)的維護(hù)。

技術(shù)領(lǐng)域

本發(fā)明涉及風(fēng)機(jī)技術(shù)領(lǐng)域，特別是涉及一種風(fēng)機(jī)故障分析方法、裝置、設(shè)備以及計(jì)算機(jī)可讀存儲介質(zhì)。

背景技術(shù)

隨著現(xiàn)代化工業(yè)的不斷發(fā)展，風(fēng)機(jī)設(shè)備已經(jīng)成為眾多工廠中必不可少的機(jī)械設(shè)備之一，風(fēng)機(jī)設(shè)備也日趨復(fù)雜化和系統(tǒng)化，由風(fēng)機(jī)設(shè)備故障所造成的財(cái)產(chǎn)損失也不容小覷。因此，及時(shí)發(fā)現(xiàn)風(fēng)機(jī)的異常狀態(tài)情況，并進(jìn)行維修對保障設(shè)備的穩(wěn)定運(yùn)行，降低維修的成本，延長風(fēng)機(jī)的使用壽命等具有重要的意義。

然而，很多時(shí)候風(fēng)機(jī)只是在其內(nèi)部出現(xiàn)了細(xì)微的故障，此時(shí)便存在安全隱患，工作人員憑借肉眼確難以判斷和發(fā)現(xiàn)風(fēng)機(jī)內(nèi)在的故障問題。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種風(fēng)機(jī)故障分析方法、裝置、設(shè)備以及計(jì)算機(jī)可讀存儲介質(zhì)，能夠提升風(fēng)機(jī)故障發(fā)現(xiàn)的及時(shí)性和準(zhǔn)確性，有利于風(fēng)機(jī)故障的及時(shí)維修，并延長風(fēng)機(jī)使用壽命。

為解決上述技術(shù)問題，本發(fā)明提供一種風(fēng)機(jī)故障分析方法，包括：

連續(xù)采集待測風(fēng)機(jī)的風(fēng)機(jī)軸承的振動(dòng)數(shù)據(jù)和溫度數(shù)據(jù)，并獲得所述振動(dòng)數(shù)據(jù)的速度有效值和沖擊量平均值；

將所述速度有效值、所述沖擊量平均值以及所述溫度數(shù)據(jù)分別進(jìn)行線性擬合，并將獲得的線性擬合參數(shù)和預(yù)先確定的標(biāo)準(zhǔn)擬合參數(shù)對比，獲得第一特征信息；

將所述速度有效值和所述沖擊量平均值進(jìn)行形態(tài)分布參數(shù)運(yùn)算，并將獲得的形態(tài)分布參數(shù)和預(yù)先確定的標(biāo)準(zhǔn)形態(tài)分布參數(shù)進(jìn)行對比，獲得第二特征信息；

將所述振動(dòng)數(shù)據(jù)和所述溫度數(shù)據(jù)進(jìn)行傅里葉變換，獲得對應(yīng)的頻譜值；并根據(jù)預(yù)先創(chuàng)建的神經(jīng)網(wǎng)絡(luò)模型識別所述頻譜值，獲得第三特征信息；

根據(jù)所述第一特征信息、所述第二特征信息以及所述第三特征信息，利用預(yù)先確定的每種風(fēng)機(jī)故障類型對應(yīng)的三種特征信息的組合特征，確定當(dāng)前所述待測風(fēng)機(jī)的故障類型。

可選地預(yù)先確定所述標(biāo)準(zhǔn)擬合參數(shù)的過程，包括：

獲取至少連續(xù)一天內(nèi)帶有故障標(biāo)簽的振動(dòng)樣本數(shù)據(jù)和溫度樣本數(shù)據(jù)；并獲得所述振動(dòng)樣本數(shù)據(jù)對應(yīng)的速度有效值樣本和沖擊量平均值樣本；

根據(jù)各個(gè)所述振動(dòng)樣本數(shù)據(jù)和所述溫度樣本數(shù)據(jù)的采集時(shí)間點(diǎn)，將所述速度有效值樣本、所述沖擊量平均值樣本和所述溫度樣本數(shù)據(jù)分別均按照不同分割時(shí)長分割獲得多組對應(yīng)的第一樣本數(shù)據(jù)；

將同一分割時(shí)長的時(shí)間段采集的每組所述第一樣本數(shù)據(jù)進(jìn)行線性擬合，獲得對應(yīng)的每組樣本線性擬合方程的斜率樣本、最大值和最小值之間差值樣本；

分別將每組所述斜率樣本和所述差值樣本分別和設(shè)定的多個(gè)不同大小的斜率閾值以及多個(gè)不同大小的差值閾值進(jìn)行對比，分別獲得多組第一對比結(jié)果，并判斷所述第一對比結(jié)果和所述故障標(biāo)簽是否一致；

其中，所述第一對比結(jié)果和所述故障標(biāo)簽一致包括，所述故障標(biāo)簽為故障狀態(tài)，所述第一對比結(jié)果為所述斜率樣本大于所述斜率閾值且所述差值樣本大于所述差值閾值；或者，所述故障標(biāo)簽為非故障狀態(tài)，所述第一對比結(jié)果為所述斜率樣本不大于所述斜率閾值或所述差值樣本不大于所述差值閾值；

利用尋優(yōu)算法獲得第一正確率最高時(shí)對應(yīng)的分割時(shí)長、斜率閾值和差值閾值作為所述標(biāo)準(zhǔn)擬合中參數(shù)的標(biāo)準(zhǔn)分割時(shí)長、標(biāo)準(zhǔn)斜率閾值和標(biāo)準(zhǔn)差值閾值；