[發(fā)明專利]一種基于非監(jiān)督學習的轉(zhuǎn)機設備振動檢測系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202110995094.0
• 申請日: 2021-08-27
• 公開（公告）號: CN113945401A
• 公開（公告）日: 2022-01-18
• 發(fā)明（設計）人: 鐘秀敏;徐霆;王健;陳慕歐;陳建康;唐睿;楊春暉
• 申請（專利權(quán)）人: 華能（上海）電力檢修有限責任公司
• 主分類號: G01M99/00
• 分類號: G01M99/00;G01H11/06;G06N3/08
• 代理公司: 上海科盛知識產(chǎn)權(quán)代理有限公司 31225
• 代理人: 翁惠瑜

本發(fā)明涉及一種基于非監(jiān)督學習的轉(zhuǎn)機設備振動檢測系統(tǒng)，包括依次連接的振動傳感器、量程切換電路、信號切換電路、模數(shù)轉(zhuǎn)換電路、微處理器和監(jiān)控終端，所述的微處理器與監(jiān)控終端無線連接，所述的振動傳感器采集轉(zhuǎn)機設備的振動信號，所述的量程切換電路選擇振動傳感器的量程，所述的信號切換電路選擇振動信號的類型，所述的類型包括加速度、速度和位移，所述的模數(shù)轉(zhuǎn)換電路將振動信號轉(zhuǎn)換為電壓信號，并輸入微處理器，所述的微處理器將電壓信號無線傳輸至監(jiān)控終端，所述的監(jiān)控終端中存儲有訓練好的故障診斷模型，所述的故障診斷模型根據(jù)電壓信號獲取轉(zhuǎn)機設備的故障診斷結(jié)果。與現(xiàn)有技術相比，本發(fā)明具有實現(xiàn)難度低、可靠性高等優(yōu)點。

技術領域

本發(fā)明涉及一種轉(zhuǎn)機設備振動監(jiān)測技術，尤其是涉及一種基于非監(jiān)督學習的轉(zhuǎn)機設備振動檢測系統(tǒng)。

背景技術

目前電廠日常運行過程中，轉(zhuǎn)機設備是企業(yè)的重要設備，轉(zhuǎn)機設備24小時連續(xù)運轉(zhuǎn)，因此經(jīng)常出現(xiàn)故障，若對轉(zhuǎn)機設備檢查不到位，容易造成事故而停機，進而導致企業(yè)停產(chǎn)，造成雙重損失，因此對轉(zhuǎn)機設備進行24小時在線監(jiān)測、故障報警和故障診斷是企業(yè)急需解決的問題。

振動信號的參數(shù)識別是大型轉(zhuǎn)機設備健康監(jiān)測和結(jié)構(gòu)損傷檢測技術的核心，目前工程常用的環(huán)境激勵下模態(tài)參數(shù)識別方法有時域法、頻域法和時頻分析法，這些方法均存在共同的問題：

目前工程中常用的環(huán)境激勵下模態(tài)參數(shù)識別方法有時域法、頻域法和時頻分析法，這些分析方法需要手動提取特征，進行合理的模型定階，這取決于先前的知識和診斷專業(yè)知識；

此外，實測信號中常常包含噪聲，所識別的信號中除了系統(tǒng)有效信號外還包含各種各樣的干擾源，噪聲信號影響故障識別的準確性和靈敏度。

發(fā)明內(nèi)容

本發(fā)明的目的就是為了克服上述現(xiàn)有技術存在的缺陷而提供一種基于非監(jiān)督學習的轉(zhuǎn)機設備振動檢測系統(tǒng)，實現(xiàn)難度低，可靠性高。

本發(fā)明的目的可以通過以下技術方案來實現(xiàn)：

一種基于非監(jiān)督學習的轉(zhuǎn)機設備振動檢測系統(tǒng)，包括依次連接的振動傳感器、量程切換電路、信號切換電路、模數(shù)轉(zhuǎn)換電路、微處理器和監(jiān)控終端，所述的微處理器與監(jiān)控終端無線連接，所述的振動傳感器采集轉(zhuǎn)機設備的振動信號，所述的量程切換電路選擇振動傳感器的量程，所述的信號切換電路選擇振動信號的類型，所述的類型包括加速度、速度和位移，所述的模數(shù)轉(zhuǎn)換電路將振動信號轉(zhuǎn)換為電壓信號，并輸入微處理器，所述的微處理器將電壓信號無線傳輸至監(jiān)控終端，所述的監(jiān)控終端中存儲有訓練好的故障診斷模型，所述的故障診斷模型根據(jù)電壓信號獲取轉(zhuǎn)機設備的故障診斷結(jié)果；

使用的非監(jiān)督學習的故障診斷模型，從原始數(shù)據(jù)中學習特征，能夠準確獲得轉(zhuǎn)機設備的故障診斷結(jié)果，信號噪聲對結(jié)果的影響小，同時故障診斷模型的構(gòu)建和訓練過程簡單，實現(xiàn)難度低，結(jié)果可靠性高。

進一步地，所述的設備故障診斷模型為CNN模型，基于python的keras庫構(gòu)建。

進一步地，所述的故障診斷模型的訓練過程包括：

通過振動傳感器采集振動信號樣本，構(gòu)成訓練集；

對訓練集中的振動信號樣本進行歸一化處理；

利用訓練集對故障診斷模型進行訓練。

進一步地，所述的微處理器和振動傳感器之間的數(shù)據(jù)傳輸過程采用NTP時間同步協(xié)議；