CN101798957A - 一种动力设备故障诊断方法 - Google Patents

Abstract

本发明涉及一种动力设备故障诊断方法，(1)设置一包括往复式发动机、取油装置、油液预处理器、油液数据分析存储模块、故障诊断模块、磁电传感器、电压传感器、压力传感器、温度传感器、振动传感器、超声波传感器、信号调理箱、模数转化模块和数据采集模块的故障监测预报系统；(2)根据油液分析数据及各传感器采集到的数据，判断采集数据是否超出正常相位和幅值的界限值上限，若没有超出，则继续运行设备；若超出，则进行相位偏移和幅值数据量化处理；(3)根据模糊评判方法，建立幅值和相位信号模糊评判矩阵；(4)根据模糊评判矩阵，对采集的各种数据进行故障诊断。本发明采集手段全面，并能满足故障预报及监测功能，诊断精度较高。本发明可以广泛应用于各种往复机械设备中。

Description

一种动力设备故障诊断方法

技术领域

本发明涉及一种机械故障预报监测方法，特别是关于一种用于往复机械领域中的动力设备故障诊断方法。

背景技术

往复机械是用于石油、化工、冶金、动力等工业领域的一类关键动力设备，在生产中起着人体“心脏”的作用。但由于往复机械的结构和运动形式比较复杂，其关键运动部件有连杆、曲轴、十字头、活塞杆、活塞等，其中连杆、曲轴做旋转运动，十字头为旋转运动和直线往复运动的交汇点，活塞杆、活塞在气缸中作直线往复运动，上述运动的复杂性，使得往复机械在生产中的故障率非常高，一旦某一部分发生故障，就会造成巨大的经济损失和人员伤亡事故。近几年来国内外的机械故障诊断技术发展迅速，研究的手段和方法日新月异，特别是在旋转机械领域内已取得了较好的应用效果。然而，对于柴油机、压缩机、往复泵等往复式机械，尽管国内外的有关学者已经在这方面进行了大量的研究工作，但因其结构复杂、激励源多以及运行不平稳等特点，其实际应用仍未取得令人满意的效果。

往复机械故障诊断方法多局限在实验室内的模拟阶段，实用性还远未达到现场要求。主要困难表现在：信号的非平稳性、信号的重叠性、诊断模型的多样性，往复机械结构和运动状态相当复杂而且型号很多，难以归纳出共性。适用于某型号的往复机械的分析方法，对另一型号的往复机械未必可行，例如，基于故障机理的诊断方法因往复机械结构的复杂性而逐渐被放弃；故障树诊断法由于其诊断方法粗糙而诊断精度不高；瞬时转速波动诊断法虽然能够反映故障信息，但是该方法不能分析出故障的具体原因，也不能对故障进行准确定位，而且测量瞬时转速波动需要高频响、高精度的仪器，成本高。目前对于往复机械的检测技术，世界上通常采用跟踪分析方法，是采用以曲轴转速计脉冲信号作为采集振动数据的外部时钟，并通过跟踪过滤器装置将振动信号采集到计算机中进行分析和判定。由于此方法对转速采集精度要求很高，在实际用于往往会产生测量不准的现象，而且它还需要一个跟踪过滤器装置来实现对振动信号的过滤，所以成本相对较高，而且分析结果离散性高，稳定性偏低，不利于实际推广应用。

发明内容

针对上述问题，本发明的目的是提供一种适用较为广泛、能实现故障预报功能、诊断精度较高且成本较低的动力设备故障诊断方法。

为实现上述目的，本发明采取以下技术方案：一种动力设备故障诊断方法，其步骤如下：(1)设置一包括往复式发动机、取油装置、油液预处理器、油液数据分析存储模块、故障诊断模块、磁电传感器、电压传感器、压力传感器、温度传感器、振动传感器、超声波传感器、信号调理箱、模数转化模块和数据采集模块的故障监测预报系统；(2)根据油液分析数据及各传感器采集到的数据，并参照已制定的相位信号界限值和幅值信号界限值，判断采集数据是否超出正常相位和幅值的界限值上限，若没有超出，则继续运行设备；若超出，则进行相位偏移和幅值数据量化处理；(3)经所述步骤一进行量化处理后，根据模糊评判方法，建立幅值信号的评判矩阵；利用隶属函数的形式对基本因素做出评判，分别得到幅值信号和相位信号模糊评判矩阵；(4)根据模糊评判矩阵，若评判结果正常，则设备继续运行；若评判结果为警戒，则利用灰色建模方法对各因素集进行灰色建模，并进行故障预报；若模糊评判结果为故障，则分别对幅值和相位的评判矩阵进行加权处理，并利用模糊综合评判方法再次进行判断，结果仍然出现故障，则给出故障结论，结果正常，则继续运行设备。

所述故障诊断方法中的故障预报是基于建模数据变化规律的时序拟合灰色建模方法，所述灰色建模方法包括以下步骤：(1)对于非等间距的取样数据，根据级比条件判断取样数据是否满足级比要求，若不满足，则对元素浓度进行对数化处理后重新判定；若满足，则继续判断是否满足建模条件；(2)当满足建模条件时，则按照差商法灰色建模的方法进行灰色建模；若不满足建模条件，则对取样时刻进行等间隔化处理；(3)经间隔化处理后，判断取样数据规则是否平滑，若数据规则平滑，则可以按照时序拟合法的灰色建模方法进行建模；若数据规则具有波动性，则利用改进的基于数据变化规律的时序拟合法进行灰色建模；(4)所述差商法、时序拟合法和基于数据变化规律的时序拟合法灰色建模后，都要进行拟合精度检验，若检验合格，则可以进行灰色预测；若检验不合格，则改变建模维数重新进行建模，直至满足拟合精度要求。

所述级比条件为： $\mathrm{\δ}\left(k\right)\∈(e^{-\frac{1}{n+2}},e^{\frac{1}{n+2}}),$ 其中，δ为级比函数，n为样本数据的数量；所述建模条件为：max(Δt_k)/min(Δt_k)＜1.5，其中Δt_k为采样间隔时间。

本发明由于采取以上技术方案，其具有以下优点：1、本发明由于采用磁电传感器、压力传感器、温度传感器、振动传感器、超声波传感器及电压传感器对往复机械进行信号采集，同时还利用油液分析技术对发动机内的油液进行数据分析，将各传感器的数据和油样分析数据送入故障诊断模块内，对设备进行故障监测和故障预报，其系统信号采集手段全面，因此扩大了使用范围，同时满足了故障预报及监测功能，诊断精度较高。2、本发明由于采用一取油装置对往复式发动机内油底壳中的油液进行取样，该取油装置由取样头、快速接头、油管、球形阀门和喷油嘴组成，其结构简单，使用方便。3、本发明由于将信号采集、数据处理分析和故障监测预报等功能集成一体，使得本发明的实验系统集成化程度较高，因此大大提高了本发明的应用范围。4、本发明采用的故障诊断方法可以诊断阀门故障、活塞环故障、活塞杆故障、轴承故障、点火装置等故障，其诊断的故障类型较为全面。因此本发明可以广泛应用于各种大型内燃机、压缩机和往复泵等往复机械设备中。

附图说明

图1是本发明的整体实验系统结构示意图，

图2是本发明的取油装置结构示意图，

图3是本发明的信号调理箱结构示意图，

图4是本发明的故障诊断工作流程图，

图5是本发明的灰色建模流程图。

具体实施方式

下面结合附图和实施例对本发明进行详细的描述。

如图1所示，本发明包括一往复式发动机1，往复式发动机1设置在一试验台支架(图中未示出)上。往复式发动机1内油底壳2的放油口处与一取油装置3的输入端连接，取油装置3的输出端依次通过一油液预处理器4和一油液数据分析存储模块5连接到一故障诊断模块6。往复式发动机1内的飞轮7和火花塞8分别连接一磁电传感器9和一电压传感器10；且往复式发动机1内气缸11顶部的火花塞安装孔连接一压力传感器12，气缸11的出气口连接一温度传感器13，气缸11的顶部连接一振动传感器14和一超声波传感器15，所有传感器将检测到的信号都经过电缆输入一信号调理箱16内，去除信号干扰。处理后的信号由信号调理箱16的输出端经一A/D转化模块17(模拟/数字转化模块)和数据采集模块18后，送入故障诊断模块6内进行故障监测和预报。

如图2所示，本发明的取油装置3包括一取样接头301，取样接头301的输入端穿过往复发动机内油底壳2底部，与油底壳2底部连接处为螺纹连接，且在连接处设置有一用于防止漏油的密封垫302。取样接头301的输出端螺纹连接一快速接头303的输入端，且在该连接处设置有一O型密封圈304。快速接头303的输出端螺纹连接一取样油管305的输入端，取样油管305的输出端经另一密封垫306与一球形阀门307螺纹连接，球形阀门307的输出端螺纹连接一喷油嘴308。油底壳2内的油液由喷油嘴308喷入取样瓶内，以便进行油液分析。

上述实施例中，球形阀门307上设置有一开关手柄309，当开关手柄309与取样油管305互为垂直方向时，球形阀门307为关闭状态；当开关手柄309旋转90°变为与取样油管305同一方向时，球形阀门307为开启状态。

上述实施例中，取样接头301的顶部伸入油底壳2内的高度为80～100mm，且在该顶部设置有三组以上的孔洞310，且在油底壳2内，取样接头301上最底部的一组孔洞310距离油底壳2底部的高度固定在60mm～80mm，使得油底壳2内的油液由孔洞310滤除油液中的颗粒后流入快速转接头303内，进而流入取样油管305中，这样保证了所取样油液的纯度。

如图3所示，本发明的信号调理箱16内设置有两个低通滤波器19、一个频压转换模块20、四个电压隔离模块21、两个带通滤波器22、一个电流隔离模块23、一个信号衰减模块24和一个电阻/电压转换模块25。磁电传感器9和压力传感器12将检测到的信号分别经一低通滤波器19后，滤除高频杂波，分别输入频压转换模块20和一电压隔离模块21内，分别将信号完成频率到电压值的转化、干扰信号隔离去除后输出；振动传感器14和超声波传感器15检测到的信号分别经一带通滤波器22后，分别输入一电压隔离模块21和电流隔离模块23内，将信号中的干扰信号去除后输出，经A/D转化模块17由数据采集模块18进行采集；电压传感器10和温度传感器13检测到的信号分别经信号衰减模块24和电阻/电压转换模块25后，分别输入一电压隔离模块21内将信号中的干扰信号去除后输出，经A/D转化模块17由数据采集模块18进行采集。

上述实施例中，磁电传感器9与飞轮7的连接位置与往复机械曲轴上的止点相对应，以保证曲轴每转一圈产生一个矩形脉冲；且磁电传感器9接触端与往复式发动机1上飞轮7触发点之间的距离为2～3mm，以保证能有效的产生矩形信号。

如图4所示，本发明的故障诊断方法包括以下步骤：

(1)根据往复机械实验系统采集到的油液分析数据及各传感器采集到的数据，进行幅值信号监测和相位信号监测，并参照已制定的相位信号界限值和幅值信号界限值，判断采集的数据是否超出正常相位和幅值的界限值上限，若没有超出，则继续运行设备；若超出正常界限值上限，则进行相位偏移和幅值数据量化处理；

各传感器采集到的数据有振动传感器采集的振动数据、超声波传感器采集得到的高频振动数据、压力传感器采集的汽缸压力数据、电压传感器采集的点火电压数据以及温度传感器采集的温度数据；

(2)经所述步骤(1)进行量化处理后，根据模糊评判方法，建立幅值信号的评判矩阵，利用等级划分表(如表1所示)，取“S”型经验分布型隶属函数，确定各考虑因素获得第j种评语的隶属函数；考虑到评判过程中各主要因素对评判作用的权重各不相同，同样用隶属函数的形式对基本因素u_j ^k做出评判，从而得到幅值信号模糊评判矩阵；对于相位信号，按照同样的方法进行处理，同样得到相位信号模糊评判矩阵；

表1

(3)根据模糊评判矩阵，若评判结果正常，则设备继续运行；若评判结果显示警戒，则利用灰色GM(1，1)建模方法对考虑因素集进行灰色建模，预报出数据达到故障界限值所需要的时间，从而确定维修决策和采取的措施；若模糊评判结果显示为故障，则需要分别对幅值评判矩阵和相位评判矩阵进行加权处理，并利用模糊综合评判方法再次进行判断，结果仍然出现故障，则给出故障结论，结果正常，则继续运行设备。

如图5所示，上述往复机械实验系统故障诊断方法中的故障预报是基于建模数据变化规律的时序拟合灰色GM(1，1)建模方法，对于往复机械的油液分析数据和各传感器采集数据的取样间隔时间Δt_k是不相等的，灰色GM(1，1)建模方法包括以下步骤：

(i)对于非等间距的取样数据，根据级比条件A(级比即相连数据的比值)判断取样数据是否满足级比要求，若不满足，则对元素浓度进行对数化处理后重新判定；若满足级比条件A，则继续判断是否满足建模条件max(Δt_k)/min(Δt_k)＜2；其中Δt_k为采样间隔时间；

级比条件A为： $\mathrm{\δ}\left(k\right)\∈(e^{-\frac{1}{n+2}},e^{\frac{1}{n+2}}),$ 其中，δ为级比函数；n为样本数据的数量；

(ii)当满足建模条件max(Δt_k)/min(Δt_k)＜1.5时，则按照差商法灰色建模的方法进行灰色建模；若不满足建模条件，则对取样时刻进行等间隔化处理；

(iii)经间隔化处理后，判断取样数据规则是否平滑，若数据规则平滑，则可以按照时序拟合法的灰色建模方法进行建模；若数据规则具有波动性，则利用改进的基于数据变化规律的时序拟合法进行灰色建模；

(iv)上述各步骤中的差商法、时序拟合法和基于数据变化规律的时序拟合法灰色建模后，都要进行拟合精度检验，若检验合格，则可以进行灰色预测；若检验不合格，则改变建模维数重新进行建模，直至满足拟合精度要求。

上述各实施例仅是本发明的优选实施方式，在本技术领域内，凡是基于本发明技术方案上的变化和改进，不应排除在本发明的保护范围之外。

Claims (3)

1.一种动力设备故障诊断方法，其步骤如下：

(1)设置一包括往复式发动机、取油装置、油液预处理器、油液数据分析存储模块、故障诊断模块、磁电传感器、电压传感器、压力传感器、温度传感器、振动传感器、超声波传感器、信号调理箱、模数转化模块和数据采集模块的故障监测预报系统；

(2)根据油液分析数据及各传感器采集到的数据，并参照已制定的相位信号界限值和幅值信号界限值，判断采集数据是否超出正常相位和幅值的界限值上限，若没有超出，则继续运行设备；若超出，则进行相位偏移和幅值数据量化处理；

(3)经所述步骤一进行量化处理后，根据模糊评判方法，建立幅值信号的评判矩阵；利用隶属函数的形式对基本因素做出评判，分别得到幅值信号和相位信号模糊评判矩阵；

(4)根据模糊评判矩阵，若评判结果正常，则设备继续运行；若评判结果为警戒，则利用灰色建模方法对各因素集进行灰色建模，并进行故障预报；若模糊评判结果为故障，则分别对幅值和相位的评判矩阵进行加权处理，并利用模糊综合评判方法再次进行判断，结果仍然出现故障，则给出故障结论，结果正常，则继续运行设备。

2.如权利要求1所述的一种动力设备故障诊断方法，其特征在于：所述故障诊断方法中的故障预报是基于建模数据变化规律的时序拟合灰色建模方法，所述灰色建模方法包括以下步骤：

(1)对于非等间距的取样数据，根据级比条件判断取样数据是否满足级比要求，若不满足，则对元素浓度进行对数化处理后重新判定；若满足，则继续判断是否满足建模条件；

(2)当满足建模条件时，则按照差商法灰色建模的方法进行灰色建模；若不满足建模条件，则对取样时刻进行等间隔化处理；

(3)经间隔化处理后，判断取样数据规则是否平滑，若数据规则平滑，则可以按照时序拟合法的灰色建模方法进行建模；若数据规则具有波动性，则利用改进的基于数据变化规律的时序拟合法进行灰色建模；

(4)所述差商法、时序拟合法和基于数据变化规律的时序拟合法灰色建模后，都要进行拟合精度检验，若检验合格，则可以进行灰色预测；若检验不合格，则改变建模维数重新进行建模，直至满足拟合精度要求。

3.如权利要求2所述的一种动力设备故障诊断方法，其特征在于：所述级比条件为： $\mathrm{\δ}\left(k\right)\∈(e^{-\frac{1}{n+2}},e^{\frac{1}{n+2}}),$ 其中，δ为级比函数，n为样本数据的数量；所述建模条件为：max(Δt_k)/min(Δt_k)＜1.5，其中Δt_k为采样间隔时间。

Images