CN105806614A - 基于嵌入式双服务器的火电厂旋转机械故障诊断方法及系统 - Google Patents

Abstract

本发明提供一种基于嵌入式双服务器的火电厂旋转机械故障诊断方法及系统，有助于提高旋转机械的可靠性和利用率。所述方法包括：确定故障模糊关系矩阵；采集旋转机械设备的振动信号，并确定故障信号及所述故障信号隶属度矩阵；根据所述故障模糊关系矩阵和故障信号隶属度矩阵，诊断旋转机械设备的故障种类。所述系统包括：故障模糊关系矩阵确定单元，用于确定故障模糊关系矩阵；故障信号隶属度矩阵确定单元，用于确定故障信号及所述故障信号隶属度矩阵；故障种类确定单元：用于根据所述故障模糊关系矩阵和故障信号隶属度矩阵，诊断旋转机械设备的故障种类，并发布预警信息。本发明适用于火电厂监控技术领域。

Description

基于嵌入式双服务器的火电厂旋转机械故障诊断方法及系统

技术领域

本发明涉及火电厂监控技术领域，特别是指一种基于嵌入式双服务器的火电厂旋转机械故障诊断方法及系统。

背景技术

随着自动化技术、通信技术和信息化技术的发展，我国火电厂厂级监控信息系统已得到迅速普及。目前不少火电厂都已经开始重视起对旋转机械设备状态的监测，引入多种状态监测与诊断技术，包括：阈值比较法、建立旋转机械设备的故障诊断数学模型、基于人工神经网络的故障诊断方法等技术。

阈值比较法是采用传统的二值逻辑，将采集到的信号与预设值进行比较，若振动信号小于预设值，则认为无故障，采集到信号是界限不分明的模糊集合,因而用传统的二值逻辑，这种诊断结果的可信度很低。

通过建立旋转机械设备的数学模型进行监测和故障诊断，但数学模型必须考虑旋转机械设备的每一种故障和在不同运行环境下的具体情况。由于大型旋转机械本身的复杂性和对故障机理的不完全清楚，至今难以建立起普遍适用的准确的数学模型；

基于人工神经网络的监测、故障诊断方法是最近几年随着神经网络的发展产生的，目前较多的使用BP网络以及自组织映射网络等。神经网络故障诊断方法不需要开发者专门的领域知识，只要有适当数目的具有一定类间距的示例，这是它的显著优点。但其也存在很大的局限性，例如，人工神经网络的诊断性能很大程度上受所选择示例的限制，如果训练样本较少时，或存在两个相似示例时，人工神经网络诊断结果的可信性低。

发明内容

本发明要解决的技术问题是提供一种基于嵌入式双服务器的火电厂旋转机械故障诊断方法及系统，以解决现有技术所存在的故障诊断方法不具有普遍性和诊断结果可信度低的问题。

为解决上述技术问题，本发明实施例提供一种基于嵌入式双服务器的火电厂旋转机械故障诊断方法及系统，包括：

获取旋转机械设备的故障信号集和故障种类集，并确定故障模糊关系矩阵；

采集旋转机械设备的振动信号，并确定故障信号及所述故障信号隶属度矩阵；

根据所述故障模糊关系矩阵和故障信号隶属度矩阵，诊断旋转机械设备的故障种类，并发布预警信息。

可选的，所述获取旋转机械设备的故障信号集和故障种类集，并确定故障模糊关系矩阵包括：

获取旋转机械设备的故障信号集和故障种类集；

通过中心服务器确定故障信号相对于故障种类的隶属度；

根据故障信号相对于故障种类的隶属度，建立故障模糊关系矩阵，所述故障模糊关系矩阵中的元素表示为r_ij；

其中，r_ij的值域为[0，1]，i＝1,2,...,n，n为故障种类，j＝1,2,...,m，m为故障信号的种类；

当r_ij＝0时，表示故障信号x_j的出现与故障种类y_i的存在无关；

当r_ij＝α，α∈(0,1)时，表示故障种类y_i是导致故障信号x_j出现的一个原因；

当r_ij＝1时，表示故障信号x_j的出现完全是由故障种类y_i导致的。

可选的，所述采集旋转机械设备的振动信号，并确定故障信号及所述故障信号隶属度矩阵包括：

通过中心服务器采集旋转机械设备的振动信号，对采集的所述振动信号进行时域分析、频谱分析、启停机分析，并根据分析结果从所述振动信号中提取故障信号，同时将分析结果及故障信号存储至数据库并发布至远程监控中心；

通过隶属函数确定所述故障信号的隶属度当时，表示故障信号x_j没有出现，当越接近1，表明故障信号x_j的程度越严重；

根据所述故障信号的隶属度建立故障信号隶属度矩阵。

可选的，所述根据所述故障模糊关系矩阵R和故障信号隶属度矩阵，诊断旋转机械设备的故障种类，并发布预警信息包括：

根据所述故障模糊关系矩阵和故障信号隶属度矩阵，通过中心服务器确定旋转机械设备的故障种类隶属度矩阵；

将所述故障种类隶属度矩阵中各故障种类的隶属度与预设的隶属度阈值矩阵进行比较，提取大于相应的预设的隶属度阈值对应的故障种类，若所述故障种类隶属度矩阵中各故障种类的隶属度均小于相应的预设的隶属度阈值，则判断诊断不可行，需返回重新采集旋转机械设备的振动信号；

根据最大隶属度原则，从已提取的故障种类中诊断旋转机械设备的故障种类，并根据已诊断的故障种类向远程预警中心发布预警信息，同时自动记录当前预警信息。

可选的，所述根据最大隶属度原则，从已提取的故障种类中诊断旋转机械设备的故障种类包括：

根据故障信号的频谱特征对故障种类进行聚类分析，确定故障模式类；

将每一类故障模式类中故障种类的隶属度大于相应的预设的隶属度阈值且在同类故障模式类中隶属度最大的故障种类，诊断为旋转机械设备的故障种类，所述故障种类包括：不少于1种故障种类。

可选的，还包括：

通过远程监控中心或远程预警中心向FTP服务器发送文件下载请求，FTP服务器对接收到文件下载请求进行安全验证，安全验证通过后，从数据库中读取相应文件，实现文件下载；

通过远程监控中心或远程预警中心向中心服务器发送HTTP请求消息，中心服务器对接收到HTTP请求消息进行解析认证，解析认证通过后，从数据库中读取相应的信息，并以网页的形式发送至远程监控中心或远程预警中心；

所述数据库，用于存储旋转机械设备稳态运行状态下的分析数据、采集的振动信号，启停机状态下的分析数据、采集的振动信号及存储各故障信号和各故障信号相应的诊断结果，所述诊断结果包括：至少一种故障信号对应至少一种故障种类。

本发明实施例还提供一种基于嵌入式双服务器的火电厂旋转机械故障诊断系统，包括：

故障模糊关系矩阵确定单元，用于获取旋转机械设备的故障信号集和故障种类集，并确定故障模糊关系矩阵；

故障信号隶属度矩阵确定单元，用于采集旋转机械设备的振动信号，并确定故障信号及所述故障信号隶属度矩阵；

故障种类确定单元：用于根据所述故障模糊关系矩阵和故障信号隶属度矩阵，诊断旋转机械设备的故障种类，并发布预警信息。

可选的，所述故障信号隶属度矩阵确定单元包括：

采集模块：用于通过中心服务器采集旋转机械设备的振动信号；

分析模块：用于对采集的所述振动信号进行时域分析、频谱分析、启停机分析；

存储模块：用于根据分析结果从所述振动信号中提取故障信号，同时将分析结果及故障信号存储至数据库；

发布模块：用于将分析结果发布至远程监控中心；

故障信号隶属度确定模块，用于通过隶属函数确定所述故障信号的隶属度当时，表示故障信号x_j没有出现，当越接近1，表明故障信号x_j的程度越严重；

故障信号隶属度矩阵建立模块，用于根据所述故障信号的隶属度建立故障信号隶属度矩阵。

可选的，所述故障种类确定单元包括：

故障种类隶属度矩阵确定模块：用于根据所述故障模糊关系矩阵和故障信号隶属度矩阵，通过中心服务器确定旋转机械设备的故障种类隶属度矩阵；

初步诊断模块：用于将所述故障种类隶属度矩阵中各故障种类的隶属度与预设的隶属度阈值矩阵进行比较，提取大于相应的预设的隶属度阈值对应的故障种类，若所述故障种类隶属度矩阵中各故障种类的隶属度均小于相应的预设的隶属度阈值，则判断诊断不可行，需返回重新采集旋转机械设备的振动信号；

故障种类诊断模块，用于根据最大隶属度原则，从已提取的故障种类中诊断旋转机械设备的故障种类；

预警信息发布模块，用于根据已诊断的故障种类向远程预警中心发布预警信息；

预警信息记录模块，用于自动记录当前预警信息。

可选的，所述系统还包括：

FTP访问模块：用于通过远程监控中心或远程预警中心向FTP服务器发送文件下载请求，FTP服务器对接收到文件下载请求进行安全验证，安全验证通过后，从数据库中读取相应文件，实现文件下载；

WEB访问模块：用于通过远程监控中心或远程预警中心向中心服务器发送HTTP请求消息，中心服务器对接收到HTTP请求消息进行解析认证，解析认证通过后，从数据库中读取相应的信息，并以网页的形式发送至远程监控中心或远程预警中心。

本发明的上述技术方案的有益效果如下：

上述方案中，通过根据获取到的旋转机械设备的故障信号集和故障种类集确定故障模糊关系矩阵，再根据采集到的旋转机械设备的振动信号确定故障信号及所述故障信号隶属度矩阵，最后根据已确定的故障模糊关系矩阵和故障信号隶属度矩阵，诊断旋转机械设备的故障种类，并根据已诊断的故障种类发布预警信息。这样，在监测旋转机械设备的过程中，无需人工干预，只需采集旋转机械设备各监测点的振动信号，再结合已确定的故障模糊关系矩阵，实时、快速地对旋转机械设备的故障种类进行诊断，并根据诊断结果发布预警信息，从而能够提高火电厂旋转机械设备的可靠性、利用率、运行寿命及生产效率。

附图说明

图1为本发明实施例提供的基于嵌入式双服务器的火电厂旋转机械故障诊断方法的方法流程图。

具体实施方式

为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。

本发明针对现有的故障诊断方法不具有普遍性和诊断结果可信度低的问题，提供一种基于嵌入式双服务器的火电厂旋转机械故障诊断方法及系统。

本发明实施例中，当旋转机械设备发生某种或者某些故障时，其输出或运转行为与正常运转行为是不同的，这些不同称为故障信号，故障诊断是找出引起这些故障信号的可能原因，即诊断旋转机械设备可能发生了什么故障，称为故障种类。本发明实施例中，根据故障信号的隶属度来确定各类故障的隶属度，用以表征各类故障存在的倾向性，为判断旋转机械设备的故障种类和采取检修措施的决策提供科学的依据。

实施例一

参看图1所示，本发明实施例提供的一种基于嵌入式双服务器的火电厂旋转机械故障诊断方法，包括：

S1：获取旋转机械设备的故障信号集和故障种类集，并确定故障模糊关系矩阵；

S2：采集旋转机械设备的振动信号，并确定故障信号及所述故障信号隶属度矩阵；

S3：根据所述故障模糊关系矩阵和故障信号隶属度矩阵，诊断旋转机械设备的故障种类，并发布预警信息。

本发明实施例所述的基于嵌入式双服务器的火电厂旋转机械故障诊断方法，通过根据获取到的旋转机械设备的故障信号集和故障种类集确定故障模糊关系矩阵，再根据采集到的旋转机械设备的振动信号确定故障信号及所述故障信号隶属度矩阵，最后根据已确定的故障模糊关系矩阵和故障信号隶属度矩阵，诊断旋转机械设备的故障种类，并根据已诊断的故障种类发布预警信息。这样，在监测旋转机械设备的过程中，无需人工干预，只需采集旋转机械设备各监测点的振动信号，再结合已确定的故障模糊关系矩阵，实时、快速地对旋转机械设备的故障种类进行诊断，并根据诊断结果发布预警信息，从而能够提高火电厂旋转机械设备的可靠性、利用率、运行寿命及生产效率。

本发明实施例中，故障信号集和故障种类集已经确定可以是固定不变的，也可以根据火电厂旋转机械设备的实际运行状况进行添加和删除，例如，所述故障种类集可以包括：转子不平衡、转子弯曲、油膜振荡、油膜涡动、转子不对中、喘振、动静件摩擦、轴承裂纹、转子支承件松动等，这些故障都会引起旋转机械设备在运行过程中的强烈振动。每次对旋转机械设备状态进行诊断时，只需要获取旋转机械设备预设监测点的振动信号，就可以得出诊断结果，对操作者无特殊要求。

在前述基于嵌入式双服务器的火电厂旋转机械故障诊断方法的具体实施方式中，可选地，所述获取旋转机械设备的故障信号集和故障种类集，并确定故障模糊关系矩阵包括：

获取旋转机械设备的故障信号集和故障种类集；

通过中心服务器确定故障信号相对于故障种类的隶属度；

根据故障信号相对于故障种类的隶属度，建立故障模糊关系矩阵，所述故障模糊关系矩阵中的元素表示为r_ij；

其中，r_ij的值域为[0，1]，i＝1,2,...,n，n为故障种类，j＝1,2,...,m，m为故障信号的种类；

当r_ij＝0时，表示故障信号x_j的出现与故障种类y_i的存在无关；

当r_ij＝α，α∈(0,1)时，表示故障种类y_i是导致故障信号x_j出现的一个原因；

当r_ij＝1时，表示故障信号x_j的出现完全是由故障种类y_i导致的。

本发明实施例中，先获取旋转机械设备的故障信号集和故障种类集，假设旋转机械设备的故障信号集中包括m种故障信号，表示为x₁,x₂,...,x_m，旋转机械设备的故障种类集中包括n种故障种类，表示为y₁，y₂，...,y_n；故障信号隶属度矩阵表示为：

$X={\[{\mathrm{\μ}}_{x_1},{\mathrm{\μ}}_{x_2},...,{\mathrm{\μ}}_{x_m}\]}^T;$

其中，是旋转机械设备具有故障信号x_j的隶属度。

本发明实施例中，故障种类隶属度矩阵表示为：

$Y={\[{\mathrm{\μ}}_{y_1},{\mathrm{\μ}}_{y_2},...,{\mathrm{\μ}}_{y_m}\]}^T;$

其中，是旋转机械设备具有故障种类y_i的隶属度。显然，故障信号和故障种类之间存在着一定的函数关系，例如，某一故障种类将引起监测到的旋转机械设备的振动信号发生强弱不同的变化，而某一振动信号的变化也表征着若干个故障种类的存在，这个函数关系可通过隶属度表示，例如，可确定出故障信号x_j相对于故障种类y_i的隶属度表示为：

$r_{ij}={\mathrm{\μ}}_{y_i}\left(x_j\right),$

其中，元素r_ij组成了故障模糊关系矩阵R，故障模糊关系矩阵R是体现诊断专家经验知识的矩阵，元素r_ij的值既可以是含有故障信号x_j的函数表达式的形式，也可以是一个固定的值，他的物理意义是表示有故障信号x_j和故障种类y_i之间的隶属度，其值域为[0，1]，其中，r_ij的大小表示导致故障信号x_j出现时，故障种类y_i存在的可能程度，其中，当r_ij＝0时，表示故障信号x_j的出现与故障种类y_i的存在无关；当r_ij＝1时，表示故障信号x_j的出现完全是由故障种类y_i导致的，当r_ij＝α且α∈(0,1)时，表示故障信号x_j的出现的原因是由故障种类y_i与其他故障原因共同引起的。

在前述基于嵌入式双服务器的火电厂旋转机械故障诊断方法的具体实施方式中，可选地，所述采集旋转机械设备的振动信号，并确定故障信号及所述故障信号隶属度矩阵包括：

通过中心服务器采集旋转机械设备的振动信号，对采集的所述振动信号进行时域分析、频谱分析、启停机分析，并根据分析结果从所述振动信号中提取故障信号，同时将分析结果及故障信号存储至数据库并发布至远程监控中心；

通过隶属函数确定所述故障信号的隶属度当时，表示故障信号x_j没有出现，当越接近1，表明故障信号x_j的程度越严重；

根据所述故障信号的隶属度建立故障信号隶属度矩阵。

本发明实施例中，通过中心服务器采集旋转机械设备的振动信号，并对集的所述振动信号进行时域分析、频谱分析、启停机分析。

本发明实施例中，时域分析包括：实时波形显示、时域统计分析与显示、时域相关分析、轴心轨迹分析等。实时波形显示以不同的显示格式显示振动通道的波形图，可以分别显示双通道或者所有通道的振动时域波形。实时波形是最原始的振动信号，通过波形变化，可直接用来对旋转机械设备的故障种类做出初步判断。一般说来，单纯不平衡的振动波形基本上是正弦式波形；单纯不对中的振动波形比较稳定、光滑、重复性好；转子组件松动及干摩擦产生的振动波形比较毛糙、不光滑、不稳定，还可能出现削波现象。时域统计分析包括峰峰值、有效值、均值、方差、波形指标、峰值指标、脉冲指标、裕度指标、峭度指标等。轴心轨迹直观地反映了转子瞬时的涡动状态，包括了多种有关旋转机械设备运转状态的信息。

本发明实施例中，频谱分析包括：各振动信号的功率谱图(所述功率谱图包括：自功率谱、互功率谱)、幅值谱图、相位谱图、全息谱图。功率谱表示振动功率随振动频率的分布情况，幅值谱表示对应于各频率的谐波振动分量所具有的振幅。全息谱将同一截面的两垂直通道的幅值信息和相位信息进行合成。频谱分析既可实现实时频谱分析，又可以对数据库中的历史数据进行分析。

本发明实施例中，启停机分析包括：波德图、奈魁斯特图、瀑布图。在旋转机械设备启停过程中，转子经历了各种转速，其振动信号是转子系统对转速变化的响应，是转子动态特性和故障征兆的外在反映，包含了平时难以获得的丰富信息。

本发明实施例中，根据分析结果从所述振动信号中提取故障信号，同时将分析结果及故障信号存储至数据库并发布至远程监控中心，工作人员能够通过远程监控中心实时了解到旋转机械设备的运转状态。

本发明实施例中，能够通过隶属函数确定所述故障信号的隶属度所述隶属函数一经确定可以使固定不变的，故障信号隶属度矩阵表示为：

$X={\[{\mathrm{\μ}}_{x_1},{\mathrm{\μ}}_{x_2},...,{\mathrm{\μ}}_{x_m}\]}^T;$

其中，是旋转机械设备具有故障信号x_j的隶属度，当则表示故障信号x_j没有出现，当越接近1，则表明故障信号的程度越严重。并根据所述故障信号的隶属度建立故障信号隶属度矩阵X。

在前述基于嵌入式双服务器的火电厂旋转机械故障诊断方法的具体实施方式中，可选地，所述根据所述故障模糊关系矩阵R和故障信号隶属度矩阵，诊断旋转机械设备的故障种类，并发布预警信息包括：

根据所述故障模糊关系矩阵和故障信号隶属度矩阵，通过中心服务器确定旋转机械设备的故障种类隶属度矩阵；

将所述故障种类隶属度矩阵中各故障种类的隶属度与预设的隶属度阈值矩阵进行比较，提取大于相应的预设的隶属度阈值对应的故障种类，若所述故障种类隶属度矩阵中各故障种类的隶属度均小于相应的预设的隶属度阈值，则判断诊断不可行，需返回重新采集旋转机械设备的振动信号；

根据最大隶属度原则，从已提取的故障种类中诊断旋转机械设备的故障种类，并根据已诊断的故障种类向远程预警中心发布预警信息，同时自动记录当前预警信息。

本发明实施例中，可以根据关系式：Y＝RoX，确定旋转机械设备的故障种类隶属度矩阵，再根据阈值原则和最大隶属度原则，诊断旋转机械设备的故障种类，并根据已诊断的故障种类向远程预警中心发布预警信息，同时自动记录当前预警信息。

本发明实施例中，例如，故障模糊关系矩阵R和故障信号隶属度矩阵X分别为：

$R=\left[\begin{array}{ccccccccc}0& 0& 0& 0& 0.9& 0.05& 0.05& 0& 0\\ 0& 0& 0& 0& 0.3& 0.60& 0.10& 0& 0\\ 0& 0& 0& 0& 0.9& 0.05& 0.05& 0& 0\\ 0.1& 0.8& 0& 0& 0.1& 0& 0& 0& 0\\ 0& 1& 0& 0& 0& 0& 0& 0& 0\\ 0.9& 0& 0& 0& 0.1& 0& 0& 0& 0\\ 0.1& 0.1& 0& 0.1& 0.2& 0.1& 0.2& 0& 0.2\\ 0& 0& 0& 0& 0.4& 0.2& 0.2& 0& 0.2\\ 0& 0& 0.2& 0& 0.6& 0.1& 0.1& 0& 0\end{array}\right]$

X＝[0.02050.01630.01130.02450.58940.70910.05040.04290.0353]^T；

根据已知故障模糊关系矩阵R、故障信号隶属度矩阵X以及关系式Y＝RoX确定旋转机械设备的故障种类隶属度矩阵Y：

Y＝[0.56840.60730.54840.07400.01630.07740.21210.39740.4319]^T。

本发明实施例中，将所述故障种类隶属度矩阵中各故障种类的隶属度与预设的隶属度阈值矩阵进行比较，所述预设的隶属度阈值矩阵A为：

A＝[0.550.550.550.500.500.400.400.550.40]；

根据预设的隶属度阈值矩阵A和已确定旋转机械设备的故障种类隶属度矩阵Y，提取大于相应的预设的隶属度阈值对应的故障种类：

0.5684>0.55；

0.6073>0.55；

o.4319>0.40。

本发明实施例中，若所述故障种类隶属度矩阵中各故障种类的隶属度均小于相应的预设的隶属度阈值，则判断诊断不可行，需返回重新采集旋转机械设备的振动信号。

本发明实施例中，最后，根据最大隶属度原则，从已提取的故障种类中诊断旋转机械设备的故障种类，并根据已诊断的故障种类向远程预警中心发布预警信息，同时自动记录当前预警信息。

在前述基于嵌入式双服务器的火电厂旋转机械故障诊断方法的具体实施方式中，可选地，所述根据最大隶属度原则，从已提取的故障种类中诊断旋转机械设备的故障种类包括：

根据故障信号的频谱特征对故障种类进行聚类分析，确定故障模式类；

将每一类故障模式类中故障种类的隶属度大于相应的预设的隶属度阈值且在同类故障模式类中隶属度最大的故障种类，诊断为旋转机械设备的故障种类，所述故障种类包括：不少于1种故障种类。

本发明实施例中，旋转机械设备的振动总是伴随着旋转机械设备的运转而始终存在着，振动信号蕴含了丰富的旋转机械设备的内部状态信息，充分剖析采集到得旋转机械设备的振动信号能够为旋转机械设备的故障诊断提供重要的依据。为此，本发明对旋转机械设备的振动信号进行频谱分析，利用频谱所反映的频谱特征对故障种类进行聚类分析，确定故障模式类。通过将具有相似频谱结构的故障归为一个模式类，从而可以在故障模式类的层次上对旋转机械设备的故障种类做诊断，区分属于不同性质的故障，解决模式类间的误识别问题。再将每一类故障模式类中故障种类的隶属度大于相应的预设的隶属度阈值且在同类故障模式类中隶属度最大的故障种类，诊断为旋转机械设备的故障种类，所述故障种类包括：不少于1种故障种类。这样，振动信息的综合运用可以正确区分开不同模式类的故障，有助于提高旋转机械设备故障诊断的可信度，降低故障误识别问题。

本发明实施例中，根据已确定的故障诊断结果可以看出即使某个故障种类有最大的故障种类隶属度，也不能说拥有最大故障种类隶属度的故障种类就是旋转机械设备的故障原因，可能还有其他的故障原因。但是，如果某个故障种类的隶属度为零，则这个故障一定不会发生。

在前述基于嵌入式双服务器的火电厂旋转机械故障诊断方法的具体实施方式中，可选地，所述方法还包括：

通过远程监控中心或远程预警中心向FTP服务器发送文件下载请求，FTP服务器对接收到文件下载请求进行安全验证，安全验证通过后，从数据库中读取相应文件，实现文件下载；

通过远程监控中心或远程预警中心向中心服务器发送HTTP请求消息，中心服务器对接收到HTTP请求消息进行解析认证，解析认证通过后，从数据库中读取相应的信息，并以网页的形式发送至远程监控中心或远程预警中心；

所述数据库，用于存储旋转机械设备稳态运行状态下的分析数据、采集的振动信号，启停机状态下的分析数据、采集的振动信号及存储各故障信号和各故障信号相应的诊断结果，所述诊断结果包括：至少一种故障信号对应至少一种故障种类。

本发明实施例中，采用嵌入式双服务器作为本发明的控制中心，通过中心服务器实现web功能，并通过FTP服务器实现文件下载功能。通过通过中心服务器实现web功能是指通过远程监控中心或远程预警中心向中心服务器发送HTTP请求消息，中心服务器对接收到HTTP请求消息进行解析认证，解析认证通过后，从数据库中读取相应的信息，并以网页的形式发送至远程监控中心或远程预警中心；通过FTP服务器实现文件下载功能是指通过远程监控中心或远程预警中心向FTP服务器发送文件下载请求，FTP服务器对接收到文件下载请求进行安全验证，安全验证通过后，从数据库中读取相应文件，实现文件下载。

实施例二

本发明还提供一种基于嵌入式双服务器的火电厂旋转机械故障诊断系统的具体实施方式，由于本发明提供的基于嵌入式双服务器的火电厂旋转机械故障诊断系统与前述基于嵌入式双服务器的火电厂旋转机械故障诊断方法的具体实施方式相对应，该基于嵌入式双服务器的火电厂旋转机械故障诊断系统可以通过执行上述方法具体实施方式中的流程步骤来实现本发明的目的，因此上述基于嵌入式双服务器的火电厂旋转机械故障诊断方法具体实施方式中的解释说明，也适用于本发明提供的基于嵌入式双服务器的火电厂旋转机械故障诊断系统的具体实施方式，在本发明以下的具体实施方式中将不再赘述。

本发明实施例还提供一种基于嵌入式双服务器的火电厂旋转机械故障诊断系统，包括：

故障模糊关系矩阵确定单元，用于获取旋转机械设备的故障信号集和故障种类集，并确定故障模糊关系矩阵；

故障信号隶属度矩阵确定单元，用于采集旋转机械设备的振动信号，并确定故障信号及所述故障信号隶属度矩阵；

故障种类确定单元：用于根据所述故障模糊关系矩阵和故障信号隶属度矩阵，诊断旋转机械设备的故障种类，并发布预警信息。

本发明实施例所述的基于嵌入式双服务器的火电厂旋转机械故障诊断系统，通过根据获取到的旋转机械设备的故障信号集和故障种类集确定故障模糊关系矩阵，再根据采集到的旋转机械设备的振动信号确定故障信号及所述故障信号隶属度矩阵，最后根据已确定的故障模糊关系矩阵和故障信号隶属度矩阵，诊断旋转机械设备的故障种类，并根据已诊断的故障种类发布预警信息。这样，在监测旋转机械设备的过程中，无需人工干预，只需采集旋转机械设备各监测点的振动信号，再结合已确定的故障模糊关系矩阵，实时、快速地对旋转机械设备的故障种类进行诊断，并根据诊断结果发布预警信息，从而能够提高火电厂旋转机械设备的可靠性、利用率、运行寿命及生产效率。

在前述基于嵌入式双服务器的火电厂旋转机械故障诊断系统的具体实施方式中，可选地，所述故障信号隶属度矩阵确定单元包括：

采集模块：用于通过中心服务器采集旋转机械设备的振动信号；

分析模块：用于对采集的所述振动信号进行时域分析、频谱分析、启停机分析；

存储模块：用于根据分析结果从所述振动信号中提取故障信号，同时将分析结果及故障信号存储至数据库；

发布模块：用于将分析结果发布至远程监控中心；

故障信号隶属度确定模块，用于通过隶属函数确定所述故障信号的隶属度当时，表示故障信号x_j没有出现，当越接近1，表明故障信号x_j的程度越严重；

故障信号隶属度矩阵建立模块，用于根据所述故障信号的隶属度建立故障信号隶属度矩阵。

在前述基于嵌入式双服务器的火电厂旋转机械故障诊断系统的具体实施方式中，可选地，所述故障种类确定单元包括：

故障种类隶属度矩阵确定模块：用于根据所述故障模糊关系矩阵和故障信号隶属度矩阵，通过中心服务器确定旋转机械设备的故障种类隶属度矩阵；

初步诊断模块：用于将所述故障种类隶属度矩阵中各故障种类的隶属度与预设的隶属度阈值矩阵进行比较，提取大于相应的预设的隶属度阈值对应的故障种类，若所述故障种类隶属度矩阵中各故障种类的隶属度均小于相应的预设的隶属度阈值，则判断诊断不可行，需返回重新采集旋转机械设备的振动信号；

故障种类诊断模块，用于根据最大隶属度原则，从已提取的故障种类中诊断旋转机械设备的故障种类；

预警信息发布模块，用于根据已诊断的故障种类向远程预警中心发布预警信息；

预警信息记录模块，用于自动记录当前预警信息。

在前述基于嵌入式双服务器的火电厂旋转机械故障诊断系统的具体实施方式中，可选地，所述系统还包括：

FTP访问模块：用于通过远程监控中心或远程预警中心向FTP服务器发送文件下载请求，FTP服务器对接收到文件下载请求进行安全验证，安全验证通过后，从数据库中读取相应文件，实现文件下载；

WEB访问模块：用于通过远程监控中心或远程预警中心向中心服务器发送HTTP请求消息，中心服务器对接收到HTTP请求消息进行解析认证，解析认证通过后，从数据库中读取相应的信息，并以网页的形式发送至远程监控中心或远程预警中心。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种基于嵌入式双服务器的火电厂旋转机械故障诊断方法，其特征在于，包括：

获取旋转机械设备的故障信号集和故障种类集，并确定故障模糊关系矩阵；

采集旋转机械设备的振动信号，并确定故障信号及所述故障信号隶属度矩阵；

根据所述故障模糊关系矩阵和故障信号隶属度矩阵，诊断旋转机械设备的故障种类，并发布预警信息。

2.根据权利要求1所述的方法，其特征在于，所述获取旋转机械设备的故障信号集和故障种类集，并确定故障模糊关系矩阵包括：

获取旋转机械设备的故障信号集和故障种类集；

通过中心服务器确定故障信号相对于故障种类的隶属度；

根据故障信号相对于故障种类的隶属度，建立故障模糊关系矩阵，所述故障模糊关系矩阵中的元素表示为r_ij；

其中，r_ij的值域为[0，1]，i＝1,2,...,n，n为故障种类，j＝1,2,...,m，m为故障信号的种类；

当r_ij＝0时，表示故障信号x_j的出现与故障种类y_i的存在无关；

当r_ij＝α，α∈(0,1)时，表示故障种类y_i是导致故障信号x_j出现的一个原因；

当r_ij＝1时，表示故障信号x_j的出现完全是由故障种类y_i导致的。

3.根据权利要求2所述的方法，其特征在于，所述采集旋转机械设备的振动信号，并确定故障信号及所述故障信号隶属度矩阵包括：

通过中心服务器采集旋转机械设备的振动信号，对采集的所述振动信号进行时域分析、频谱分析、启停机分析，并根据分析结果从所述振动信号中提取故障信号，同时将分析结果及故障信号存储至数据库并发布至远程监控中心；

通过隶属函数确定所述故障信号的隶属度当时，表示故障信号x_j没有出现，当越接近1，表明故障信号x_j的程度越严重；

根据所述故障信号的隶属度建立故障信号隶属度矩阵。

4.根据权利要求3所述的方法，其特征在于，所述根据所述故障模糊关系矩阵R和故障信号隶属度矩阵，诊断旋转机械设备的故障种类，并发布预警信息包括：

根据所述故障模糊关系矩阵和故障信号隶属度矩阵，通过中心服务器确定旋转机械设备的故障种类隶属度矩阵；

将所述故障种类隶属度矩阵中各故障种类的隶属度与预设的隶属度阈值矩阵进行比较，提取大于相应的预设的隶属度阈值对应的故障种类，若所述故障种类隶属度矩阵中各故障种类的隶属度均小于相应的预设的隶属度阈值，则判断诊断不可行，需返回重新采集旋转机械设备的振动信号；

根据最大隶属度原则，从已提取的故障种类中诊断旋转机械设备的故障种类，并根据已诊断的故障种类向远程预警中心发布预警信息，同时自动记录当前预警信息。

5.根据权利要求4所述的方法，其特征在于，所述根据最大隶属度原则，从已提取的故障种类中诊断旋转机械设备的故障种类包括：

根据故障信号的频谱特征对故障种类进行聚类分析，确定故障模式类；

将每一类故障模式类中故障种类的隶属度大于相应的预设的隶属度阈值且在同类故障模式类中隶属度最大的故障种类，诊断为旋转机械设备的故障种类，所述故障种类包括：不少于1种故障种类。

6.根据权利要求5所述的方法，其特征在于，还包括：

通过远程监控中心或远程预警中心向FTP服务器发送文件下载请求，FTP服务器对接收到文件下载请求进行安全验证，安全验证通过后，从数据库中读取相应文件，实现文件下载；

通过远程监控中心或远程预警中心向中心服务器发送HTTP请求消息，中心服务器对接收到HTTP请求消息进行解析认证，解析认证通过后，从数据库中读取相应的信息，并以网页的形式发送至远程监控中心或远程预警中心；

所述数据库，用于存储旋转机械设备稳态运行状态下的分析数据、采集的振动信号，启停机状态下的分析数据、采集的振动信号及存储各故障信号和各故障信号相应的诊断结果，所述诊断结果包括：至少一种故障信号对应至少一种故障种类。

7.一种基于嵌入式双服务器的火电厂旋转机械故障诊断系统，其特征在于，包括：

故障模糊关系矩阵确定单元，用于获取旋转机械设备的故障信号集和故障种类集，并确定故障模糊关系矩阵；

故障信号隶属度矩阵确定单元，用于采集旋转机械设备的振动信号，并确定故障信号及所述故障信号隶属度矩阵；

故障种类确定单元：用于根据所述故障模糊关系矩阵和故障信号隶属度矩阵，诊断旋转机械设备的故障种类，并发布预警信息。

8.根据权利要求7所述的系统，其特征在于，所述故障信号隶属度矩阵确定单元包括：

采集模块：用于通过中心服务器采集旋转机械设备的振动信号；

分析模块：用于对采集的所述振动信号进行时域分析、频谱分析、启停机分析；

存储模块：用于根据分析结果从所述振动信号中提取故障信号，同时将分析结果及故障信号存储至数据库；

发布模块：用于将分析结果发布至远程监控中心；

故障信号隶属度确定模块，用于通过隶属函数确定所述故障信号的隶属度当时，表示故障信号x_j没有出现，当越接近1，表明故障信号x_j的程度越严重；

故障信号隶属度矩阵建立模块，用于根据所述故障信号的隶属度建立故障信号隶属度矩阵。

9.根据权利要求8所述的系统，其特征在于，所述故障种类确定单元包括：

故障种类隶属度矩阵确定模块：用于根据所述故障模糊关系矩阵和故障信号隶属度矩阵，通过中心服务器确定旋转机械设备的故障种类隶属度矩阵；

初步诊断模块：用于将所述故障种类隶属度矩阵中各故障种类的隶属度与预设的隶属度阈值矩阵进行比较，提取大于相应的预设的隶属度阈值对应的故障种类，若所述故障种类隶属度矩阵中各故障种类的隶属度均小于相应的预设的隶属度阈值，则判断诊断不可行，需返回重新采集旋转机械设备的振动信号；

故障种类诊断模块，用于根据最大隶属度原则，从已提取的故障种类中诊断旋转机械设备的故障种类；

预警信息发布模块，用于根据已诊断的故障种类向远程预警中心发布预警信息；

预警信息记录模块，用于自动记录当前预警信息。

10.根据权利要求9所述的系统，其特征在于，还包括：

FTP访问模块：用于通过远程监控中心或远程预警中心向FTP服务器发送文件下载请求，FTP服务器对接收到文件下载请求进行安全验证，安全验证通过后，从数据库中读取相应文件，实现文件下载；

WEB访问模块：用于通过远程监控中心或远程预警中心向中心服务器发送HTTP请求消息，中心服务器对接收到HTTP请求消息进行解析认证，解析认证通过后，从数据库中读取相应的信息，并以网页的形式发送至远程监控中心或远程预警中心。