CN106571016B - 一种基于报警次数跳变触发机制的机械早期故障判别方法 - Google Patents

Abstract

一种基于报警次数跳变触发机制的机械早期故障判别方法，首先对采集的振动信号提取特征指标，采用自适应高斯阈值划分正常与故障状态区间，之后利用提出的连续报警次数跳变触发机制排除外界噪声等因素干扰，准确及时的判别出机械设备早期故障发生时刻，本发明利用自适应高斯阈值的优势，使报警阈值可以随着采集数据的获取不断自我调整，克服了传统固定阈值的缺陷；提出的报警次数跳变触发机制，克服了人为主观因素的干扰，提升了早期故障的诊断能力，本发明在机械设备早期故障状态监测中表现出比传统监测机制更好的诊断效果。

Description

一种基于报警次数跳变触发机制的机械早期故障判别方法

技术领域

本发明属于机械状态监测技术领域，具体涉及一种基于报警次数跳变触发机制的机械早期故障判别方法。

背景技术

机械装备作为目前应用最为广泛的一类生产工具，在能源、冶金、航空等不同领域占据着举足轻重的地位。为了保障机械设备安全、可靠的运行，机械装备状态监测技术应运而生。机械装备的状态监测作为机械故障诊断的基础，准确地诊断出早期故障对于后续的故障分类识别以及剩余寿命预测至关重要，因此如何准确可靠地诊断出机械装备早期故障正受到国内外学者的广泛关注。

目前工程中经常采用一种连续触发机制对机械早期故障进行判别，即当连续N个特征指标超过正常状态阈值，则判别此时发生了早期故障。该触发机制往往能一定程度上避免噪声等外界因素的干扰，及时监测出早期故障发生时刻。但正常状态阈值的设定往往为固定阈值，不能随着新数据的不断获取自适应更新；且连续报警次数N选择具有人为主观性，若N值选择太小，触发机制不能有效避免外界因素的干扰，易出现误报现象的发生，若N值选择太大，触发机制延迟性太高，易出现漏报现象的发生。因此，上述缺点可能导致传统连续触发机制对早期故障发生时刻的诊断能力大打折扣，其判别精度将受到较大的影响。

发明内容

为了克服上述传统连续触发机制的缺点，本发明的目的在于提供一种基于报警次数跳变触发机制的机械早期故障判别方法，提升传统连续触发机制的早期故障诊断能力，避免传统触发机制中固定阈值的局限以及连续报警次数人为主观设定等问题，准确可靠地诊断出机械设备早期故障。

为了达到上述目的，本发明采取的技术方案为：

一种基于报警次数跳变触发机制的机械早期故障判别方法，包含以下步骤：

1)实时采集机械设备振动信号，计算提取相应的特征指标，初始化间隔报警计数器l＝0和连续报警次数A_l＝0；

2)选择初期采集的I个历史数据，提取相应的特征指标构成原始特征指标集F＝(f₁,f₂...,f_I)，计算该原始指标集的均值及标准差σ_I，计算初始阈值

3)在t_m+1时刻新采集的振动信号数据提取特征f_m+1，其中m≥I，判断f_m+1是否大于上一时刻阈值T_m，若f_m+1>T_m，则T_m+1＝T_m，否则

4)如果特征指标f_m+1＞T_m+1，标记t_m+1时刻报警值S_m+1＝1，否则S_m+1＝0；

5)采用以下公式更新间隔报警计数器l和连续报警次数A_l：

6)若A_l-A_l-1≥2，则判定当前时刻为早期故障发生时刻；否则m＝m+1，返回第3)步，继续判断直至连续报警次数满足A_l-A_l-1≥2为止。

本发明的有益效果为：

利用自适应高斯阈值的优势，使其阈值可以随着采集数据的获取不断自我调整，变得更加准确可靠，克服了原始固定阈值的缺陷。本发明提出的连续报警次数跳变触发机制，克服了人为主观因素的干扰，提升了早期故障的诊断能力。将提出的连续报警次数跳变触发机制应用于机械设备全寿命故障状态监测中，该触发机制能够有效抑制了噪声等外界因素的干扰，准确可靠地监测出早期故障。

附图说明

图1为本发明方法的流程图。

图2为实施例两组测试轴承监测振动信号。

图3为实施例分别采用Ginart方法与连续报警次数跳变触发机制对轴承早期故障发生时刻判别的结果对比图。

具体实施方式

下面结合附图和实施案例对本发明做进一步详细描述：

如图1所示，一种基于报警次数跳变触发机制的机械早期故障判别方法，包括以下步骤：

1)实时采集机械设备振动信号，计算提取相应的有效值指标，初始化间隔报警计数器l＝0和连续报警次数A_l＝0；

2)选择初期采集的I个历史数据，提取相应的有效值指标构成原始特征指标集F＝(f₁,f₂...,f_I)，计算该原始指标集的均值及标准差σ_I，计算初始阈值

3)在t_m+1时刻对新采集的振动信号数据提取有效值特征f_m+1，其中m≥I，判断f_m+1是否大于上一时刻阈值T_m，若f_m+1>T_m，则T_m+1＝T_m，否则

4)比较t_m+1时刻特征指标f_m+1与相应阈值T_m+1大小，若f_m+1＞T_m+1，标记t_m+1时刻报警值S_m+1＝1，若f_m+1≤T_m+1，则标记S_m+1＝0；

5)根据t_m与t_m+1时刻对应的报警值S_m与S_m+1大小，采用以下公式更新间隔报警计数器l和连续报警次数A_l：

6)若A_l-A_l-1≥2，则判定当前时刻为早期故障发生时刻；否则m＝m+1，返回第3)步，继续判断直至连续报警次数满足A_l-A_l-1≥2为止。

实施例：为了详细阐明本发明方法提出的连续报警次数跳变触发机制，下面以一个仿真案例进行详细阐述。

表1连续报警次数跳变触发机制仿真案例

从上述仿真案例可以看出，由于A₂-A₁＝1＜2，不满足终止判定条件，此时报警值规则的跳动很可能是由于随机噪声等环境因素的干扰。随着时间的推移，直至时刻13时，累加值满足A₃-A₂≥2，机械设备报警值稳定于1，判定此刻机械设备发生了早期故障。

为进一步证明提出的连续报警次数跳变触发机制的有效性，采用PHM2012-PRONOSTIA滚动轴承加速寿命实验台实验数据对其进行验证。在全寿命加速寿命实验中，轴的转速为1800rmp，轴承径向载荷为4000N；加速度传感器采样频率为25.6kHz，采样时间为0.1s，采样长度25600，采样间隔是10s。选取两组实验轴承的全寿命振动信号如图2所示，轴承1为缓慢失效故障，轴承2为突然失效故障。从图中能够看出，在开始试验较长一段时间内，信号比较平稳，说明滚动轴承处于正常状态运行阶段；随着时间推移，振动信号的幅值整体趋势不断缓慢变大或者突然变大，说明滚动轴承处于故障退化阶段。

从轴承全寿命振动信号中提取有效值及峭度指标，采用本发明提出的故障监测方法对轴承早期故障发生时刻进行监测，其监测结果如图3所示。选择前50个特征指标构成原始特征指标集F＝(f₁,f₂...,f₅₀)，计算初始阈值T₅₀，对后续采集的数据进行判断，不断更新自适应高斯阈值集。当特征指标大于自适应阈值时，说明此时轴承状态存在异常。但轴承状态存在异常并不意味着轴承已发生了故障，也可能是由于噪声等外界因素干扰引起。为了排除随机噪声等外界因素对轴承健康状态监测带来的干扰，判断连续报警次数是否满足A_l-A_l-1≥2。如果满足以上条件，则表明轴承的异常状态确实由故障引起而非外界噪声等因素干扰，则判定该时刻机械设备发生了早期故障。采用传统的Ginart方法与本发明提出方法进行比较，其中t₁时刻为采用本发明方法确定的故障发生时刻，t₂时刻为Ginart方法确定的故障发生时刻。从图中可以看出，在轴承1缓慢退化案例中，Ginart方法确定的阈值太高，且没有排除外界环境干扰的逻辑，导致早期故障监测结果严重滞后，本发明提出的方法能有效排除因外界环境干扰产生的异常点，较为准确及时的诊断出机械设备早期故障。在轴承2突然退化案例中，Ginart方法确定的阈值明显太高，以至于在机械设备完全失效时都未能诊断出早期故障发生时刻，本发明提出的方法却在突然失效附近及时诊断出早期故障发生时刻。因此本发明通过提出的连续报警次数跳变触发机制实现了对轴承早期故障的有效诊断。

通过轴承加速寿命实验台全寿命实验数据验证了本发明在轴承早期故障状态监测中的优势。本发明采用自适应高斯阈值替代固定阈值，使其阈值可以伴随新采集的数据不断更新，变得更加准确可靠；对传统的连续触发机制改进，采用连续报警次数跳变触发机制克服了人为因素选择参数的干扰，从而提高了早期故障的诊断精度。

本发明所提出的基于报警次数跳变触发机制的机械早期故障判别方法，并不只局限于机械设备的早期故障状态监测，还可以应用于其他领域具有衰退趋势的产品早期故障状态监测中。应当指出，在不脱离本发明构思的前提下，所做的调整和变形，也应视为本发明的保护范围。

Claims (1)

1.一种基于报警次数跳变触发机制的机械早期故障判别方法，其特征在于，包括以下步骤：

1)实时采集机械设备振动信号，计算提取相应的特征指标，初始化间隔报警计数器l＝0和连续报警次数A_l＝0；

2)选择初期采集的I个历史数据，提取相应的特征指标构成原始特征指标集F＝(f₁,f₂...,f_I)，计算该原始特征指标集的均值及标准差σ_I，计算初始阈值

3)在t_m+1时刻新采集的振动信号数据提取特征f_m+1，其中m≥I，判断f_m+1是否大于上一时刻阈值T_m，若f_m+1>T_m，则T_m+1＝T_m，否则

4)如果特征指标f_m+1＞T_m+1，标记t_m+1时刻报警值S_m+1＝1，否则S_m+1＝0；

5)采用以下公式更新间隔报警计数器l和连续报警次数A_l：

6)若A_l-A_l-1≥2，则判定当前时刻为早期故障发生时刻；否则m＝m+1，返回第3)步，继续判断直至连续报警次数满足A_l-A_l-1≥2为止。