CN108956041A - 基于频谱特征单边检测法的烧结机漏风故障在线诊断方法 - Google Patents
基于频谱特征单边检测法的烧结机漏风故障在线诊断方法 Download PDFInfo
- Publication number
- CN108956041A CN108956041A CN201810552798.9A CN201810552798A CN108956041A CN 108956041 A CN108956041 A CN 108956041A CN 201810552798 A CN201810552798 A CN 201810552798A CN 108956041 A CN108956041 A CN 108956041A
- Authority
- CN
- China
- Prior art keywords
- sound
- sample
- normal
- leaks out
- sintering machine
- 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.)
- Granted
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
- G01M3/00—Investigating fluid-tightness of structures
- G01M3/02—Investigating fluid-tightness of structures by using fluid or vacuum
- G01M3/04—Investigating fluid-tightness of structures by using fluid or vacuum by detecting the presence of fluid at the leakage point
- G01M3/24—Investigating fluid-tightness of structures by using fluid or vacuum by detecting the presence of fluid at the leakage point using infrasonic, sonic, or ultrasonic vibrations
Abstract
本发明公开一种基于频谱特征单边检测法的烧结机漏风故障在线诊断方法。包括如下步骤1:在正常工况下和漏风故障工况下分别收集烧结生产车间的声音数据得到车间声音历史样本;步骤2:依据收集到的历史样本建立正常声音模型和漏风故障声音模型;步骤3:实时采集当前烧结生产车间的声音数据获得在线生产样本,将在线声音样本与正常声音模型进行比较,依据比较结果判断在线声音样本是否异常,如果在线声音样本的数据异常,则将在线声音样本的数据与漏风故障声音模型进行比较,判断在线声音样本是否属于已定义的漏风故障以判断烧结机是否发生漏风故障;本发明通过对易获得的声音信号进行采集和分析,为烧结机的漏风故障监测提供了方便易行的方法。
Description
技术领域
本发明涉及一种基于频谱特征单边检测法的烧结机漏风故障在线诊断方法。
背景技术
铁矿石烧结是现代钢铁冶金流程中的重要环节,其最主要生产环节是在台车式烧结机上将混合均匀的小颗粒状原料点火燃烧,使其熔合成块状烧结矿。为保证烧结矿结结块的强度和化学成分,需要原料在烧结机上得到充分燃烧。混合搅拌均匀的小颗粒状原料在烧结机上是以厚料层形式均匀分布的,为保证原料的充分燃烧,烧结机会在原料层下方设置风箱并连接抽风机,通过抽风机产生的负压,将新鲜空气带入到燃烧的原料层中。由于烧结机的密封结构和长期使用的保养问题,烧结生产过程中会产生漏风现象,导致燃烧不充分和抽风机能源的浪费,严重漏风的情况下,甚至会产生高温颗粒物洒落,造成生产事故。烧结机及其附属的风箱、风管、阀门等,由于结构复杂,且工作在高温状态,使漏风率的检测一直缺少行之有效的手段。
声音信号具有传播速度快和不易被遮挡的特性,而根据长期的生产经验总结,烧结机漏风故障的一个重要现象就是会产生风穿过狭窄空间造成的啸叫声,这种漏风产生的声音一般比较尖锐,和工厂背景声音有一定的区分度,所以本发明根据烧结机漏风现象的这一特点,采用对车间声音信号分析的方法,实现烧结机漏风故障的综合在线检测和故障诊断。
发明内容
针对上述问题,本发明提供一种基于频谱特征单边检测法的烧结机漏风故障在线诊断方法。
为达到上述目的,本发明一种基于频谱特征单边检测法的烧结漏风故障在线诊断方法,所述方法包括如下步骤:
步骤1:在正常工况下和漏风故障工况下分别收集烧结生产车间的声音数据得到车间声音历史样本;
步骤2:依据收集到的历史样本建立正常声音模型和漏风故障声音模型;
步骤3:实时采集当前烧结生产车间的声音数据获得在线生产样本,将在线声音样本与正常声音模型进行比较,依据比较结果判断在线声音样本是否异常,如果在线声音样本的数据异常,则将在线声音样本的数据与漏风故障声音模型进行比较,判断在线声音样本是否属于已定义的漏风故障以判断烧结机是否发生漏风故障。
进一步地,所述步骤2中建立正常声音模型的方法包括:
步骤2.1:将步骤1中得到车间声音历史样本,通过采样和去噪,制备成离线正常样本集;
步骤2.2:对获得的正常样本集进行时域-频域转换,得到正常工作频谱样本集;
步骤2.3:对正常工作频谱样本集,在音频分布范围内均匀选取若干个频段,作为烧结车间声音特征频率集;
步骤2.4:利用获得的声音特征频率集,计算各特征频率对应的声音强度,得到正常样本强度集;
步骤2.5:利用获得的正常样本强度集构建得到烧结机正常声音模型;
所述步骤3中判断烧结机是否发生漏风故障的步骤为:
步骤3.1:将获得的在线生产样本进行频谱分析,得到各特征频率对应的声音强度集;
步骤3.2:计算在线生产样本与正常声音模型间声音强度的相似性测度;依据相似性测度判断在线生产样本是否异常;
若在线生产样本正常,则确定烧结机没有发生漏风故障;
若在线生产样本异常,则计算处于异常状态下的生产样本的声音强度集与烧结机漏风故障状态库中的各故障类型的相似性测度,判断在线生产样本的声音强度集是否属于已知的漏风故障类型,若属于,则将在线生产样本的声音强度集归类为已知故障类;若不属于,则将在线生产样本的声音强度集提交人工进行查验,判断是否发生漏风故障或是否属于漏风故障的子类型,同时更新漏风故障模型。
进一步地,所述方法还包括通过阈值判定法或者模糊决策法对模型结果进行分析并给出故障诊断意见。
进一步地,所述步骤2.5中利用获得的正常样本强度集构建得到烧结机正常声音模型的方法为:利用正常样本强度集计算正常样本的质心,作为正常数据的中心点,样本点构成的超球体半径作为正常状态的空间半径,最终获得正常声音模型。
进一步地,所述步骤3.2中计算在线生产样本与正常声音模型间声音强度的相似性测度;依据相似性测度判断在线生产样本是否异常的方法具体为:计算在线生产样本到质心的距离;
将在线生产样本到质心的距离与超球体半径的进行比较,如果在线生产样本到质心的距离小于或等于超球体半径,则将当前状态归类为正常状态,如果在线生产样本到质心的距离大于超球体半径,则将当前状态归类为异常状态。
本发明提出的基于频谱特征单边检测法的烧结机漏风故障在线诊断方法,通过对易获得的声音信号进行采集和分析,为烧结机这种的整体大型设备的漏风故障监测提供了方便易行的方法。本发明中利用声音的频谱和强度特性,构造的特征表示方法,为烧结机漏风故障提供了可监测的依据;通过计算当前样本和模型在特征频率空间的相似性测度,定义了可供数值计算的烧结机漏风故障判据,为烧结机漏风故障自动判断提供了可计算的指标;通过决策机制对烧结机漏风故障判据进行诊断的方式,为烧结机漏风故障的智能化诊断的提供了有效手段;与此同时,本发明提出的烧结机漏风故障在线诊断方法,其在线诊断过程只需要简单的解析式计算,其计算复杂度低,实时性能好,对硬件系统的计算资源和内存资源占用都很低,实施成本低。通过本发明提出的烧结机漏风故障在线诊断方法,可以在缺乏历史经验的情况下通过人工在线教学的方式,逐步建立漏风故障的诊断模型,实现在线诊断,有利于提高烧结燃烧过程的稳定性,降低故障率,提高烧结矿成品质量。通过本发明提出的烧结机漏风故障在线诊断方法,可以及时发现烧结生产中的漏风现象,为降低烧结主抽风机节能降耗和设备检修维护提供关键的检测判别手段。
附图说明
图1本发明的检测和硬件系统示意图;
图2本发明的总工作流程图;
图3本发明的基于频率特征的烧结机离线正常声音建模流程图;
图4本发明的基于频率特征的烧结机漏风故障在线诊断流程图。
具体实施方式
下面结合说明书附图对本发明做进一步的描述。
实施例1
结合图1和图2,烧结移动台车里是正在燃烧的混合原料,台车下部是抽取空气以满足燃烧需要的风机系统,主要包括烧结风箱、烧结烟道和主抽风机等。由于台车是若干移动式的独立小车拼接而成,所以台车与台车间、风箱和台车间存在间隙和活动连接,这就导致容易在各种不同部位产生漏风现象,且难以通过有效手段进行密封性检测;本实施例中提供一种基于频谱特征单边检测法的烧结机漏风故障在线诊断方法,如图所示,在烧结机所在车间安装若干声音信号采集器,作为现场传感器为在线故障诊断提供检测信号源。通过模型服务器对车间正常声音信号的历史数据进行分析,构建烧结机车间的正常声音模型,并构建空白的漏风故障声音模型。通过在线监控服务器,检测当前声音数据的异常,并通过人工判别的方式在线更新漏风故障声音模型,对烧结生产实时数据进行分析和故障诊断,具体包括如下步骤:步骤1:在正常工况下和漏风故障工况下分别收集烧结生产车间的声音数据得到车间声音历史样本;
步骤2:依据收集到的历史样本建立正常声音模型和漏风故障声音模型;
步骤3:实时采集当前烧结生产车间的声音数据获得在线生产样本,将在线声音样本与正常声音模型进行比较,依据比较结果判断在线声音样本是否异常,如果在线声音样本的数据异常,则将在线声音样本的数据与漏风故障声音模型进行比较,判断在线声音样本是否属于已定义的漏风故障以判断烧结机是否发生漏风故障。
结合体图3,其中步骤2中具体包括
步骤2.1:将步骤1中得到车间声音历史样本,通过采样和去噪,制备成离线正常样本集Xnormal;
步骤2.2:对获得的正常样本集进行时域-频域转换,得到正常工作频谱样本集;
步骤2.3:对正常工作频谱样本集,在音频分布范围内均匀选取k个频段,作为烧结车间声音特征频率集,记为F={f1,…,fk},其中,fi为第i个特征频率;
步骤2.4:利用获得的声音特征频率集,计算各特征频率对应的声音强度,得到正常样本强度集;设得到特征频率对应的声音强度为Sj={sj1,...,sjk},其中,j为样本的序号,i为特征频率序号,sji为第j个样本的第i个特征对应的声音强度;所有样本的声音强度Sj构成正常样本强度集Xsnormal={S1,...,Sk},其中Si为第i个样本特征频率对应的声音强度;
步骤2.5:利用获得的正常样本强度集Xsnormal计算正常样本的质心,作为正常数据的中心点Snormal,样本点构成的超球体半径rnormal作为正常状态的空间半径,
结合图4,步骤3中判断烧结机是否发生漏风故障的步骤为:
步骤3.1:将获得的在线生产样本进行频谱分析,得到故障特征频率对应的声音强度集;得到故障特征频率对应的声音强度集为Sj={sj1,…,sjk},其中,j为当前样本的序号,i为特征频率序号,sji为当前样本第i个特征对应的声音强度;
步骤3.2:计算在线生产样本与正常声音模型间声音强度的相似性测度;具体以欧式距离为例,计算在线生产样本到质心的距离为Dj=||(Sj-Snormal)||;
比较样本到质心的距离为Dj与超球体半径rnormal的大小,如果Dj≤rnormal,则判断当前状态为正常状态;
如果Dj>rnormal,则判断当前状态为异常状态,此时,计算处于异常状态下的生产样本的声音强度集与烧结机漏风故障状态库中的各故障类型的相似性测度,判断在线生产样本的声音强度集是否属于已知的漏风故障类型,若属于,则将在线生产样本的声音强度集归类为已知故障类;若不属于,则将在线生产样本的声音强度集提交人工进行查验,判断是否发生漏风故障或是否属于漏风故障的子类型,同时更新漏风故障模型。
最后通过阈值判定法或者模糊决策法对模型结果进行分析并给出故障诊断意见。
本发明提出的基于频谱特征单边检测法的烧结机漏风故障在线诊断方法,利用声音的频谱和强度特性,构造的特征表示方法,为烧结机漏风故障提供了可监测的依据;通过计算当前样本和模型在特征频率空间的相似性测度,定义了可供数值计算的烧结机漏风故障判据,为烧结机漏风故障自动判断提供了可计算的指标;通过决策机制对烧结机漏风故障判据进行诊断的方式,为烧结机漏风故障的智能化诊断的提供了有效手段。
以上,仅为本发明的较佳实施例,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求所界定的保护范围为准。
Claims (5)
1.一种基于频谱特征单边检测法的烧结机漏风故障在线诊断方法,烧结机所在车间安装有若干声音信号采集器,其特征在于,所述方法包括如下步骤:
步骤1:在正常工况下和漏风故障工况下分别收集烧结生产车间的声音数据得到车间声音历史样本;
步骤2:依据收集到的历史样本建立正常声音模型和漏风故障声音模型;
步骤3:实时采集当前烧结生产车间的声音数据获得在线生产样本,将在线声音样本与正常声音模型进行比较,依据比较结果判断在线声音样本是否异常,如果在线声音样本的数据异常,则将在线声音样本的数据与漏风故障声音模型进行比较,判断在线声音样本是否属于已定义的漏风故障以判断烧结机是否发生漏风故障。
2.根据权利要求1所述的基于频谱特征单边检测法的烧结机漏风故障在线诊断方法,其特征在于,所述步骤2中建立正常声音模型的方法包括:
步骤2.1:将步骤1中得到车间声音历史样本,通过采样和去噪,制备成离线正常样本集;
步骤2.2:对获得的正常样本集进行时域-频域转换,得到正常工作频谱样本集;
步骤2.3:对正常工作频谱样本集,在音频分布范围内均匀选取若干个频段,作为烧结车间声音特征频率集;
步骤2.4:利用获得的声音特征频率集,计算各特征频率对应的声音强度,得到正常样本强度集;
步骤2.5:利用获得的正常样本强度集构建得到烧结机正常声音模型;
所述步骤3中判断烧结机是否发生漏风故障的步骤为:
步骤3.1:将获得的在线生产样本进行频谱分析,得到各特征频率对应的声音强度集;
步骤3.2:计算在线生产样本与正常声音模型间声音强度的相似性测度;依据相似性测度判断在线生产样本是否异常;
若在线生产样本正常,则确定烧结机没有发生漏风故障;
若在线生产样本异常,则计算处于异常状态下的生产样本的声音强度集与烧结机漏风故障状态库中的各故障类型的相似性测度,判断在线生产样本的声音强度集是否属于已知的漏风故障类型,若属于,则将在线生产样本的声音强度集归类为已知故障类;若不属于,则将在线生产样本的声音强度集提交人工进行查验,判断是否发生漏风故障或是否属于漏风故障的子类型,同时更新漏风故障模型。
3.根据权利要求2所述的基于频谱特征单边检测法的烧结机漏风故障在线诊断方法,其特征在于,所述方法还包括通过阈值判定法或者模糊决策法对模型结果进行分析并给出故障诊断意见。
4.根据权利要求2所述的基于频谱特征单边检测法的烧结机漏风故障在线诊断方法,其特征在于,所述步骤2.5中利用获得的正常样本强度集构建得到烧结机正常声音模型的方法为:利用正常样本强度集计算正常样本的质心,作为正常数据的中心点,样本点构成的超球体半径作为正常状态的空间半径,最终获得正常声音模型。
5.根据权利要求4所述的基于频谱特征单边检测法的烧结机漏风故障在线诊断方法,其特征在于,所述步骤3.2中计算在线生产样本与正常声音模型间声音强度的相似性测度;依据相似性测度判断在线生产样本是否异常的方法具体为:计算在线生产样本到质心的距离;
将在线生产样本到质心的距离与超球体半径的进行比较,如果在线生产样本到质心的距离小于或等于超球体半径,则将当前状态归类为正常状态,如果在线生产样本到质心的距离大于超球体半径,则将当前状态归类为异常状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810552798.9A CN108956041B (zh) | 2018-05-31 | 2018-05-31 | 基于频谱特征单边检测法的烧结机漏风故障在线诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810552798.9A CN108956041B (zh) | 2018-05-31 | 2018-05-31 | 基于频谱特征单边检测法的烧结机漏风故障在线诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108956041A true CN108956041A (zh) | 2018-12-07 |
CN108956041B CN108956041B (zh) | 2020-07-28 |
Family
ID=64492834
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810552798.9A Active CN108956041B (zh) | 2018-05-31 | 2018-05-31 | 基于频谱特征单边检测法的烧结机漏风故障在线诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108956041B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109885951A (zh) * | 2019-02-28 | 2019-06-14 | 中科云创(厦门)科技有限公司 | 设备故障诊断方法及装置 |
CN109920079A (zh) * | 2018-12-18 | 2019-06-21 | 国网浙江桐乡市供电有限公司 | 一种电力设备的安全配置数据收集方法 |
TWI706409B (zh) * | 2019-02-01 | 2020-10-01 | 中國鋼鐵股份有限公司 | 燒結台車漏風型態辨識系統 |
CN117268527A (zh) * | 2023-09-11 | 2023-12-22 | 安徽融讯智能科技有限公司 | 一种电机故障诊断方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3201897A1 (de) * | 1982-01-22 | 1983-08-18 | Daimler-Benz Ag, 7000 Stuttgart | Verfahren zur fehlerdiagnose an kraftfahrzeugen und einrichtung zur durchfuehrung des verfahrens |
CN103558029A (zh) * | 2013-10-22 | 2014-02-05 | 重庆建设摩托车股份有限公司 | 一种发动机异响故障在线诊断系统和诊断方法 |
CN105424395A (zh) * | 2015-12-15 | 2016-03-23 | 珠海格力电器股份有限公司 | 设备故障的确定方法和装置 |
CN106442720A (zh) * | 2016-08-29 | 2017-02-22 | 重庆交通大学 | 一种声振式轨道桥梁健康监测装置、系统及方法 |
CN106650576A (zh) * | 2016-09-22 | 2017-05-10 | 中国矿业大学 | 一种基于噪声特征统计量的矿山设备健康状态判决方法 |
CN107796611A (zh) * | 2017-10-20 | 2018-03-13 | 龚土婷 | 一种用于检测风力发电机异常工作的报警系统 |
-
2018
- 2018-05-31 CN CN201810552798.9A patent/CN108956041B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3201897A1 (de) * | 1982-01-22 | 1983-08-18 | Daimler-Benz Ag, 7000 Stuttgart | Verfahren zur fehlerdiagnose an kraftfahrzeugen und einrichtung zur durchfuehrung des verfahrens |
CN103558029A (zh) * | 2013-10-22 | 2014-02-05 | 重庆建设摩托车股份有限公司 | 一种发动机异响故障在线诊断系统和诊断方法 |
CN105424395A (zh) * | 2015-12-15 | 2016-03-23 | 珠海格力电器股份有限公司 | 设备故障的确定方法和装置 |
CN106442720A (zh) * | 2016-08-29 | 2017-02-22 | 重庆交通大学 | 一种声振式轨道桥梁健康监测装置、系统及方法 |
CN106650576A (zh) * | 2016-09-22 | 2017-05-10 | 中国矿业大学 | 一种基于噪声特征统计量的矿山设备健康状态判决方法 |
CN107796611A (zh) * | 2017-10-20 | 2018-03-13 | 龚土婷 | 一种用于检测风力发电机异常工作的报警系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109920079A (zh) * | 2018-12-18 | 2019-06-21 | 国网浙江桐乡市供电有限公司 | 一种电力设备的安全配置数据收集方法 |
TWI706409B (zh) * | 2019-02-01 | 2020-10-01 | 中國鋼鐵股份有限公司 | 燒結台車漏風型態辨識系統 |
CN109885951A (zh) * | 2019-02-28 | 2019-06-14 | 中科云创(厦门)科技有限公司 | 设备故障诊断方法及装置 |
CN117268527A (zh) * | 2023-09-11 | 2023-12-22 | 安徽融讯智能科技有限公司 | 一种电机故障诊断方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108956041B (zh) | 2020-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108956041A (zh) | 基于频谱特征单边检测法的烧结机漏风故障在线诊断方法 | |
CN115833400B (zh) | 一种变电站电力设备的监测预警方法及系统 | |
CN102705078B (zh) | 基于灰色模型的柴油机故障预测方法 | |
CN104573850A (zh) | 一种火电厂设备状态评估方法 | |
CN102662390B (zh) | 一种随机模糊故障特征融合的旋转机械设备故障诊断方法 | |
CN108627720B (zh) | 一种基于贝叶斯算法的电力设备状态监测方法 | |
CN105846780A (zh) | 一种基于决策树模型的光伏组件故障诊断方法 | |
CN103439091B (zh) | 水轮机转轮叶片裂纹故障早期预警和诊断方法及系统 | |
CN108981796B (zh) | 一种五位一体水力机械故障诊断方法 | |
CN105487530A (zh) | 柴油机排温低故障预测系统及方法 | |
CN110702437B (zh) | 一种水轮发电机组油压系统健康状况的评价方法 | |
CN102789676A (zh) | 一种基于报警证据融合的工业报警器设计方法 | |
CN115614292B (zh) | 一种立式水泵机组振动监测装置及其方法 | |
CN117148001A (zh) | 一种基于人工智能的新能源汽车充电桩故障预测系统 | |
CN112434852A (zh) | 一种高炉送风制度合理性的评价方法 | |
CN108709426A (zh) | 基于频谱特征双边检测法烧结机漏风故障在线诊断方法 | |
CN113806969B (zh) | 一种基于时域数据关联建模的压缩机组健康预测方法 | |
CN108759479A (zh) | 基于盲源分离单边检测法的烧结机漏风故障在线诊断方法 | |
CN106933097B (zh) | 一种基于多层优化pcc-sdg的化工过程故障诊断方法 | |
CN108895839A (zh) | 烧结机漏风故障在线诊断方法 | |
CN109029697A (zh) | 基于频谱特征单边检测法的环冷机漏风故障在线诊断方法 | |
CN111612181A (zh) | 基于故障树的锅炉异常工况诊断及运行优化方法 | |
CN108804796B (zh) | 基于频谱特征的环冷机漏风率检测方法 | |
Llombart et al. | Power curve characterization I: improving the bin method | |
CN106650154B (zh) | 一种基于热力性能指标的核电常规岛设备可靠性监测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |