CN105738138B - 一种设备数据处理方法和装置 - Google Patents
一种设备数据处理方法和装置 Download PDFInfo
- Publication number
- CN105738138B CN105738138B CN201610083132.4A CN201610083132A CN105738138B CN 105738138 B CN105738138 B CN 105738138B CN 201610083132 A CN201610083132 A CN 201610083132A CN 105738138 B CN105738138 B CN 105738138B
- Authority
- CN
- China
- Prior art keywords
- frequency
- center
- narrowband
- order
- spectrum
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
- G01M13/02—Gearings; Transmission mechanisms
- G01M13/021—Gearings
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
- G01M13/02—Gearings; Transmission mechanisms
- G01M13/028—Acoustic or vibration analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
- G01M13/04—Bearings
- G01M13/045—Acoustic or vibration analysis
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种设备数据处理方法,该设备包括多个零件,该方法包括:采集设备数据;根据设备数据获取零件的特征频率;根据至少特征频率在设备数据的频谱或阶次谱中选取一个或多个窄带;以及通过计算一个或多个窄带的能量和获取相应的零件指标,以便当设备发生故障时根据零件指标定位故障部位。本发明还提供了一种设备数据处理装置。
Description
技术领域
本发明涉及设备在线监测领域,尤其涉及一种设备数据处理方法和装置。
背景技术
近些年来,像电力、石油化工、冶金等行业的大型、高速旋转机械设备种类日趋繁多,结构也愈加复杂,其故障的频发不仅给企业的生产带来巨大损失,而且还可能造成重大事故。这些设备的维修难度较大,也会占用大量人力和物力。随着计算机技术及数字信号处理技术的迅速发展,设备状态监测技术正在被企业所应用。
实现设备状态监测的基本理念,就是通过对采集到的数据信息提取有效的特征指标参数,并对提取出来的指标进行门限值铺设,当设备存在异常时,特征指标出现异常并触发门限值,从而系统产生设备的异常提示,使得人能关注到设备的异常,及时介入处理,避免设备运行失效,避免经济损失,而且能避免事故发生。
因此在实现设备状态监测的过程中,在利用相关硬件设施获取足够的设备运行数据后,要想达到理想的设备状态监测效果,首先需要制定有效的特征指标。理论上,当设备出现异常的时候,采集到的设备运行数据中会有所体现,但是不同的故障,数据中体现异常的方式不一样,即可以从数据中提取出多种指标,每种指标对各种设备故障类型的敏感程度不一样。比如:部分设备故障出现时,振动数据的均方根值指标会有所反应,指标幅值有所上升,但峭度值指标却不会有显著的变化。而对于另外部分种类的设备故障出现时,峭度值指标会有所反应,但均方根值指标却不会有相应的变化。而目前振动监测领域一般仅利用时域指标进行监测,且大部分以单一的均方根指标为监测对象,指标严重单一化,存在漏报的风险。当时域指标对某种设备故障不敏感时,即使设备到了故障晚期,系统在振动数据中提取出来的时域指标依然不会有显著的变化,因此导致系统发现不了该种设备异常,最终形成漏报。
因此,为了全面有效的利用数据捕捉设备故障引起的数据特征变化,需要一种新的设备数据处理方案。
发明内容
鉴于此,本发明提供了一种新的设备数据处理方案,以力图解决或至少缓解上面存在的问题。
根据本发明的一个方面,提供了一种设备数据处理方法,该设备包括多个零件,该方法包括:采集设备数据;根据设备数据获取零件的特征频率;根据至少特征频率在设备数据的频谱或阶次谱中选取一个或多个窄带;以及通过计算一个或多个窄带的能量和获取相应的零件指标,以便当设备发生故障时根据所述零件指标定位故障部位。
可选地,在根据本发明的设备数据处理方法中,其中窄带具有左边界和右边界,根据至少特征频率在设备数据的频谱或阶次谱中选取一个或多个窄带的步骤包括:根据特征频率计算一个或多个窄带的理论左边界和理论右边界;以及在频谱或阶次谱上获取最接近理论左边界和理论右边界的数据点作为所述一个或多个窄带的左边界和右边界,其中设备数据的频谱或阶次谱以设备数据的频率或频率对应阶次为横坐标,并包括多个离散的数据点。
可选地,在根据本发明的设备数据处理方法中,根据至少特征频率在设备数据的频谱或阶次谱中选取一个或多个窄带的步骤还包括:根据零件指标的类型、零件的特征频率和设备数据的频谱或阶次谱的分辨率判断在频谱或阶次谱中是选取一个窄带还是选取多个窄带。
可选地,在根据本发明的设备数据处理方法中,根据零件指标的类型、零件的特征频率和设备数据的频谱或阶次谱的分辨率判断在频谱或阶次谱中是选取一个窄带还是选取多个窄带的步骤包括:若零件指标的类型为特征频率的窄带能量,则在频谱或阶次谱中选取一个窄带;以及若零件指标的类型为特征频率的多谐波的窄带能量和或以特征频率为边带的多边带的窄带能量和,则根据零件的特征频率和频谱或阶次谱的分辨率继续判断在频谱或阶次谱中是选取一个窄带还是选取多个窄带。
可选地,在根据本发明的设备数据处理方法中,根据零件的特征频率和频谱或阶次谱的分辨率继续判断在频谱或阶次谱中是选取一个窄带还是选取多个窄带的步骤包括:
若特征频率不大于频谱分辨率的3倍,则在频谱中选取一个窄带;否则选取多个窄带;或者若特征频率对应阶次不大于阶次谱分辨率的3倍,则在阶次谱中选取一个窄带;否则选取多个窄带。
可选地,在根据本发明的设备数据处理方法中,其中当零件指标的类型为特征频率的窄带能量时,根据特征频率计算一个窄带的理论左边界和理论右边界的步骤包括:在设备数据的频谱上获取最接近所述特征频率的数据点;确定该最接近特征频率的数据点为中心;确定该中心的左侧带宽和右侧带宽;根据中心、该中心的左侧带宽和右侧带宽计算窄带的理论左边界和理论右边界;或者在设备数据的阶次谱上获取最接近特征频率对应阶次的数据点;确定该最接近特征频率对应阶次的数据点为中心;确定该中心的左侧带宽和右侧带宽;根据中心、该中心的左侧带宽和右侧带宽计算窄带的理论左边界和理论右边界。
可选地,在根据本发明的设备数据处理方法中,其中当零件指标的类型为特征频率的多谐波的窄带能量和,谐波的最低倍数为M,最高倍数为N,以及零件的特征频率不大于频谱分辨率的3倍、或特征频率对应阶次不大于阶次谱分辨率的3倍时,根据特征频率计算一个窄带的理论左边界和理论右边界的步骤包括:计算特征频率的M倍谐波频率和N倍谐波频率;在频谱上分别获取最接近特征频率的M倍谐波频率的数据点和最接近特征频率的N倍谐波频率的数据点;确定最接近特征频率的M倍谐波频率的数据点为中心;确定该中心的左侧带宽;根据中心和该中心的左侧带宽计算窄带的理论左边界;以及确定最接近特征频率的N倍谐波频率的数据点为中心;确定该中心的右侧带宽;根据中心和该中心的右侧带宽计算所述窄带的理论右边界;或者计算特征频率的M倍谐波频率对应阶次和N倍谐波频率对应阶次;在阶次谱上分别获取最接近特征频率的M倍谐波频率对应阶次的数据点和最接近特征频率的N倍谐波频率对应阶次的数据点;确定最接近特征频率的M倍谐波频率对应阶次的数据点为中心;确定该中心的左侧带宽;根据中心和该中心的左侧带宽计算窄带的理论左边界;以及确定最接近特征频率的N倍谐波频率对应阶次的数据点为中心;确定该中心的右侧带宽;根据中心和该中心的右侧带宽计算窄带的理论右边界。
可选地,在根据本发明的设备数据处理方法中,其中当零件指标的类型为特征频率的多谐波的窄带能量和,谐波的最低倍数为M,最高倍数为N,以及零件的特征频率大于频谱分辨率的3倍、或特征频率对应阶次大于阶次谱分辨率的3倍时,根据特征频率计算多个窄带的理论左边界和理论右边界的步骤包括:计算特征频率的M倍至N倍的各谐波频率;在频谱上分别获取最接近所述特征频率的M倍至N倍的各谐波频率的各数据点;分别确定最接近特征频率的M倍至N倍的各谐波频率的各数据点为各窄带的中心;分别确定各窄带的中心的左侧带宽和右侧带宽;根据各窄带的中心、该中心的左侧带宽和右侧带宽计算各窄带的理论左边界和理论右边界;或者计算特征频率的M倍至N倍的各谐波频率对应阶次;在频谱上分别获取最接近特征频率的M倍至N倍的各谐波频率对应阶次的各数据点;分别确定最接近特征频率的M倍至N倍的各谐波频率对应阶次的各数据点为各窄带的中心;分别确定各窄带的中心的左侧带宽和右侧带宽;根据各窄带的中心、该中心的左侧带宽和右侧带宽计算各窄带的理论左边界和理论右边界;其中,窄带的个数为N-M+1。
可选地,在根据本发明的设备数据处理方法中,其中当零件指标的类型为以特征频率为边带的多边带的窄带能量和,各边带以中心频率为中心,所述中心频率左侧和右侧边带条数均为O,以及零件的特征频率不大于频谱分辨率的3倍、或特征频率对应阶次不大于阶次谱分辨率的3倍时,根据特征频率计算一个窄带的理论左边界和理论右边界的步骤包括:分别计算中心频率左侧和右侧的第O条特征频率边带的频率;在频谱上分别获取最接近中心频率左侧和右侧的第O条特征频率边带的频率的数据点;确定最接近中心频率左侧的第O条特征频率边带的频率的数据点为窄带的中心;确定该中心的左侧带宽;根据中心和该中心的左侧带宽计算所述窄带的理论左边界;以及确定最接近中心频率右侧的第O条特征频率边带的频率的数据点为窄带的中心;确定该中心的右侧带宽;根据中心和该中心的右侧带宽计算所述窄带的理论右边界;或者分别计算中心频率左侧和右侧的第O条特征频率边带的频率对应阶次;在阶次谱上分别获取最接近中心频率左侧和右侧的第O条特征频率边带的频率对应阶次的数据点;确定最接近中心频率左侧的第O条特征频率边带的频率对应阶次的数据点为窄带的中心;确定该中心的左侧带宽;根据中心和该中心的左侧带宽计算所述窄带的理论左边界;以及确定最接近中心频率右侧的第O条特征频率边带的频率对应阶次的数据点为窄带的中心;确定该中心的右侧带宽;根据中心和该中心的右侧带宽计算窄带的理论右边界。
可选地,在根据本发明的设备数据处理方法中,其中当零件指标的类型为以特征频率为边带的多边带的窄带能量和,各边带以中心频率为中心,中心频率左侧和右侧边带条数均为O,以及零件的特征频率大于频谱分辨率的3倍、或特征频率对应阶次大于阶次谱分辨率的3倍时,根据特征频率计算多个窄带的理论左边界和理论右边界的步骤包括:分别计算中心频率左侧和右侧的O条特征频率边带的各频率;在频谱上分别获取最接近所述中心频率左侧和右侧的O条特征频率边带的各频率的各数据点;分别确定最接近中心频率左侧和右侧的O条特征频率边带的各频率的各数据点为各窄带的中心;分别确定各窄带的中心的左侧带宽和右侧带宽;根据各窄带的中心、该中心的左侧带宽和右侧带宽计算所述各窄带的理论左边界和理论右边界;或者分别计算中心频率左侧和右侧的O条特征频率边带的各频率对应阶次;在阶次谱上分别获取最接近中心频率左侧和右侧的O条特征频率边带的各频率对应阶次的各数据点;分别确定最接近中心频率左侧和右侧的O条特征频率边带的各频率对应阶次的各数据点为各窄带的中心;分别确定各窄带的中心的左侧带宽和右侧带宽;根据各窄带的中心、该中心的左侧带宽和右侧带宽计算所述各窄带的理论左边界和理论右边界;其中,窄带的个数为2×O。
可选地,在根据本发明的设备数据处理方法中,其中当零件的特征频率为轴承特征频率时,左侧带宽和右侧带宽均为特征频率乘以第一系数的值、或者特征频率乘以第一系数的值对应阶次;以及当零件的特征频率为非轴承特征频率时,左侧带宽和右侧带宽均为频谱分辨率乘以第二系数的值、或者阶次谱分辨率乘以第二系数的值。
可选地,在根据本发明的设备数据处理方法中,其中当零件的非轴承特征频率小于或等于频谱分辨率的20倍,或者零件的非轴承特征频率对应阶次小于或等于阶次谱分辨率的20倍时,第二系数为3;以及当零件的非轴承特征频率大于频谱分辨率的20倍,或者零件的非轴承特征频率对应阶次大于阶次谱分辨率的20倍时,第二系数为5。
可选地,在根据本发明的设备数据处理方法中,还包括步骤:根据设备数据获取综合指标,以便当设备发生故障时根据综合指标衡量故障严重程度,综合指标包括时域指标和频段能量指标。
可选地,在根据本发明的设备数据处理方法中,其中时域指标包括均方根、峭度、峭度密度、歪度、歪度密度、峰值、裕度、均值、最大值和最小值中的至少一种。
可选地,在根据本发明的设备数据处理方法中,其中根据设备数据获取综合指标的步骤包括:在设备数据的频谱或阶次谱划分为多个频段;通过对划分的各频段分别进行能量计算而得到所述综合指标中的频段能量指标。
可选地,在根据本发明的设备数据处理方法中,其中频谱还包括频谱包络解调谱,阶次谱还包括阶次包络解调谱。
根据本发明的另一个方面,提供了一种设备数据处理装置,设备包括多个零件,该装置包括:数据采集模块,适于采集设备数据;频率获取模块,适于根据设备数据获取零件的特征频率;窄带选取模块,适于根据至少特征频率在设备数据的频谱或阶次谱中选取一个或多个窄带;以及指标计算模块,适于通过计算所述一个或多个窄带的能量和获取相应的零件指标,以便当设备发生故障时根据零件指标定位故障部位。
可选地,在根据本发明的设备数据处理装置中,其中窄带具有左边界和右边界,窄带选取模块还适于根据特征频率计算一个或多个窄带的理论左边界和理论右边界,还适于在频谱或阶次谱上获取最接近理论左边界和理论右边界的数据点作为一个或多个窄带的左边界和右边界,其中设备数据的频谱或阶次谱以设备数据的频率或频率对应阶次为横坐标,并包括多个离散的数据点。
可选地,在根据本发明的设备数据处理装置中,窄带选取模块还适于根据零件指标的类型、零件的特征频率和设备数据的频谱或阶次谱的分辨率判断在频谱或阶次谱中是选取一个窄带还是选取多个窄带。
可选地,在根据本发明的设备数据处理装置中,窄带选取模块还适于若零件指标的类型为特征频率的窄带能量,则在频谱或阶次谱中选取一个窄带;还适于若零件指标的类型为特征频率的多谐波的窄带能量和或以特征频率为边带的多边带的窄带能量和,则根据零件的特征频率和频谱或阶次谱的分辨率继续判断在频谱或阶次谱中是选取一个窄带还是选取多个窄带。
可选地,在根据本发明的设备数据处理装置中,窄带选取模块还适于若特征频率不大于频谱分辨率的3倍,则在频谱中选取一个窄带,否则选取多个窄带;或者若特征频率对应阶次不大于阶次谱分辨率的3倍,则在阶次谱中选取一个窄带,否则选取多个窄带。
可选地,在根据本发明的设备数据处理装置中,其中当零件指标的类型为特征频率的窄带能量时,窄带选取模块还适于在设备数据的频谱上获取最接近特征频率的数据点,确定该最接近特征频率的数据点为中心,确定该中心的左侧带宽和右侧带宽,根据中心、该中心的左侧带宽和右侧带宽计算窄带的理论左边界和理论右边界;或者在设备数据的阶次谱上获取最接近特征频率对应阶次的数据点,确定该最接近特征频率对应阶次的数据点为中心,确定该中心的左侧带宽和右侧带宽,根据中心、该中心的左侧带宽和右侧带宽计算窄带的理论左边界和理论右边界。
可选地,在根据本发明的设备数据处理装置中,其中当零件指标的类型为特征频率的多谐波的窄带能量和,谐波的最低倍数为M,最高倍数为N,以及零件的特征频率不大于频谱分辨率的3倍、或特征频率对应阶次不大于阶次谱分辨率的3倍时,窄带选取模块还适于计算特征频率的M倍谐波频率和N倍谐波频率,在频谱上分别获取最接近特征频率的M倍谐波频率的数据点和最接近特征频率的N倍谐波频率的数据点,确定最接近特征频率的M倍谐波频率的数据点为中心,确定该中心的左侧带宽,根据中心和该中心的左侧带宽计算窄带的理论左边界;还适于确定最接近特征频率的N倍谐波频率的数据点为中心,确定该中心的右侧带宽,根据中心和该中心的右侧带宽计算窄带的理论右边界;或者计算特征频率的M倍谐波频率对应阶次和N倍谐波频率对应阶次,在阶次谱上分别获取最接近特征频率的M倍谐波频率对应阶次的数据点和最接近特征频率的N倍谐波频率对应阶次的数据点,确定最接近特征频率的M倍谐波频率对应阶次的数据点为中心,确定该中心的左侧带宽,根据中心和该中心的左侧带宽计算窄带的理论左边界;还适于确定最接近特征频率的N倍谐波频率对应阶次的数据点为中心,确定该中心的右侧带宽,根据中心和该中心的右侧带宽计算窄带的理论右边界。
可选地,在根据本发明的设备数据处理装置中,其中当零件指标的类型为特征频率的多谐波的窄带能量和,谐波的最低倍数为M,最高倍数为N,以及零件的特征频率大于频谱分辨率的3倍、或特征频率对应阶次大于阶次谱分辨率的3倍时,窄带选取模块还适于计算特征频率的M倍至N倍的各谐波频率,在频谱上分别获取最接近特征频率的M倍至N倍的各谐波频率的各数据点,分别确定最接近特征频率的M倍至N倍的各谐波频率的各数据点为各窄带的中心,分别确定各窄带的中心的左侧带宽和右侧带宽,根据各窄带的中心、该中心的左侧带宽和右侧带宽计算各窄带的理论左边界和理论右边界;或者计算特征频率的M倍至N倍的各谐波频率对应阶次,在频谱上分别获取最接近特征频率的M倍至N倍的各谐波频率对应阶次的各数据点,分别确定最接近特征频率的M倍至N倍的各谐波频率对应阶次的各数据点为各窄带的中心,分别确定各窄带的中心的左侧带宽和右侧带宽,根据各窄带的中心、该中心的左侧带宽和右侧带宽计算各窄带的理论左边界和理论右边界;其中,窄带的个数为N-M+1。
可选地,在根据本发明的设备数据处理装置中,其中当零件指标的类型为以特征频率为边带的多边带的窄带能量和,各边带以中心频率为中心,中心频率左侧和右侧边带条数均为O,以及零件的特征频率不大于频谱分辨率的3倍、或特征频率对应阶次不大于阶次谱分辨率的3倍时,窄带选取模块还适于分别计算中心频率左侧和右侧的第O条特征频率边带的频率,在频谱上分别获取最接近中心频率左侧和右侧的第O条特征频率边带的频率的数据点,确定最接近中心频率左侧的第O条特征频率边带的频率的数据点为窄带的中心,确定该中心的左侧带宽,根据中心和该中心的左侧带宽计算窄带的理论左边界;还适于确定最接近中心频率右侧的第O条特征频率边带的频率的数据点为窄带的中心,确定该中心的右侧带宽,根据中心和该中心的右侧带宽计算窄带的理论右边界;或者分别计算中心频率左侧和右侧的第O条特征频率边带的频率对应阶次,在阶次谱上分别获取最接近中心频率左侧和右侧的第O条特征频率边带的频率对应阶次的数据点,确定最接近中心频率左侧的第O条特征频率边带的频率对应阶次的数据点为窄带的中心,确定该中心的左侧带宽,根据中心和该中心的左侧带宽计算窄带的理论左边界,还适于确定最接近中心频率右侧的第O条特征频率边带的频率对应阶次的数据点为窄带的中心,确定该中心的右侧带宽,根据中心和该中心的右侧带宽计算所述窄带的理论右边界。
可选地,在根据本发明的设备数据处理装置中,其中当零件指标的类型为以特征频率为边带的多边带的窄带能量和,各边带以中心频率为中心,中心频率左侧和右侧边带条数均为O,以及零件的特征频率大于频谱分辨率的3倍、或特征频率对应阶次大于阶次谱分辨率的3倍时,窄带选取模块还适于分别计算中心频率左侧和右侧的O条特征频率边带的各频率,在频谱上分别获取最接近中心频率左侧和右侧的O条特征频率边带的各频率的各数据点,分别确定最接近中心频率左侧和右侧的O条特征频率边带的各频率的各数据点为各窄带的中心,分别确定各窄带的中心的左侧带宽和右侧带宽,根据各窄带的中心、该中心的左侧带宽和右侧带宽计算各窄带的理论左边界和理论右边界;或者分别计算中心频率左侧和右侧的O条特征频率边带的各频率对应阶次,在阶次谱上分别获取最接近中心频率左侧和右侧的O条特征频率边带的各频率对应阶次的各数据点,分别确定最接近中心频率左侧和右侧的O条特征频率边带的各频率对应阶次的各数据点为各窄带的中心,分别确定各窄带的中心的左侧带宽和右侧带宽,根据各窄带的中心、该中心的左侧带宽和右侧带宽计算所述各窄带的理论左边界和理论右边界;其中,窄带的个数为2×O。
可选地,在根据本发明的设备数据处理装置中,其中当零件的特征频率为轴承特征频率时,左侧带宽和右侧带宽均为特征频率乘以第一系数的值、或者特征频率乘以第一系数的值对应阶次;以及当零件的特征频率为非轴承特征频率时,左侧带宽和右侧带宽均为频谱分辨率乘以第二系数的值、或者阶次谱分辨率乘以第二系数的值。
可选地,在根据本发明的设备数据处理装置中,其中当零件的非轴承特征频率小于或等于频谱分辨率的20倍,或者零件的非轴承特征频率对应阶次小于或等于阶次谱分辨率的20倍时,第二系数为3;以及当零件的非轴承特征频率大于频谱分辨率的20倍,或者零件的非轴承特征频率对应阶次大于阶次谱分辨率的20倍时,第二系数为5。
可选地,在根据本发明的设备数据处理装置中,指标计算模块还适于根据设备数据获取综合指标,以便当设备发生故障时根据综合指标衡量故障严重程度,综合指标包括时域指标和频段能量指标。
可选地,在根据本发明的设备数据处理装置中,其中时域指标包括均方根、峭度、峭度密度、歪度、歪度密度、峰值、裕度、均值、最大值和最小值中的至少一种。
可选地,在根据本发明的设备数据处理装置中,其中指标计算模块还适于在设备数据的频谱或阶次谱划分为多个频段,通过对划分的各频段分别进行能量计算而得到综合指标中的频段能量指标。
可选地,在根据本发明的设备数据处理装置中,其中频谱还包括频谱包络解调谱,阶次谱还包括阶次包络解调谱。
根据本发明的设备数据处理方案,通过在设备数据中获取了种类丰富,且有效的特征指标,保证对各类设备故障都有相应的敏感指标进行监测。本发明中获取的指标包括综合指标和可以反映零件故障的零件指标,其中综合指标用于衡量设备故障的严重程度,零件指标则用于判断具体的故障部位,因此本发明可以对设备状态形成严密的监控,防止漏报风险。进一步地,本发明在获取类型为特征频率的窄带能量的零件指标时,通过对该零件指标的类型、零件的特征频率的大小与频谱(或者阶次谱)分辨率的大小进行分析,采取恰当的特征频率窄带能量计算方法,有效的解决了频谱(或者阶次谱)分辨率不足导致某些特征频率难以分辨以及各特征频率的窄带能量存在重叠而提取不准确的情况。
附图说明
为了实现上述以及相关目的,本文结合下面的描述和附图来描述某些说明性方面,这些方面指示了可以实践本文所公开的原理的各种方式,并且所有方面及其等效方面旨在落入所要求保护的主题的范围内。通过结合附图阅读下面的详细描述,本公开的上述以及其它目的、特征和优势将变得更加明显。遍及本公开,相同的附图标记通常指代相同的部件或元素。
图1示出了根据本发明一个示例性实施例的设备数据处理方法100的流程图;
图2~图8示出了根据本发明一个实施例的频谱中选取的窄带示意图;以及
图9示出了根据本发明一个示例性实施例的设备数据处理装置200的结构框图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
图1示出了根据本发明一个示例性实施例的设备数据处理方法100的流程图。该设备可以包括多个零件,具体地,设备可以包括多个部件,其中每个部件可以包括多个零件。设备数据处理方法100始于步骤S110,在步骤S110中,采集设备数据。通常地,采集的设备数据均为时域波形,并可以包括加速度波形数据、速度波形数据和位移波形数据。具体地,对不同的行业中不同的设备类型,通常按照设备对应的测量定义中规定的采样时间、采样长度和预定时间间隔采集设备数据。典型的测量定义可以如下:每隔30秒采集一组320ms时长的振动加速度、速度和位移波形,其中根据设备的工作转速不同,可以选择512Hz~51200Hz的采样频率。设备数据还可以包括温度和转速等过程参数,而对于像温度和转速这样的单值点数据,由于数据量不大,可以连续采集或者每隔几秒采集一组。
为了兼顾各类敏感指标不同的故障类型,对设备实现严密监控,本发明提出了一种全面、丰富的特征指标体系,特征指标体系包括两大类指标:综合指标以及零件指标,可以使各种设备故障均能通过相关的综合指标和/或零件指标的变化来进行监控,从而有效的减少系统对故障的漏报。
其中,综合指标用于衡量设备故障的严重程度,零件指标用于判断具体的故障部位,通过两大类指标的配合使用,可以有效的判断设备故障的严重程度以及具体的故障部位,可以快速了解故障,并更有效的安排后续的相关检查以及检修工作。
根据本发明的一个实施方式,在步骤S120中,可以根据设备数据获取综合指标,以便当设备发生故障时根据综合指标衡量故障严重程度,综合指标可以包括时域指标和频段能量指标。
时域指标可以包括均方根、峭度、峭度密度、歪度、歪度密度、峰值、裕度、均值、最大值和最小值中的至少一种。
频段能量指标是设备数据的频谱或者阶次谱中能反应设备故障情况的特定频段的能量值,可以对某些设备故障进行补充性监测。
根据本发明的另一个实施方式,步骤S120中,还可以根据设备数据获取频段能量指标。具体地,将设备数据的频谱或阶次谱划分为多个频段,并通过对划分的各频段分别进行能量计算而得到频段能量指标。
其中多个频段可以根据设备类型和设备数据频谱或者阶次谱的横坐标范围来划分,例如对于稳态设备,即旋转速度恒定的设备,其设备数据频谱的频率范围为0.1Hz~15000Hz,因此可以将频谱划分成以下频段,并分别对每频段的频谱进行能量计算,从而可以得到相应的频段能量指标:0.1Hz~100Hz,100Hz~300Hz,300Hz~1000Hz,1000Hz~2500Hz,2500Hz~6000Hz和
6000Hz~15000Hz。又例如对于变速设备,即旋转速度存在变化的设备,其设备数据频谱的频率范围为0.1HZ~20000Hz,因此可以将频谱划分成以下频段,并分别对每频段的频谱进行能量计算,从而可以得到相应的频段能量指标:0.1HZ~100Hz,100HZ~400Hz,400HZ~1000Hz,1000HZ~2000Hz,
2000HZ~5000Hz,5000HZ~10000Hz和10000HZ~20000Hz。又例如对于阶次谱(目前阶次谱一般仅用于风电设备的分析与监测),可以将阶次谱进行以下分段,并分别对每段阶次谱进行能量计算,从而可以得到相应的频段能量指标:0阶~5阶,5阶~20阶,20阶~50阶,50阶~100阶,100阶~200阶,200阶~阶次谱的最大阶次。
而后在步骤S130中,可以根据该设备数据获取零件指标。零件指标与零件的特征频率关联,是在设备数据的频谱(或者阶次谱)、频谱包络解调谱(或者阶次包络解调谱)中获取的与各零件的特征频率相关的能量值。零件指标具有不同的类型,其类型至少可以包括特征频率的窄带能量、特征频率的多谐波的窄带能量和、以及以特征频率为边带的多边带的窄带能量和。具体地,特征频率的多谐波的窄带能量和中,其窄带包括以特征频率为基础频率,基础频率的最低倍频至最高倍频之间的所有谐波的窄带;以特征频率为边带的多边带的窄带能量和中,其窄带包括以中心频率为中心,该中心两侧横坐标距离为特征频率或特征频率倍频的多条边带的窄带。
例如,零件指标可以包括转轴指标、轴承指标、齿轮指标、叶片指标和塔筒指标等等。其中转轴指标与转轴转频关联,可以用于监测转轴故障,并可以包括:用于监测转轴不平衡故障的转频能量-不平衡指标,类型为特征频率的窄带能量;用于监测转轴不对中故障的转频能量-不对中指标,类型为特征频率的多谐波的窄带能量和;以及用于监测转轴松动故障的转频能量-松动指标和转频能量-严重松动指标,类型均为特征频率的多谐波的窄带能量和。
其中轴承指标与轴承特征频率关联,可以用于监测轴承故障,并可以包括:轴承保持架谐波能量指标,用于监测轴承保持架故障,类型为特征频率的多谐波的窄带能量和;用于监测轴承内圈故障的轴承内圈谐波能量指标,类型为特征频率的多谐波的窄带能量和;用于监测轴承外圈故障的轴承外圈谐波能量指标,类型为特征频率的多谐波的窄带能量和;以及用于监测轴承滚动体故障的轴承滚动体谐波能量指标,类型为特征频率的多谐波的窄带能量和。
其中齿轮指标与齿轮特征频率关联,可以用于监测齿轮故障,并可以包括:齿轮啮合频率能量指标,为从频谱(或者阶次谱)、频谱包络解调谱(或者阶次包络解调谱)中获取的与齿轮啮合频率相关(例如啮合频率本身以及啮合频率的谐波)能量成分,可以用于监测处于啮合齿轮对中的齿轮故障。其中齿轮啮合频率为齿轮齿数乘以齿轮所在轴转频,即齿轮啮合频率Gm=Z×n,Z为齿轮齿数,fn为齿轮转频特征频率。对于监测不同类型的齿轮啮合形式,其齿轮啮合频率能量指标可以如下:当啮合形式为平行啮合形式时,可以包括:啮合频率能量,为啮合频率Gm的窄带能量,即类型为特征频率的窄带能量;啮合频率2倍频能量,为啮合频率2×Gm的窄带能量,类型为特征频率的窄带能量;啮合频率3倍频能量,为啮合频率3×Gm的窄带能量,类型为特征频率的窄带能量;以及啮合频率4倍频能量,为啮合频率4×Gm的窄带能量,类型为特征频率的窄带能量。当啮合形式为行星啮合形式时,可以包括例如用于监测齿轮故障的齿轮转频边带能量,其为啮合频率作为中心频率,齿轮转频作为边带时的窄带能量和,类型为以特征频率为边带的多边带的窄带能量和。
其中叶片指标与叶片转频关联,可以用于监测叶片故障,可以包括例如叶片能量-轻微指标和叶片能量-严重指标,类型均为特征频率的多谐波的窄带能量和,其中叶片转频的计算方式:叶片转频=叶片个数×叶片所在轴转频。
其中塔筒指标与塔筒固有频率关联,可以用于监测塔筒故障,并可以包括单独用于监测固有频率或其倍频的独立窄带能量的指标,以及用于监测固有频率的1~N倍频的能量和的指标,其类型分别为特征频率的窄带能量以及特征频率的多谐波的窄带能量和。
具体地,根据该设备数据获取零件指标的过程中,首先根据设备数据获取零件的特征频率,零件的特征频率可以例如轴承特征频率和非轴承特征频率等等。
而后可以根据至少该特征频率在设备数据的频谱或阶次谱中选取一个或多个窄带,通过计算该一个或多个窄带的能量和获取相应的零件指标,以便当设备发生故障时根据该零件指标定位故障部位。
频谱(或者频谱包络解调谱)、阶次谱(或者阶次包络解调谱)以设备数据的频率或频率对应阶次为横坐标,实际上是通过多个离散的数据点连接组成,每个数据点具有相应的幅值,例如图2所示。
在频谱或阶次谱中选取的窄带具有左边界和右边界,根据本发明的一个实施方式,可以根据特征频率计算一个或多个窄带的理论左边界和理论右边界,在频谱或阶次谱上获取最接近该理论左边界和理论右边界的数据点为上述一个或多个窄带的左边界和右边界。如图3所示,其中虚线分别为图中窄带的理论左边界和理论右边界,实线分别为该频谱上最接近理论左边界和理论右边界的窄带的左边界和右边界。
根据本发明的一个实施方式,在选取窄带之前,可以根据零件指标的类型、零件的特征频率和设备数据的频谱或阶次谱的分辨率判断在频谱或阶次谱中是选取一个窄带还是选取多个窄带。频谱分辨率或阶次谱分辨率是指将图谱中两个相邻谱峰分开的能力,在实际应用中是指分辨两个不同频率信号或阶次信号的最小间隔。
具体地,若零件指标的类型为特征频率的窄带能量,则可以在设备数据的频谱或阶次谱中选取一个窄带。
若零件指标的类型为特征频率的多谐波的窄带能量和或以特征频率为边带的多边带的窄带能量和,则可以根据零件的特征频率和设备数据的频谱或阶次谱的分辨率继续判断在该频谱或阶次谱中是选取一个窄带还是选取多个窄带。因为实际情况中,频谱(或者阶次谱)的分辨率无法无限大,即频谱(或者阶次谱)中两个相邻数据点之间的横坐标距离仍然存在。自然地,对于相邻的两个非常接近的特征频率,在频谱(或者阶次谱)中可能存在不能精确区分的问题,导致两个特征频率的窄带能量出现重叠与混淆问题。针对这种情况,本发明通过特征频率的大小与频谱(或者阶次谱)分辨率大小,评估当前频谱(或者阶次谱)表达当前特征频率的能力,选取相应的特征频率的窄带。这样有效的解决了频谱(或者阶次谱)分辨率不足导致某些特征频率难以分辨以及各特征频率的窄带能量存在重叠而提取不准确的情况。
具体地,若特征频率不大于频谱分辨率的3倍,则在该频谱中选取一个窄带;否则选取多个窄带;或者若特征频率对应阶次不大于阶次谱分辨率的3倍,则在该阶次谱中选取一个窄带;否则选取多个窄带。
其中,根据本发明的一个实施方式,当零件指标的类型为特征频率的窄带能量时,确定选取的窄带个数为一个,根据特征频率计算一个窄带的理论左边界和理论右边界的步骤可以包括:
在设备数据的频谱上获取最接近该特征频率的数据点;确定该最接近特征频率的数据点为中心;确定该中心的左侧带宽和右侧带宽;根据该中心、该中心的左侧带宽和右侧带宽计算一个窄带的理论左边界和理论右边界;或者
在设备数据的阶次谱上获取最接近该特征频率对应阶次的数据点;确定该最接近特征频率对应阶次的数据点为中心;确定该中心的左侧带宽和右侧带宽;根据中心、该中心的左侧带宽和右侧带宽计算一个窄带的理论左边界和理论右边界。
根据本发明的另一个实施方式,当零件指标的类型为特征频率的多谐波的窄带能量和,谐波的最低倍数为M,最高倍数为N,以及零件的特征频率不大于频谱分辨率的3倍时,确定选取的窄带个数为一个,根据特征频率计算一个窄带的理论左边界和理论右边界的步骤可以包括:
计算该特征频率的M倍谐波频率和N倍谐波频率;在频谱上分别获取最接近特征频率的M倍谐波频率的数据点和最接近特征频率的N倍谐波频率的数据点;
先确定最接近特征频率的M倍谐波频率的数据点为中心,确定该中心的左侧带宽,根据该中心和该中心的左侧带宽计算窄带的理论左边界;
而后确定最接近特征频率的N倍谐波频率的数据点为中心,确定该中心的右侧带宽,根据该中心和该中心的右侧带宽计算窄带的理论右边界;或者
计算特征频率的M倍谐波频率对应阶次和N倍谐波频率对应阶次;在阶次谱上分别获取最接近特征频率的M倍谐波频率对应阶次的数据点和最接近特征频率的N倍谐波频率对应阶次的数据点;确定最接近特征频率的M倍谐波频率对应阶次的数据点为中心;确定该中心的左侧带宽;根据该中心和该中心的左侧带宽计算窄带的理论左边界;而后确定最接近特征频率的N倍谐波频率对应阶次的数据点为中心;确定该中心的右侧带宽;根据该中心和该中心的右侧带宽计算窄带的理论右边界。
根据本发明的另一个实施方式,当零件指标的类型为特征频率的多谐波的窄带能量和,谐波的最低倍数为M,最高倍数为N,以及零件的特征频率大于频谱分辨率的3倍时,确定选取的窄带个数为多个,根据特征频率计算多个窄带的理论左边界和理论右边界的步骤包括:
计算特征频率的M倍至N倍的各谐波频率,在频谱上分别获取最接近特征频率的M倍至N倍的各谐波频率的各数据点。而后分别确定最接近特征频率的M倍至N倍的各谐波频率的各数据点为各窄带的中心,分别确定各窄带的中心的左侧带宽和右侧带宽,并根据各窄带的中心、该中心的左侧带宽和右侧带宽计算各窄带的理论左边界和理论右边界;或者
计算特征频率的M倍至N倍的各谐波频率对应阶次,在频谱上分别获取最接近特征频率的M倍至N倍的各谐波频率对应阶次的各数据点,而后分别确定最接近特征频率的M倍至N倍的各谐波频率对应阶次的各数据点为各窄带的中心,分别确定各窄带的中心的左侧带宽和右侧带宽,并根据各窄带的中心、该中心的左侧带宽和右侧带宽计算各窄带的理论左边界和理论右边界;
其中,特征频率的M倍至N倍的各谐波频率中每个谐波频率对应一个窄带,窄带的个数为N-M+1。
根据本发明的另一个实施方式,当零件指标的类型为以特征频率为边带的多边带的窄带能量和,各边带以中心频率为中心,该中心频率左侧和右侧边带条数均为O,以及零件的特征频率不大于频谱分辨率的3倍时,确定选取的窄带个数为一个,根据特征频率计算一个窄带的理论左边界和理论右边界的步骤包括:
分别计算中心频率左侧和右侧的第O条特征频率边带的频率,在频谱上分别获取最接近该中心频率左侧和右侧的第O条特征频率边带的频率的数据点。而后确定最接近中心频率左侧的第O条特征频率边带的频率的数据点为窄带的中心,确定该中心的左侧带宽,根据该中心和该中心的左侧带宽计算所述窄带的理论左边界。再确定最接近中心频率右侧的第O条特征频率边带的频率的数据点为窄带的中心,确定该中心的右侧带宽,根据该中心和该中心的右侧带宽计算窄带的理论右边界。或者分别计算中心频率左侧和右侧的第O条特征频率边带的频率对应阶次,在阶次谱上分别获取最接近中心频率左侧和右侧的第O条特征频率边带的频率对应阶次的数据点。而后确定最接近中心频率左侧的第O条特征频率边带的频率对应阶次的数据点为窄带的中心,确定该中心的左侧带宽,根据该中心和该中心的左侧带宽计算窄带的理论左边界。再确定最接近中心频率右侧的第O条特征频率边带的频率对应阶次的数据点为窄带的中心,确定该中心的右侧带宽,根据该中心和该中心的右侧带宽计算窄带的理论右边界。
根据本发明的另一个实施方式,其中当零件指标的类型为以特征频率为边带的多边带的窄带能量和,各边带以中心频率为中心,该中心频率左侧和右侧边带条数均为O,以及零件的特征频率大于频谱分辨率的3倍时,确定选取的窄带个数为多个,根据特征频率计算多个窄带的理论左边界和理论右边界的步骤包括:
分别计算中心频率左侧和右侧的O条特征频率边带的各频率,在频谱上分别获取最接近所述中心频率左侧和右侧的O条特征频率边带的各频率的各数据点。而后分别确定最接近中心频率左侧和右侧的O条特征频率边带的各频率的各数据点为各窄带的中心,分别确定各窄带的中心的左侧带宽和右侧带宽,并根据各窄带的中心、各中心的左侧带宽和右侧带宽计算各窄带的理论左边界和理论右边界。或者
分别计算中心频率左侧和右侧的O条特征频率边带的各频率对应阶次,在阶次谱上分别获取最接近中心频率左侧和右侧的O条特征频率边带的各频率对应阶次的各数据点。而后分别确定最接近中心频率左侧和右侧的O条特征频率边带的各频率对应阶次的各数据点为各窄带的中心,分别确定各窄带的中心的左侧带宽和右侧带宽,并根据各窄带的中心、各中心的左侧带宽和右侧带宽计算各窄带的理论左边界和理论右边界。
其中,每条特征频率边带的频率对应一个窄带,窄带的个数为2×O。
根据本发明的还有一个实施方式,当零件的特征频率为轴承特征频率时,左侧带宽和右侧带宽均为特征频率乘以第一系数的值、或者特征频率乘以第一系数的值对应阶次。当零件的特征频率为非轴承特征频率时,左侧带宽和右侧带宽均为频谱分辨率乘以第二系数的值、或者阶次谱分辨率乘以第二系数的值。
根据本发明的还有一个实施方式,其中当零件的非轴承特征频率小于或等于频谱分辨率的20倍,或者零件的非轴承特征频率对应阶次小于或等于阶次谱分辨率的20倍时,第二系数为3;以及
当零件的非轴承特征频率大于频谱分辨率的20倍,或者零件的非轴承特征频率对应阶次大于阶次谱分辨率的20倍时,第二系数为5。
根据本发明的另一个实施方式,其中窄带能量为该窄带所含的数据点的幅值之和,并可以包括该窄带的左边界和右边界的数据点。
根据本发明的还有一个实施方式,其中设备数据的频谱还可以包括频谱包络解调谱,阶次谱还可以包括阶次包络解调谱。
下面以特征频率为轴承保持架特征频率为例来说明类型分别为特征频率的窄带能量、特征频率的多谐波的窄带能量和、以特征频率为边带的多边带的窄带能量和的零件指标计算原理。
当零件指标的类型为特征频率的窄带能量时,根据已知的轴承所在轴的转频理论值fn,以及轴承保持架特征系数Ac,求得轴承保持架特征频率的理论值fc=Ac×fn。
在频谱中,找到最接近轴承保持架特征频率的理论值fc的数据点,作为频谱中的真实轴承保持架特征频率。
以真实轴承保持架特征频率为中心,左右取b乘以轴承所在轴的转频理论值fn的带宽,确定窄带范围。其中b为一个系数,为第一系数乘以轴承报保持架特征系数Ac。b的取值范围为0.05至0.1。
根据中心频率的真实值,以及左右带宽值,可以获得窄带左右边界值的理论值,在频谱中,找到最接近左右边界值理论值的点,作为窄带的左右边界值的真实频率值。而后根据窄带左右边界值的真实位置,在频谱中求取该窄带能量,其中选取的窄带如图4所示,图中虚线为计算的理论值,实线为实际选取的真实值。
当零件指标的类型为特征频率的多谐波的窄带能量和时,且特征频率小于等于3乘以频谱分辨率,则谐波能量和采取一个大窄带规则,即将所有谐波合并成一个窄带。
以轴承保持架特征频率为基础频率,在求取到轴承保持架特征频率的理论值后,同时求取保持架特征频率2~N倍谐波的理论频率值。根据基础频率f以及各倍频的理论值,在频谱上按照接近原则,找到基础频率以及最高倍频N乘以f对应的真实值。
以基础频率即轴承保持架频率对应的真实值为中心,往左取b乘以轴承所在轴的转频理论值fn的带宽,确定窄带左边界理论值。以基础频率的N倍频为中心,往右取b乘以轴承所在轴的转频理论值fn的带宽,确定窄带右边界理论值。其中b同上所述。
而后在频谱中,确定窄带左右边界值理论值对应的真实值,即确定真实窄带范围后,求取该大窄带的能量,获得轴承保持架特征频率1~N倍谐波的能量和,其中选取的窄带如图5所示,图中虚线为计算的理论值,实线为实际选取的真实值。
当零件指标的类型为特征频率的多谐波的窄带能量和、且特征频率大于3乘以频谱分辨率时,则谐波能量和采用多个单个谐波的窄带能量相加的获取形式。
以轴承保持架特征频率为基础频率,在求取到轴承保持架特征频率的理论值后,同时求取保持架特征频率2~N倍谐波的理论频率值。根据基础频率f以及各倍频的理论值,在频谱上按照接近原则,找到基础频率以及各倍频对应的真实值。
分别以基础频率的1~N倍频的真实值为中心,在频谱中,左右取b*轴承所在轴的转频理论值fn的带宽,确定各倍频的窄带左、右边界理论值,共获得N个窄带。其中b同上所述。
而后在频谱中,确定各窄带左右边界值理论值对应的真实值,即确定N个真实窄带范围后,求取N个窄带的能量,然后将获得的N个窄带能量进行相加,获得轴承保持架特征频率1~N倍谐波的能量和,其中选取的各窄带如图6所示,图中虚线为计算的理论值,实线为实际选取的真实值。
当特征指标的类型为以特征频率为边带的多边带的窄带能量和时,假设中心频率为fo,特征频率为f,特征频率作为中心频率fo的边带,则中心频率fo携带的左右N条特征频率f边带的理论值求取公式为:fo+k*f(k的取值为区间[-N,N]内的整数值)。
其中若特征频率f小于或等于3乘以频谱分辨率,则多个边带的能量和采取一个大窄带规则。
在求取到轴承保持架特征频率f的理论值后,同时求取根据中心频率fo携带的左右N条特征频率f边带的理论值,在频谱上按照接近原则,找到各边带对应的真实值。
以最左边第N条边带的真实值为中心,在频谱中,往左取b乘以轴承所在轴的转频理论值fn的带宽,确定左边第N条边带的左边界理论值,即大窄带的左边界理论值。以最右边第N条边带的真实值为中心,在频谱中,往右取b乘以轴承所在轴的转频理论值fn的带宽,确定右边第N条边带的右边界理论值,即大窄带的右边界理论值。其中b同上所述。
根据求得的大窄带的左右边界理论值,根据接近原则,在频谱中确定相应的左右边界真实值,并求取相应的边界内的窄带能量和,作为中心fo携带的左右N条轴承保持架特征频率边带的能量和,其中选取的一个窄带如图7所示,图中虚线为计算的理论值,实线为实际选取的真实值。
其中若特征频率大于3乘以频谱分辨率,则边带能量和采用各边带单独能量相加的获取形式。
在求取到轴承保持架特征频率f的理论值后,同时求取中心频率fo携带的左右N条特征频率f边带的理论值。
根据中心频率fo携带的左右N条特征频率f边带的理论值,在频谱上按照接近原则,找到各边带对应的真实值。
分别以各条边带的真实值作为中心,在频谱中,左右取b乘以轴承所在轴的转频理论值fn的带宽,确定各边带的左、右边界理论值,总共可获得2N个窄带。其中b同上所述。
而后根据求得的各边带窄带的左右边界理论值,根据接近原则,在频谱中,找到各边带窄带的左右边界值的真实值。并分别求取得到的2N个窄带的能量,然后将所得的2N个窄带的能量进行求和,作为中心fo携带的左右N条轴承保持架特征频率边带的能量和,其中选取的各窄带如图8所示,图中虚线为计算的理论值,实线为实际选取的真实值。
图9示出了根据本发明一个示例性实施例的设备数据处理装置200的结构框图。设备可以包括多个零件,如图9所示,设备数据处理装置200可以包括数据采集模块210、频率获取模块220、窄带选取模块230和指标计算模块240。
数据采集模块210适于采集设备数据。与数据采集模块210连接的频率获取模块220适于根据所述设备数据获取零件的特征频率。
窄带选取模块230与频率获取模块220连接,适于根据至少特征频率在设备数据的频谱或阶次谱中选取一个或多个窄带。
窄带具有左边界和右边界,窄带选取模块23可以根据特征频率计算上述一个或多个窄带的理论左边界和理论右边界,而后在设备数据的频谱或阶次谱上获取最接近该理论左边界和理论右边界的数据点作为一个或多个窄带的左边界和右边界,其中设备数据的频谱或阶次谱以设备数据的频率或频率对应阶次为横坐标,并包括多个离散的数据点。
根据本发明的一个实施方式,窄带选取模块230还适于根据零件指标的类型、零件的特征频率和设备数据的频谱或阶次谱的分辨率判断在该频谱或阶次谱中是选取一个窄带还是选取多个窄带。
具体地,窄带选取模块230适于若零件指标的类型为特征频率的窄带能量,则在频谱或阶次谱中选取一个窄带。若零件指标的类型为特征频率的多谐波的窄带能量和或以特征频率为边带的多边带的窄带能量和,则根据零件的特征频率和频谱或阶次谱的分辨率继续判断在频谱或阶次谱中是选取一个窄带还是选取多个窄带。
其中若该特征频率不大于频谱分辨率的3倍,窄带选取模块230则适于在频谱中选取一个窄带,否则选取多个窄带;或者若特征频率对应阶次不大于阶次谱分辨率的3倍,窄带选取模块230则在阶次谱中选取一个窄带,否则选取多个窄带。
具体地,根据本发明的一个实施方式,当零件指标的类型为特征频率的窄带能量时,窄带选取模块230可以在设备数据的频谱上获取最接近特征频率的数据点,确定该最接近特征频率的数据点为中心,确定该中心的左侧带宽和右侧带宽,根据该中心、该中心的左侧带宽和右侧带宽计算窄带的理论左边界和理论右边界;或者在设备数据的阶次谱上获取最接近特征频率对应阶次的数据点,确定该最接近特征频率对应阶次的数据点为中心,确定该中心的左侧带宽和右侧带宽,根据该中心、该中心的左侧带宽和右侧带宽计算所述窄带的理论左边界和理论右边界。
根据本发明的另一个实施方式,当零件指标的类型为特征频率的多谐波的窄带能量和,谐波的最低倍数为M,最高倍数为N,以及零件的特征频率不大于频谱分辨率的3倍、或特征频率对应阶次不大于阶次谱分辨率的3倍时,窄带选取模块230可以计算特征频率的M倍谐波频率和N倍谐波频率,在频谱上分别获取最接近特征频率的M倍谐波频率的数据点和最接近特征频率的N倍谐波频率的数据点,确定最接近特征频率的M倍谐波频率的数据点为中心,确定该中心的左侧带宽,根据该中心和该中心的左侧带宽计算窄带的理论左边界。还可以确定最接近特征频率的N倍谐波频率的数据点为中心,确定该中心的右侧带宽,根据该中心和该中心的右侧带宽计算窄带的理论右边界。或者计算特征频率的M倍谐波频率对应阶次和N倍谐波频率对应阶次,在阶次谱上分别获取最接近特征频率的M倍谐波频率对应阶次的数据点和最接近特征频率的N倍谐波频率对应阶次的数据点,确定最接近特征频率的M倍谐波频率对应阶次的数据点为中心,确定该中心的左侧带宽,根据该中心和该中心的左侧带宽计算窄带的理论左边界,而后确定最接近特征频率的N倍谐波频率对应阶次的数据点为中心,确定该中心的右侧带宽,根据该中心和该中心的右侧带宽计算窄带的理论右边界。
根据本发明的另一个实施方式,当零件指标的类型为特征频率的多谐波的窄带能量和,谐波的最低倍数为M,最高倍数为N,以及零件的特征频率大于频谱分辨率的3倍、或特征频率对应阶次大于阶次谱分辨率的3倍时,窄带选取模块230可以计算特征频率的M倍至N倍的各谐波频率,在频谱上分别获取最接近特征频率的M倍至N倍的各谐波频率的各数据点,分别确定所述最接近特征频率的M倍至N倍的各谐波频率的各数据点为各窄带的中心,分别确定各窄带的中心的左侧带宽和右侧带宽,根据各窄带的中心、该中心的左侧带宽和右侧带宽计算各窄带的理论左边界和理论右边界;或者计算特征频率的M倍至N倍的各谐波频率对应阶次,在频谱上分别获取最接近特征频率的M倍至N倍的各谐波频率对应阶次的各数据点,分别确定最接近特征频率的M倍至N倍的各谐波频率对应阶次的各数据点为各窄带的中心,分别确定各窄带的中心的左侧带宽和右侧带宽,根据各窄带的中心、该中心的左侧带宽和右侧带宽计算所述各窄带的理论左边界和理论右边界。其中窄带的个数为N-M+1。
根据本发明的另一个实施方式,当零件指标的类型为以特征频率为边带的多边带的窄带能量和,各边带以中心频率为中心,中心频率左侧和右侧边带条数均为O,以及零件的特征频率不大于频谱分辨率的3倍、或特征频率对应阶次不大于阶次谱分辨率的3倍时,窄带选取模块230还适于分别计算中心频率左侧和右侧的第O条特征频率边带的频率,在频谱上分别获取最接近中心频率左侧和右侧的第O条特征频率边带的频率的数据点,确定最接近中心频率左侧的第O条特征频率边带的频率的数据点为窄带的中心,确定该中心的左侧带宽,根据该中心和该中心的左侧带宽计算窄带的理论左边界;还适于确定最接近中心频率右侧的第O条特征频率边带的频率的数据点为窄带的中心,确定该中心的右侧带宽,根据该中心和该中心的右侧带宽计算窄带的理论右边界;或者分别计算中心频率左侧和右侧的第O条特征频率边带的频率对应阶次,在阶次谱上分别获取最接近中心频率左侧和右侧的第O条特征频率边带的频率对应阶次的数据点,确定最接近中心频率左侧的第O条特征频率边带的频率对应阶次的数据点为窄带的中心,确定该中心的左侧带宽,根据该中心和该中心的左侧带宽计算窄带的理论左边界,还适于确定最接近中心频率右侧的第O条特征频率边带的频率对应阶次的数据点为窄带的中心,确定该中心的右侧带宽,根据该中心和该中心的右侧带宽计算窄带的理论右边界。
根据本发明的另一个实施方式,当零件指标的类型为以特征频率为边带的多边带的窄带能量和,各边带以中心频率为中心,中心频率左侧和右侧边带条数均为O,以及零件的特征频率大于频谱分辨率的3倍、或特征频率对应阶次大于阶次谱分辨率的3倍时,窄带选取模块230还适于分别计算中心频率左侧和右侧的O条特征频率边带的各频率,在频谱上分别获取最接近中心频率左侧和右侧的O条特征频率边带的各频率的各数据点,分别确定最接近中心频率左侧和右侧的O条特征频率边带的各频率的各数据点为各窄带的中心,分别确定各窄带的中心的左侧带宽和右侧带宽,根据各窄带的中心、该中心的左侧带宽和右侧带宽计算各窄带的理论左边界和理论右边界;或者分别计算中心频率左侧和右侧的O条特征频率边带的各频率对应阶次,在阶次谱上分别获取最接近中心频率左侧和右侧的O条特征频率边带的各频率对应阶次的各数据点,分别确定最接近中心频率左侧和右侧的O条特征频率边带的各频率对应阶次的各数据点为各窄带的中心,分别确定各窄带的中心的左侧带宽和右侧带宽,根据各窄带的中心、该中心的左侧带宽和右侧带宽计算各窄带的理论左边界和理论右边界。其中窄带的个数为2×O。
根据本发明的还有一个实施方式,当零件的特征频率为轴承特征频率时,左侧带宽和右侧带宽均为特征频率乘以第一系数的值、或者特征频率乘以第一系数的值对应阶次;以及当零件的特征频率为非轴承特征频率时,左侧带宽和右侧带宽均为频谱分辨率乘以第二系数的值、或者阶次谱分辨率乘以第二系数的值。
根据本发明的还有一个实施方式,其中当零件的非轴承特征频率小于或等于频谱分辨率的20倍,或者零件的非轴承特征频率对应阶次小于或等于阶次谱分辨率的20倍时,第二系数为3;以及当零件的非轴承特征频率大于频谱分辨率的20倍,或者零件的非轴承特征频率对应阶次大于阶次谱分辨率的20倍时,第二系数为5。
指标计算模块240与窄带选取模块230连接,适于通过计算上述选取的一个或多个窄带的能量和获取相应的零件指标,以便当设备发生故障时根据所述零件指标定位故障部位。其中窄带能量可以为该窄带所含的数据点的幅值之和,并可以包括该窄带的左边界和右边界的数据点。多个窄带的能量和为多个窄带的窄带能量之和。
指标计算模块240还适于根据所述设备数据获取综合指标,以便当设备发生故障时根据所述综合指标衡量故障严重程度,综合指标包括时域指标和频段能量指标。其中时域指标可以包括均方根、峭度、峭度密度、歪度、歪度密度、峰值、裕度、均值、最大值和最小值中的至少一种。
指标计算模块240还适于在设备数据的频谱或阶次谱划分为多个频段,通过对划分的各频段分别进行能量计算而得到综合指标中的频段能量指标。
其中频谱还包括频谱包络解调谱,阶次谱还包括阶次包络解调谱。
以上在结合图1~图8描述设备数据处理方法100的具体描述中已经对装置各模块中的相应处理进行了详细说明,这里不再对重复内容进行赘述。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下被实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员应当理解在本文所公开的示例中的设备的模块或单元或组件可以布置在如该实施例中所描述的设备中,或者可替换地可以定位在与该示例中的设备不同的一个或多个设备中。前述示例中的模块可以组合为一个模块或者此外可以分成多个子模块。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明还包括:A6、如A4所述的方法,其中当所述零件指标的类型为特征频率的窄带能量时,所述根据特征频率计算一个窄带的理论左边界和理论右边界的步骤包括:在设备数据的频谱上获取最接近所述特征频率的数据点;确定该最接近特征频率的数据点为中心;确定该中心的左侧带宽和右侧带宽;根据所述中心、该中心的左侧带宽和右侧带宽计算所述窄带的理论左边界和理论右边界;或者在设备数据的阶次谱上获取最接近所述特征频率对应阶次的数据点;确定该最接近特征频率对应阶次的数据点为中心;确定该中心的左侧带宽和右侧带宽;根据所述中心、该中心的左侧带宽和右侧带宽计算所述窄带的理论左边界和理论右边界。A7、如A5所述的方法,其中当所述零件指标的类型为特征频率的多谐波的窄带能量和,谐波的最低倍数为M,最高倍数为N,以及所述零件的特征频率不大于频谱分辨率的3倍、或所述特征频率对应阶次不大于阶次谱分辨率的3倍时,所述根据特征频率计算一个窄带的理论左边界和理论右边界的步骤包括:计算所述特征频率的M倍谐波频率和N倍谐波频率;在所述频谱上分别获取最接近所述特征频率的M倍谐波频率的数据点和最接近所述特征频率的N倍谐波频率的数据点;确定最接近所述特征频率的M倍谐波频率的数据点为中心;确定该中心的左侧带宽;根据所述中心和该中心的左侧带宽计算所述窄带的理论左边界;以及确定所述最接近特征频率的N倍谐波频率的数据点为中心;确定该中心的右侧带宽;根据所述中心和该中心的右侧带宽计算所述窄带的理论右边界;或者计算所述特征频率的M倍谐波频率对应阶次和N倍谐波频率对应阶次;在所述阶次谱上分别获取最接近所述特征频率的M倍谐波频率对应阶次的数据点和最接近所述特征频率的N倍谐波频率对应阶次的数据点;确定最接近所述特征频率的M倍谐波频率对应阶次的数据点为中心;确定该中心的左侧带宽;根据所述中心和该中心的左侧带宽计算所述窄带的理论左边界;以及确定所述最接近特征频率的N倍谐波频率对应阶次的数据点为中心;确定该中心的右侧带宽;根据所述中心和该中心的右侧带宽计算所述窄带的理论右边界。A8、如A5所述的方法,其中当所述零件指标的类型为特征频率的多谐波的窄带能量和,谐波的最低倍数为M,最高倍数为N,以及所述零件的特征频率大于频谱分辨率的3倍、或所述特征频率对应阶次大于阶次谱分辨率的3倍时,所述根据特征频率计算多个窄带的理论左边界和理论右边界的步骤包括:计算所述特征频率的M倍至N倍的各谐波频率;在所述频谱上分别获取最接近所述特征频率的M倍至N倍的各谐波频率的各数据点;分别确定所述最接近特征频率的M倍至N倍的各谐波频率的各数据点为各窄带的中心;分别确定各窄带的中心的左侧带宽和右侧带宽;根据各窄带的中心、该中心的左侧带宽和右侧带宽计算所述各窄带的理论左边界和理论右边界;或者计算所述特征频率的M倍至N倍的各谐波频率对应阶次;在所述频谱上分别获取最接近所述特征频率的M倍至N倍的各谐波频率对应阶次的各数据点;分别确定所述最接近特征频率的M倍至N倍的各谐波频率对应阶次的各数据点为各窄带的中心;分别确定各窄带的中心的左侧带宽和右侧带宽;根据各窄带的中心、该中心的左侧带宽和右侧带宽计算所述各窄带的理论左边界和理论右边界;其中,所述窄带的个数为N-M+1。A9、如A5所述的方法,其中当所述零件指标的类型为以特征频率为边带的多边带的窄带能量和,各边带以中心频率为中心,所述中心频率左侧和右侧边带条数均为O,以及所述零件的特征频率不大于频谱分辨率的3倍、或所述特征频率对应阶次不大于阶次谱分辨率的3倍时,所述根据特征频率计算一个窄带的理论左边界和理论右边界的步骤包括:分别计算所述中心频率左侧和右侧的第O条特征频率边带的频率;在所述频谱上分别获取最接近所述中心频率左侧和右侧的第O条特征频率边带的频率的数据点;确定所述最接近中心频率左侧的第O条特征频率边带的频率的数据点为窄带的中心;确定该中心的左侧带宽;根据所述中心和该中心的左侧带宽计算所述窄带的理论左边界;以及确定所述最接近中心频率右侧的第O条特征频率边带的频率的数据点为窄带的中心;确定该中心的右侧带宽;根据所述中心和该中心的右侧带宽计算所述窄带的理论右边界;或者分别计算所述中心频率左侧和右侧的第O条特征频率边带的频率对应阶次;在所述阶次谱上分别获取最接近所述中心频率左侧和右侧的第O条特征频率边带的频率对应阶次的数据点;确定所述最接近中心频率左侧的第O条特征频率边带的频率对应阶次的数据点为窄带的中心;确定该中心的左侧带宽;根据所述中心和该中心的左侧带宽计算所述窄带的理论左边界;以及确定所述最接近中心频率右侧的第O条特征频率边带的频率对应阶次的数据点为窄带的中心;确定该中心的右侧带宽;根据所述中心和该中心的右侧带宽计算所述窄带的理论右边界。A10、如A5所述的方法,其中当所述零件指标的类型为以特征频率为边带的多边带的窄带能量和,各边带以中心频率为中心,所述中心频率左侧和右侧边带条数均为O,以及所述零件的特征频率大于频谱分辨率的3倍、或所述特征频率对应阶次大于阶次谱分辨率的3倍时,所述根据特征频率计算多个窄带的理论左边界和理论右边界的步骤包括:分别计算所述中心频率左侧和右侧的O条特征频率边带的各频率;在所述频谱上分别获取最接近所述中心频率左侧和右侧的O条特征频率边带的各频率的各数据点;分别确定所述最接近中心频率左侧和右侧的O条特征频率边带的各频率的各数据点为各窄带的中心;分别确定各窄带的中心的左侧带宽和右侧带宽;根据各窄带的中心、该中心的左侧带宽和右侧带宽计算所述各窄带的理论左边界和理论右边界;或者分别计算所述中心频率左侧和右侧的O条特征频率边带的各频率对应阶次;在所述阶次谱上分别获取最接近所述中心频率左侧和右侧的O条特征频率边带的各频率对应阶次的各数据点;分别确定所述最接近中心频率左侧和右侧的O条特征频率边带的各频率对应阶次的各数据点为各窄带的中心;分别确定各窄带的中心的左侧带宽和右侧带宽;根据各窄带的中心、该中心的左侧带宽和右侧带宽计算所述各窄带的理论左边界和理论右边界;其中,所述窄带的个数为2×O。A11、如A1~10中任一项所述的方法,其中当所述零件的特征频率为轴承特征频率时,所述左侧带宽和右侧带宽均为所述特征频率乘以第一系数的值、或者所述特征频率乘以第一系数的值对应阶次;以及当所述零件的特征频率为非轴承特征频率时,所述左侧带宽和右侧带宽均为所述频谱分辨率乘以第二系数的值、或者所述阶次谱分辨率乘以第二系数的值。A12、如A11所述的方法,其中当零件的非轴承特征频率小于或等于频谱分辨率的20倍,或者零件的非轴承特征频率对应阶次小于或等于阶次谱分辨率的20倍时,第二系数为3;以及当零件的非轴承特征频率大于频谱分辨率的20倍,或者零件的非轴承特征频率对应阶次大于阶次谱分辨率的20倍时,第二系数为5。A13、如A1~12中任一项所述的方法,还包括步骤:根据所述设备数据获取综合指标,以便当设备发生故障时根据所述综合指标衡量故障严重程度,所述综合指标包括时域指标和频段能量指标。A14、如A13所述的方法,其中所述时域指标包括均方根、峭度、峭度密度、歪度、歪度密度、峰值、裕度、均值、最大值和最小值中的至少一种。A15、如A14所述的方法,其中所述根据设备数据获取综合指标的步骤包括:在所述设备数据的频谱或阶次谱划分为多个频段;通过对划分的各频段分别进行能量计算而得到所述综合指标中的频段能量指标。A16、如A1~15中任一项所述的方法,其中所述频谱还包括频谱包络解调谱,所述阶次谱还包括阶次包络解调谱。
还包括:B22、如B20所述的装置,其中当所述零件指标的类型为特征频率的窄带能量时,所述窄带选取模块还适于在设备数据的频谱上获取最接近所述特征频率的数据点,确定该最接近特征频率的数据点为中心,确定该中心的左侧带宽和右侧带宽,根据所述中心、该中心的左侧带宽和右侧带宽计算所述窄带的理论左边界和理论右边界;或者在设备数据的阶次谱上获取最接近所述特征频率对应阶次的数据点,确定该最接近特征频率对应阶次的数据点为中心,确定该中心的左侧带宽和右侧带宽,根据所述中心、该中心的左侧带宽和右侧带宽计算所述窄带的理论左边界和理论右边界。B23、如B21所述的方法,其中当所述零件指标的类型为特征频率的多谐波的窄带能量和,谐波的最低倍数为M,最高倍数为N,以及所述零件的特征频率不大于频谱分辨率的3倍、或所述特征频率对应阶次不大于阶次谱分辨率的3倍时,所述窄带选取模块还适于计算所述特征频率的M倍谐波频率和N倍谐波频率,在所述频谱上分别获取最接近所述特征频率的M倍谐波频率的数据点和最接近所述特征频率的N倍谐波频率的数据点,确定最接近所述特征频率的M倍谐波频率的数据点为中心,确定该中心的左侧带宽,根据所述中心和该中心的左侧带宽计算所述窄带的理论左边界;还适于确定所述最接近特征频率的N倍谐波频率的数据点为中心,确定该中心的右侧带宽,根据所述中心和该中心的右侧带宽计算所述窄带的理论右边界;或者计算所述特征频率的M倍谐波频率对应阶次和N倍谐波频率对应阶次,在所述阶次谱上分别获取最接近所述特征频率的M倍谐波频率对应阶次的数据点和最接近所述特征频率的N倍谐波频率对应阶次的数据点,确定最接近所述特征频率的M倍谐波频率对应阶次的数据点为中心,确定该中心的左侧带宽,根据所述中心和该中心的左侧带宽计算所述窄带的理论左边界;还适于确定所述最接近特征频率的N倍谐波频率对应阶次的数据点为中心,确定该中心的右侧带宽,根据所述中心和该中心的右侧带宽计算所述窄带的理论右边界。B24、如B21所述的装置,其中当所述零件指标的类型为特征频率的多谐波的窄带能量和,谐波的最低倍数为M,最高倍数为N,以及所述零件的特征频率大于频谱分辨率的3倍、或所述特征频率对应阶次大于阶次谱分辨率的3倍时,所述窄带选取模块还适于计算所述特征频率的M倍至N倍的各谐波频率,在所述频谱上分别获取最接近所述特征频率的M倍至N倍的各谐波频率的各数据点,分别确定所述最接近特征频率的M倍至N倍的各谐波频率的各数据点为各窄带的中心,分别确定各窄带的中心的左侧带宽和右侧带宽,根据各窄带的中心、该中心的左侧带宽和右侧带宽计算所述各窄带的理论左边界和理论右边界;或者计算所述特征频率的M倍至N倍的各谐波频率对应阶次,在所述频谱上分别获取最接近所述特征频率的M倍至N倍的各谐波频率对应阶次的各数据点,分别确定所述最接近特征频率的M倍至N倍的各谐波频率对应阶次的各数据点为各窄带的中心,分别确定各窄带的中心的左侧带宽和右侧带宽,根据各窄带的中心、该中心的左侧带宽和右侧带宽计算所述各窄带的理论左边界和理论右边界;其中所述窄带的个数为N-M+1。B25、如B21所述的装置,其中当所述零件指标的类型为以特征频率为边带的多边带的窄带能量和,各边带以中心频率为中心,所述中心频率左侧和右侧边带条数均为O,以及所述零件的特征频率不大于频谱分辨率的3倍、或所述特征频率对应阶次不大于阶次谱分辨率的3倍时,所述窄带选取模块还适于分别计算所述中心频率左侧和右侧的第O条特征频率边带的频率,在所述频谱上分别获取最接近所述中心频率左侧和右侧的第O条特征频率边带的频率的数据点,确定所述最接近中心频率左侧的第O条特征频率边带的频率的数据点为窄带的中心,确定该中心的左侧带宽,根据所述中心和该中心的左侧带宽计算所述窄带的理论左边界;还适于确定所述最接近中心频率右侧的第O条特征频率边带的频率的数据点为窄带的中心,确定该中心的右侧带宽,根据所述中心和该中心的右侧带宽计算所述窄带的理论右边界;或者分别计算所述中心频率左侧和右侧的第O条特征频率边带的频率对应阶次,在所述阶次谱上分别获取最接近所述中心频率左侧和右侧的第O条特征频率边带的频率对应阶次的数据点,确定所述最接近中心频率左侧的第O条特征频率边带的频率对应阶次的数据点为窄带的中心,确定该中心的左侧带宽,根据所述中心和该中心的左侧带宽计算所述窄带的理论左边界,还适于确定所述最接近中心频率右侧的第O条特征频率边带的频率对应阶次的数据点为窄带的中心,确定该中心的右侧带宽,根据所述中心和该中心的右侧带宽计算所述窄带的理论右边界。B26、如B21所述的装置,其中当所述零件指标的类型为以特征频率为边带的多边带的窄带能量和,各边带以中心频率为中心,所述中心频率左侧和右侧边带条数均为O,以及所述零件的特征频率大于频谱分辨率的3倍、或所述特征频率对应阶次大于阶次谱分辨率的3倍时,所述窄带选取模块还适于分别计算所述中心频率左侧和右侧的O条特征频率边带的各频率,在所述频谱上分别获取最接近所述中心频率左侧和右侧的O条特征频率边带的各频率的各数据点,分别确定所述最接近中心频率左侧和右侧的O条特征频率边带的各频率的各数据点为各窄带的中心,分别确定各窄带的中心的左侧带宽和右侧带宽,根据各窄带的中心、该中心的左侧带宽和右侧带宽计算所述各窄带的理论左边界和理论右边界;或者分别计算所述中心频率左侧和右侧的O条特征频率边带的各频率对应阶次,在所述阶次谱上分别获取最接近所述中心频率左侧和右侧的O条特征频率边带的各频率对应阶次的各数据点,分别确定所述最接近中心频率左侧和右侧的O条特征频率边带的各频率对应阶次的各数据点为各窄带的中心,分别确定各窄带的中心的左侧带宽和右侧带宽,根据各窄带的中心、该中心的左侧带宽和右侧带宽计算所述各窄带的理论左边界和理论右边界;其中所述窄带的个数为2×O。B27、如B17~26中任一项所述的装置,其中当所述零件的特征频率为轴承特征频率时,所述左侧带宽和右侧带宽均为所述特征频率乘以第一系数的值、或者所述特征频率乘以第一系数的值对应阶次;以及当所述零件的特征频率为非轴承特征频率时,所述左侧带宽和右侧带宽均为所述频谱分辨率乘以第二系数的值、或者所述阶次谱分辨率乘以第二系数的值。B28、如B27所述的装置,其中当零件的非轴承特征频率小于或等于频谱分辨率的20倍,或者零件的非轴承特征频率对应阶次小于或等于阶次谱分辨率的20倍时,第二系数为3;以及当零件的非轴承特征频率大于频谱分辨率的20倍,或者零件的非轴承特征频率对应阶次大于阶次谱分辨率的20倍时,第二系数为5。B29、如B17~28中任一项所述的装置,所述指标计算模块还适于根据所述设备数据获取综合指标,以便当设备发生故障时根据所述综合指标衡量故障严重程度,所述综合指标包括时域指标和频段能量指标。B30、如B29所述的装置,其中所述时域指标包括均方根、峭度、峭度密度、歪度、歪度密度、峰值、裕度、均值、最大值和最小值中的至少一种。B31、如B30所述的装置,其中所述指标计算模块还适于在所述设备数据的频谱或阶次谱划分为多个频段,通过对划分的各频段分别进行能量计算而得到所述综合指标中的频段能量指标。B32、如B17~31中任一项所述的装置,其中所述频谱还包括频谱包络解调谱,所述阶次谱还包括阶次包络解调谱。
此外,所述实施例中的一些在此被描述成可以由计算机系统的处理器或者由执行所述功能的其它装置实施的方法或方法元素的组合。因此,具有用于实施所述方法或方法元素的必要指令的处理器形成用于实施该方法或方法元素的装置。此外,装置实施例的在此所述的元素是如下装置的例子:该装置用于实施由为了实施该发明的目的的元素所执行的功能。
如在此所使用的那样,除非另行规定,使用序数词“第一”、“第二”、“第三”等等来描述普通对象仅仅表示涉及类似对象的不同实例,并且并不意图暗示这样被描述的对象必须具有时间上、空间上、排序方面或者以任意其它方式的给定顺序。
尽管根据有限数量的实施例描述了本发明,但是受益于上面的描述,本技术领域内的技术人员明白,在由此描述的本发明的范围内,可以设想其它实施例。此外,应当注意,本说明书中使用的语言主要是为了可读性和教导的目的而选择的,而不是为了解释或者限定本发明的主题而选择的。因此,在不偏离所附权利要求书的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围,对本发明所做的公开是说明性的,而非限制性的,本发明的范围由所附权利要求书限定。
Claims (30)
1.一种设备数据处理方法,所述设备包括多个零件,该方法包括:
采集设备数据;
根据所述设备数据获取零件的特征频率;
根据至少所述特征频率在设备数据的频谱或阶次谱中选取一个或多个窄带,包括:
根据零件指标的类型、所述零件的特征频率和所述设备数据的频谱或阶次谱的分辨率判断在所述频谱或阶次谱中是选取一个窄带还是选取多个窄带;以及
通过计算所述一个或多个窄带的能量和获取相应的零件指标,以便当设备发生故障时根据所述零件指标定位故障部位。
2.如权利要求1所述的方法,其中所述窄带具有左边界和右边界,所述根据至少特征频率在设备数据的频谱或阶次谱中选取一个或多个窄带的步骤包括:
根据特征频率计算所述一个或多个窄带的理论左边界和理论右边界;以及
在所述频谱或阶次谱上获取最接近所述理论左边界和理论右边界的数据点作为所述一个或多个窄带的左边界和右边界,其中设备数据的频谱或阶次谱以设备数据的频率或频率对应阶次为横坐标,并包括多个离散的数据点。
3.如权利要求2所述的方法,所述根据零件指标的类型、零件的特征频率和设备数据的频谱或阶次谱的分辨率判断在频谱或阶次谱中是选取一个窄带还是选取多个窄带的步骤包括:
若所述零件指标的类型为特征频率的窄带能量,则在所述频谱或阶次谱中选取一个窄带;以及
若所述零件指标的类型为特征频率的多谐波的窄带能量和或以特征频率为边带的多边带的窄带能量和,则根据所述零件的特征频率和所述频谱或阶次谱的分辨率继续判断在所述频谱或阶次谱中是选取一个窄带还是选取多个窄带。
4.如权利要求3所述的方法,所述根据零件的特征频率和频谱或阶次谱的分辨率继续判断在频谱或阶次谱中是选取一个窄带还是选取多个窄带的步骤包括:
若所述特征频率不大于频谱分辨率的3倍,则在所述频谱中选取一个窄带;否则选取多个窄带;或者
若所述特征频率对应阶次不大于阶次谱分辨率的3倍,则在所述阶次谱中选取一个窄带;否则选取多个窄带。
5.如权利要求3所述的方法,其中当所述零件指标的类型为特征频率的窄带能量时,根据特征频率计算一个窄带的理论左边界和理论右边界的步骤包括:在设备数据的频谱上获取最接近所述特征频率的数据点;确定该最接近特征频率的数据点为中心;确定该中心的左侧带宽和右侧带宽;根据所述中心、该中心的左侧带宽和右侧带宽计算所述窄带的理论左边界和理论右边界;或者在设备数据的阶次谱上获取最接近所述特征频率对应阶次的数据点;确定该最接近特征频率对应阶次的数据点为中心;确定该中心的左侧带宽和右侧带宽;根据所述中心、该中心的左侧带宽和右侧带宽计算所述窄带的理论左边界和理论右边界。
6.如权利要求4所述的方法,其中当所述零件指标的类型为特征频率的多谐波的窄带能量和,谐波的最低倍数为M,最高倍数为N,以及所述零件的特征频率不大于频谱分辨率的3倍、或所述特征频率对应阶次不大于阶次谱分辨率的3倍时,根据特征频率计算一个窄带的理论左边界和理论右边界的步骤包括:计算所述特征频率的M倍谐波频率和N倍谐波频率;在所述频谱上分别获取最接近所述特征频率的M倍谐波频率的数据点和最接近所述特征频率的N倍谐波频率的数据点;确定最接近所述特征频率的M倍谐波频率的数据点为中心;确定该中心的左侧带宽;根据所述中心和该中心的左侧带宽计算所述窄带的理论左边界;以及确定所述最接近特征频率的N倍谐波频率的数据点为中心;确定该中心的右侧带宽;根据所述中心和该中心的右侧带宽计算所述窄带的理论右边界;或者计算所述特征频率的M倍谐波频率对应阶次和N倍谐波频率对应阶次;在所述阶次谱上分别获取最接近所述特征频率的M倍谐波频率对应阶次的数据点和最接近所述特征频率的N倍谐波频率对应阶次的数据点;确定最接近所述特征频率的M倍谐波频率对应阶次的数据点为中心;确定该中心的左侧带宽;根据所述中心和该中心的左侧带宽计算所述窄带的理论左边界;以及确定所述最接近特征频率的N倍谐波频率对应阶次的数据点为中心;确定该中心的右侧带宽;根据所述中心和该中心的右侧带宽计算所述窄带的理论右边界。
7.如权利要求4所述的方法,其中当所述零件指标的类型为特征频率的多谐波的窄带能量和,谐波的最低倍数为M,最高倍数为N,以及所述零件的特征频率大于频谱分辨率的3倍、或所述特征频率对应阶次大于阶次谱分辨率的3倍时,根据特征频率计算多个窄带的理论左边界和理论右边界的步骤包括:计算所述特征频率的M倍至N倍的各谐波频率;在所述频谱上分别获取最接近所述特征频率的M倍至N倍的各谐波频率的各数据点;分别确定所述最接近特征频率的M倍至N倍的各谐波频率的各数据点为各窄带的中心;分别确定各窄带的中心的左侧带宽和右侧带宽;根据各窄带的中心、该中心的左侧带宽和右侧带宽计算所述各窄带的理论左边界和理论右边界;或者计算所述特征频率的M倍至N倍的各谐波频率对应阶次;在所述频谱上分别获取最接近所述特征频率的M倍至N倍的各谐波频率对应阶次的各数据点;分别确定所述最接近特征频率的M倍至N倍的各谐波频率对应阶次的各数据点为各窄带的中心;分别确定各窄带的中心的左侧带宽和右侧带宽;根据各窄带的中心、该中心的左侧带宽和右侧带宽计算所述各窄带的理论左边界和理论右边界;其中,所述窄带的个数为N-M+1。
8.如权利要求4所述的方法,其中当所述零件指标的类型为以特征频率为边带的多边带的窄带能量和,各边带以中心频率为中心,所述中心频率左侧和右侧边带条数均为O,以及所述零件的特征频率不大于频谱分辨率的3倍、或所述特征频率对应阶次不大于阶次谱分辨率的3倍时,根据特征频率计算一个窄带的理论左边界和理论右边界的步骤包括:分别计算所述中心频率左侧和右侧的第O条特征频率边带的频率;在所述频谱上分别获取最接近所述中心频率左侧和右侧的第O条特征频率边带的频率的数据点;确定所述最接近中心频率左侧的第O条特征频率边带的频率的数据点为窄带的中心;确定该中心的左侧带宽;根据所述中心和该中心的左侧带宽计算所述窄带的理论左边界;以及确定所述最接近中心频率右侧的第O条特征频率边带的频率的数据点为窄带的中心;确定该中心的右侧带宽;根据所述中心和该中心的右侧带宽计算所述窄带的理论右边界;或者分别计算所述中心频率左侧和右侧的第O条特征频率边带的频率对应阶次;在所述阶次谱上分别获取最接近所述中心频率左侧和右侧的第O条特征频率边带的频率对应阶次的数据点;确定所述最接近中心频率左侧的第O条特征频率边带的频率对应阶次的数据点为窄带的中心;确定该中心的左侧带宽;根据所述中心和该中心的左侧带宽计算所述窄带的理论左边界;以及确定所述最接近中心频率右侧的第O条特征频率边带的频率对应阶次的数据点为窄带的中心;确定该中心的右侧带宽;根据所述中心和该中心的右侧带宽计算所述窄带的理论右边界。
9.如权利要求4所述的方法,其中当所述零件指标的类型为以特征频率为边带的多边带的窄带能量和,各边带以中心频率为中心,所述中心频率左侧和右侧边带条数均为O,以及所述零件的特征频率大于频谱分辨率的3倍、或所述特征频率对应阶次大于阶次谱分辨率的3倍时,根据特征频率计算多个窄带的理论左边界和理论右边界的步骤包括:分别计算所述中心频率左侧和右侧的O条特征频率边带的各频率;在所述频谱上分别获取最接近所述中心频率左侧和右侧的O条特征频率边带的各频率的各数据点;分别确定所述最接近中心频率左侧和右侧的O条特征频率边带的各频率的各数据点为各窄带的中心;分别确定各窄带的中心的左侧带宽和右侧带宽;根据各窄带的中心、该中心的左侧带宽和右侧带宽计算所述各窄带的理论左边界和理论右边界;或者分别计算所述中心频率左侧和右侧的O条特征频率边带的各频率对应阶次;在所述阶次谱上分别获取最接近所述中心频率左侧和右侧的O条特征频率边带的各频率对应阶次的各数据点;分别确定所述最接近中心频率左侧和右侧的O条特征频率边带的各频率对应阶次的各数据点为各窄带的中心;分别确定各窄带的中心的左侧带宽和右侧带宽;根据各窄带的中心、该中心的左侧带宽和右侧带宽计算所述各窄带的理论左边界和理论右边界;其中,所述窄带的个数为2×O。
10.如权利要求5~9中任一项所述的方法,其中当所述零件的特征频率为轴承特征频率时,所述左侧带宽和右侧带宽均为所述特征频率乘以第一系数的值、或者所述特征频率乘以第一系数的值对应阶次;以及当所述零件的特征频率为非轴承特征频率时,所述左侧带宽和右侧带宽均为所述频谱分辨率乘以第二系数的值、或者所述阶次谱分辨率乘以第二系数的值。
11.如权利要求10所述的方法,其中当零件的非轴承特征频率小于或等于频谱分辨率的20倍,或者零件的非轴承特征频率对应阶次小于或等于阶次谱分辨率的20倍时,第二系数为3;以及当零件的非轴承特征频率大于频谱分辨率的20倍,或者零件的非轴承特征频率对应阶次大于阶次谱分辨率的20倍时,第二系数为5。
12.如权利要求1~9中任一项所述的方法,还包括步骤:根据所述设备数据获取综合指标,以便当设备发生故障时根据所述综合指标衡量故障严重程度,所述综合指标包括时域指标和频段能量指标。
13.如权利要求12所述的方法,其中所述时域指标包括均方根、峭度、峭度密度、歪度、歪度密度、峰值、裕度、均值、最大值和最小值中的至少一种。
14.如权利要求13所述的方法,其中所述根据设备数据获取综合指标的步骤包括:在所述设备数据的频谱或阶次谱划分为多个频段;通过对划分的各频段分别进行能量计算而得到所述综合指标中的频段能量指标。
15.如权利要求1~9中任一项所述的方法,其中所述频谱还包括频谱包络解调谱,所述阶次谱还包括阶次包络解调谱。
16.一种设备数据处理装置,所述设备包括多个零件,该装置包括:
数据采集模块,适于采集设备数据;
频率获取模块,适于根据所述设备数据获取零件的特征频率;
窄带选取模块,适于根据至少所述特征频率在设备数据的频谱或阶次谱中选取一个或多个窄带,包括:根据零件指标的类型、所述零件的特征频率和所述设备数据的频谱或阶次谱的分辨率判断在所述频谱或阶次谱中是选取一个窄带还是选取多个窄带;以及
指标计算模块,适于通过计算所述一个或多个窄带的能量和获取相应的零件指标,以便当设备发生故障时根据所述零件指标定位故障部位。
17.如权利要求16所述的装置,其中所述窄带具有左边界和右边界,所述窄带选取模块还适于根据特征频率计算所述一个或多个窄带的理论左边界和理论右边界,还适于在所述频谱或阶次谱上获取最接近所述理论左边界和理论右边界的数据点作为所述一个或多个窄带的左边界和右边界,其中设备数据的频谱或阶次谱以设备数据的频率或频率对应阶次为横坐标,并包括多个离散的数据点。
18.如权利要求16所述的装置,所述窄带选取模块还适于若所述零件指标的类型为特征频率的窄带能量,则在所述频谱或阶次谱中选取一个窄带;还适于若所述零件指标的类型为特征频率的多谐波的窄带能量和或以特征频率为边带的多边带的窄带能量和,则根据所述零件的特征频率和所述频谱或阶次谱的分辨率继续判断在所述频谱或阶次谱中是选取一个窄带还是选取多个窄带。
19.如权利要求18所述的装置,所述窄带选取模块还适于若所述特征频率不大于频谱分辨率的3倍,则在所述频谱中选取一个窄带,否则选取多个窄带;或者若所述特征频率对应阶次不大于阶次谱分辨率的3倍,则在所述阶次谱中选取一个窄带,否则选取多个窄带。
20.如权利要求18所述的装置,其中当所述零件指标的类型为特征频率的窄带能量时,所述窄带选取模块还适于在设备数据的频谱上获取最接近所述特征频率的数据点,确定该最接近特征频率的数据点为中心,确定该中心的左侧带宽和右侧带宽,根据所述中心、该中心的左侧带宽和右侧带宽计算所述窄带的理论左边界和理论右边界;或者在设备数据的阶次谱上获取最接近所述特征频率对应阶次的数据点,确定该最接近特征频率对应阶次的数据点为中心,确定该中心的左侧带宽和右侧带宽,根据所述中心、该中心的左侧带宽和右侧带宽计算所述窄带的理论左边界和理论右边界。
21.如权利要求19所述的装置,其中当所述零件指标的类型为特征频率的多谐波的窄带能量和,谐波的最低倍数为M,最高倍数为N,以及所述零件的特征频率不大于频谱分辨率的3倍、或所述特征频率对应阶次不大于阶次谱分辨率的3倍时,所述窄带选取模块还适于计算所述特征频率的M倍谐波频率和N倍谐波频率,在所述频谱上分别获取最接近所述特征频率的M倍谐波频率的数据点和最接近所述特征频率的N倍谐波频率的数据点,确定最接近所述特征频率的M倍谐波频率的数据点为中心,确定该中心的左侧带宽,根据所述中心和该中心的左侧带宽计算所述窄带的理论左边界;还适于确定所述最接近特征频率的N倍谐波频率的数据点为中心,确定该中心的右侧带宽,根据所述中心和该中心的右侧带宽计算所述窄带的理论右边界;或者计算所述特征频率的M倍谐波频率对应阶次和N倍谐波频率对应阶次,在所述阶次谱上分别获取最接近所述特征频率的M倍谐波频率对应阶次的数据点和最接近所述特征频率的N倍谐波频率对应阶次的数据点,确定最接近所述特征频率的M倍谐波频率对应阶次的数据点为中心,确定该中心的左侧带宽,根据所述中心和该中心的左侧带宽计算所述窄带的理论左边界;还适于确定所述最接近特征频率的N倍谐波频率对应阶次的数据点为中心,确定该中心的右侧带宽,根据所述中心和该中心的右侧带宽计算所述窄带的理论右边界。
22.如权利要求19所述的装置,其中当所述零件指标的类型为特征频率的多谐波的窄带能量和,谐波的最低倍数为M,最高倍数为N,以及所述零件的特征频率大于频谱分辨率的3倍、或所述特征频率对应阶次大于阶次谱分辨率的3倍时,所述窄带选取模块还适于计算所述特征频率的M倍至N倍的各谐波频率,在所述频谱上分别获取最接近所述特征频率的M倍至N倍的各谐波频率的各数据点,分别确定所述最接近特征频率的M倍至N倍的各谐波频率的各数据点为各窄带的中心,分别确定各窄带的中心的左侧带宽和右侧带宽,根据各窄带的中心、该中心的左侧带宽和右侧带宽计算所述各窄带的理论左边界和理论右边界;或者计算所述特征频率的M倍至N倍的各谐波频率对应阶次,在所述频谱上分别获取最接近所述特征频率的M倍至N倍的各谐波频率对应阶次的各数据点,分别确定所述最接近特征频率的M倍至N倍的各谐波频率对应阶次的各数据点为各窄带的中心,分别确定各窄带的中心的左侧带宽和右侧带宽,根据各窄带的中心、该中心的左侧带宽和右侧带宽计算所述各窄带的理论左边界和理论右边界;其中所述窄带的个数为N-M+1。
23.如权利要求19所述的装置,其中当所述零件指标的类型为以特征频率为边带的多边带的窄带能量和,各边带以中心频率为中心,所述中心频率左侧和右侧边带条数均为O,以及所述零件的特征频率不大于频谱分辨率的3倍、或所述特征频率对应阶次不大于阶次谱分辨率的3倍时,所述窄带选取模块还适于分别计算所述中心频率左侧和右侧的第O条特征频率边带的频率,在所述频谱上分别获取最接近所述中心频率左侧和右侧的第O条特征频率边带的频率的数据点,确定所述最接近中心频率左侧的第O条特征频率边带的频率的数据点为窄带的中心,确定该中心的左侧带宽,根据所述中心和该中心的左侧带宽计算所述窄带的理论左边界;还适于确定所述最接近中心频率右侧的第O条特征频率边带的频率的数据点为窄带的中心,确定该中心的右侧带宽,根据所述中心和该中心的右侧带宽计算所述窄带的理论右边界;或者分别计算所述中心频率左侧和右侧的第O条特征频率边带的频率对应阶次,在所述阶次谱上分别获取最接近所述中心频率左侧和右侧的第O条特征频率边带的频率对应阶次的数据点,确定所述最接近中心频率左侧的第O条特征频率边带的频率对应阶次的数据点为窄带的中心,确定该中心的左侧带宽,根据所述中心和该中心的左侧带宽计算所述窄带的理论左边界,还适于确定所述最接近中心频率右侧的第O条特征频率边带的频率对应阶次的数据点为窄带的中心,确定该中心的右侧带宽,根据所述中心和该中心的右侧带宽计算所述窄带的理论右边界。
24.如权利要求19所述的装置,其中当所述零件指标的类型为以特征频率为边带的多边带的窄带能量和,各边带以中心频率为中心,所述中心频率左侧和右侧边带条数均为O,以及所述零件的特征频率大于频谱分辨率的3倍、或所述特征频率对应阶次大于阶次谱分辨率的3倍时,所述窄带选取模块还适于分别计算所述中心频率左侧和右侧的O条特征频率边带的各频率,在所述频谱上分别获取最接近所述中心频率左侧和右侧的O条特征频率边带的各频率的各数据点,分别确定所述最接近中心频率左侧和右侧的O条特征频率边带的各频率的各数据点为各窄带的中心,分别确定各窄带的中心的左侧带宽和右侧带宽,根据各窄带的中心、该中心的左侧带宽和右侧带宽计算所述各窄带的理论左边界和理论右边界;或者分别计算所述中心频率左侧和右侧的O条特征频率边带的各频率对应阶次,在所述阶次谱上分别获取最接近所述中心频率左侧和右侧的O条特征频率边带的各频率对应阶次的各数据点,分别确定所述最接近中心频率左侧和右侧的O条特征频率边带的各频率对应阶次的各数据点为各窄带的中心,分别确定各窄带的中心的左侧带宽和右侧带宽,根据各窄带的中心、该中心的左侧带宽和右侧带宽计算所述各窄带的理论左边界和理论右边界;其中所述窄带的个数为2×O。
25.如权利要求20~24中任一项所述的装置,其中当所述零件的特征频率为轴承特征频率时,所述左侧带宽和右侧带宽均为所述特征频率乘以第一系数的值、或者所述特征频率乘以第一系数的值对应阶次;以及当所述零件的特征频率为非轴承特征频率时,所述左侧带宽和右侧带宽均为所述频谱分辨率乘以第二系数的值、或者所述阶次谱分辨率乘以第二系数的值。
26.如权利要求25所述的装置,其中当零件的非轴承特征频率小于或等于频谱分辨率的20倍,或者零件的非轴承特征频率对应阶次小于或等于阶次谱分辨率的20倍时,第二系数为3;以及当零件的非轴承特征频率大于频谱分辨率的20倍,或者零件的非轴承特征频率对应阶次大于阶次谱分辨率的20倍时,第二系数为5。
27.如权利要求16~24中任一项所述的装置,所述指标计算模块还适于根据所述设备数据获取综合指标,以便当设备发生故障时根据所述综合指标衡量故障严重程度,所述综合指标包括时域指标和频段能量指标。
28.如权利要求27所述的装置,其中所述时域指标包括均方根、峭度、峭度密度、歪度、歪度密度、峰值、裕度、均值、最大值和最小值中的至少一种。
29.如权利要求28所述的装置,其中所述指标计算模块还适于在所述设备数据的频谱或阶次谱划分为多个频段,通过对划分的各频段分别进行能量计算而得到所述综合指标中的频段能量指标。
30.如权利要求16~24中任一项所述的装置,其中所述频谱还包括频谱包络解调谱,所述阶次谱还包括阶次包络解调谱。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610083132.4A CN105738138B (zh) | 2016-02-04 | 2016-02-04 | 一种设备数据处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610083132.4A CN105738138B (zh) | 2016-02-04 | 2016-02-04 | 一种设备数据处理方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105738138A CN105738138A (zh) | 2016-07-06 |
CN105738138B true CN105738138B (zh) | 2018-09-25 |
Family
ID=56245924
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610083132.4A Active CN105738138B (zh) | 2016-02-04 | 2016-02-04 | 一种设备数据处理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105738138B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111238812B (zh) * | 2020-01-19 | 2021-10-19 | 西安交通大学 | 一种滚动轴承保持架故障的自诊断方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102243140A (zh) * | 2011-04-18 | 2011-11-16 | 杨彦利 | 一种基于子带信号分析的机械设备状态监测方法 |
CN104236908A (zh) * | 2014-09-23 | 2014-12-24 | 石家庄铁道大学 | 基于mid算法的组合切片轴承故障诊断方法 |
CN105092243A (zh) * | 2015-08-28 | 2015-11-25 | 昆明理工大学 | 一种齿轮故障定位系统及方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008197007A (ja) * | 2007-02-14 | 2008-08-28 | Takayoshi Yamamoto | 対象設備の診断方法、コンピュータプログラム、及び、対象設備を診断するための装置 |
JP2015021901A (ja) * | 2013-07-22 | 2015-02-02 | 株式会社神戸製鋼所 | 回転機械の診断装置 |
-
2016
- 2016-02-04 CN CN201610083132.4A patent/CN105738138B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102243140A (zh) * | 2011-04-18 | 2011-11-16 | 杨彦利 | 一种基于子带信号分析的机械设备状态监测方法 |
CN104236908A (zh) * | 2014-09-23 | 2014-12-24 | 石家庄铁道大学 | 基于mid算法的组合切片轴承故障诊断方法 |
CN105092243A (zh) * | 2015-08-28 | 2015-11-25 | 昆明理工大学 | 一种齿轮故障定位系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105738138A (zh) | 2016-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Saidi et al. | Bi-spectrum based-EMD applied to the non-stationary vibration signals for bearing faults diagnosis | |
EP2434266B1 (en) | Sideband energy ratio method for gear mesh fault detection | |
Sheng | Wind turbine gearbox condition monitoring round robin study-vibration analysis | |
Lei et al. | Gear crack level identification based on weighted K nearest neighbor classification algorithm | |
CN103857995B (zh) | 用于变速箱的状态监控的方法和系统 | |
EP0442020B1 (en) | Method and apparatus for detecting gear defects | |
McFadden et al. | A signal processing technique for detecting local defects in a gear from the signal average of the vibration | |
Blunt et al. | Detection of a fatigue crack in a UH-60A planet gear carrier using vibration analysis | |
US6651012B1 (en) | Method and apparatus for trending and predicting the health of a component | |
Siegel et al. | Novel method for rolling element bearing health assessment—A tachometer-less synchronously averaged envelope feature extraction technique | |
Zhao et al. | Signal optimization based generalized demodulation transform for rolling bearing nonstationary fault characteristic extraction | |
US20030065482A1 (en) | Method and apparatus for selecting condition indicators in determining the health of a component | |
EP2345894B1 (en) | Trending of vibration data taking into account torque effect | |
Noman et al. | A scale independent flexible bearing health monitoring index based on time frequency manifold energy & entropy | |
US9778281B1 (en) | Tachometer signal jitter reduction system and method | |
CN105675045A (zh) | 一种设备数据的分层采集方法和装置 | |
Lin et al. | A review and strategy for the diagnosis of speed-varying machinery | |
Hochmann et al. | Envelope bearing analysis: theory and practice | |
CN105738138B (zh) | 一种设备数据处理方法和装置 | |
Duan et al. | Time-varying filtering for nonstationary signal analysis of rotating machinery: Principle and applications | |
McFadden et al. | Time-frequency domain analysis of vibration signals for machinery diagnostics (1) introduction to the wigner-ville distribution | |
US11898994B2 (en) | Waveform acquisition optimization | |
Nissilä et al. | Diagnosing simultaneous faults using the local regularity of vibration signals | |
Bechhoefer | Automated Condition Monitoring of a Cycloid Gearbox | |
Zhang et al. | Virtual shaft‐based synchronous analysis for bearing damage detection and its application in wind turbines |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: 230088, Hefei City, Anhui high tech Zone Wangjiang West Road, No. 800 animation base B1-8 floor Applicant after: Anhui new Polytron Technologies Inc Address before: 230088, Hefei City, Anhui high tech Zone Wangjiang West Road, No. 800 animation base B1-8 floor Applicant before: ANHUI RONGZHI RIXIN INFORMATION TECHNOLOGY CO., LTD. |
|
COR | Change of bibliographic data | ||
GR01 | Patent grant | ||
GR01 | Patent grant |