CN109060332A - 一种基于协同过滤融合进行声波信号分析的机械设备诊断法 - Google Patents

一种基于协同过滤融合进行声波信号分析的机械设备诊断法 Download PDF

Info

Publication number
CN109060332A
CN109060332A CN201810915990.XA CN201810915990A CN109060332A CN 109060332 A CN109060332 A CN 109060332A CN 201810915990 A CN201810915990 A CN 201810915990A CN 109060332 A CN109060332 A CN 109060332A
Authority
CN
China
Prior art keywords
collaborative filtering
signal
acoustic signals
diagnosis
time
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.)
Pending
Application number
CN201810915990.XA
Other languages
English (en)
Inventor
李川
何赛
杨帅
陶颖
喻其炳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing Technology and Business University
Original Assignee
Chongqing Technology and Business University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chongqing Technology and Business University filed Critical Chongqing Technology and Business University
Priority to CN201810915990.XA priority Critical patent/CN109060332A/zh
Publication of CN109060332A publication Critical patent/CN109060332A/zh
Pending legal-status Critical Current

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
    • G01M13/00—Testing of machine parts
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明公开了一种基于协同过滤融合进行声波信号分析的机械设备诊断法，包括四个部分，信号采集、特征提取、状态识别和诊断决策，所述信号采集通过协同过滤融合进行采集；特征提取，将采集到的信号进行分类处理、加工，获得能表征设备特征的过程；状态识别，将经信号处理后获得的声波信号的特征参数；诊断决策，根据对设备状态的判断，决定采取的决策和措施，同时根据当前信号预测设备状态可能发展的趋势，进行趋势分析，做出决策。利用声波诊断电气设备运行状态是一种非接触式的监测方法，能够在不影响电气设备正常运行的情况下，准确反映其运行状态，可用于变压器、断路器和互感器等电气设备，有效期对GIS的故障诊断更为有效。

Description

一种基于协同过滤融合进行声波信号分析的机械设备诊断法
技术领域
本发明涉及设备诊断方法领域，具体为一种基于协同过滤融合进行声波信号分析的机械设备诊断法。
背景技术
目前，机械故障诊断技术是一种了解和掌握机器在运行过程的状态，确定其整体或局部正常或异常，早期发现故障及其原因，并能预报故障发展趋势的技术。
公告号为CN105760672B的专利公开了一种机械设备故障诊断方法，包括以下步骤，根据故障症状确定零部件出现故障的概率向量B1；根据统计的零件故障历史数据，确定零部件本身固有的故障率向量B2；根据B1和B2，进行加权运算，确定零部件出现故障的综合概率向量B，根据零部件出现故障的综合概率的大小，确定故障原因。
然而，传统的诊断方法有油中气体分析法、泄露电流监测法、局部放电监测法、绝缘恢复电压法等，但是这些方法一般要通过接触式传感器监测来实现，而在监测电气设备时，电气设备本身通常处于高电压和强磁场的复杂环境下，现场的电磁干扰足以影响监测结果，并且接触式传感器不利于安装与维护。
发明内容
本发明的目的在于提供一种基于协同过滤融合进行声波信号分析的机械设备诊断法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种基于协同过滤融合进行声波信号分析的机械设备诊断法，包括四个部分，信号采集、特征提取、状态识别和诊断决策，所述信号采集通过协同过滤融合进行采集；特征提取，将采集到的信号进行分类处理、加工，获得能表征设备特征的过程，即信号消噪和特征提取；状态识别，将经信号处理后获得的声波信号的特征参数，通过推理机与系统知识库中的允许参数与判别参数进行比较，以诊断其运行状态是否存在故障、进一步确定故障的类型和性质等；诊断决策，根据对设备状态的判断，决定采取的决策和措施，同时根据当前信号预测设备状态可能发展的趋势，进行趋势分析，做出决策。
优选的，所述特征提取，首先对采集到的声波信号滤波，取得特定频段的数据，然后用信号分析和数据处理方法将消噪后的信号转换为能表达状态的特征量，把反映故障的特征信息和与故障无关的特征信息分离开来，达到去伪存真的目的。
优选的，所述诊断决策，系统采集电气设备运行的实时声波信号，结合信号的消噪和特征提取技术，通过专家系统可实现对电气设备的在线监测及诊断。
优选的，所述融合时间因素的协同过滤方法，通过融合时间因素的协同过滤装置实现，包括以下步骤，a)简历指数平滑模型；b)获取对所述指数平滑模型拟定的时间段，时间段包括多个时间周期；c)利用用户标识和与时间对应的平滑结果生成矩阵，矩阵包括声波信号；d)获取协同过滤模型，将与时间周期对应的平滑结果输入至协同过滤模型；e)形成所述信号采集。
优选的，所述融合时间因素的协同过滤装置包括模型建立模块、获取模块、平滑模块、矩阵生成模块，模型建立模块用于建立指数平滑模型，获取模块用于获取对所述指数平滑模块拟定的时间段，所述时间段包括多个时间周期；获取多个声波信号的数据；平滑模块用于利用获取的声波信号的数据进行迭代计算，得到与时间周期对应的平滑结果；矩阵生成模块用于利用所述指数平滑模型对声波信号结果生成数据矩阵，矩阵包括不同时间段的声波信号数据。
优选的，所述装置还包括统计模块，用于根据声波信号数据的强度进行统计；正则化模块用于对统计结果进行正则化处理，得到相似度。
优选的，所述装置还包括拟合模块，用于多次测量的结果进行拟合。
与现有技术相比，本发明的有益效果是：利用声波诊断电气设备运行状态是一种非接触式的监测方法，能够在不影响电气设备正常运行的情况下，准确反映其运行状态，可用于变压器、断路器和互感器等电气设备，有效期对GIS的故障诊断更为有效。
附图说明
图1为本发明的整体流程示意图；
图2为本发明的融合时间因素的协同过滤方法流程图；
图3为本发明实施例一的融合时间因素的协同过滤装置示意图；
图4为本发明实施例二的融合时间因素的协同过滤装置示意图；
图5为本发明实施例三的融合时间因素的协同过滤装置示意图。
图中，1、模型建立模块；2、获取模块；3、平滑模块；4、矩阵生成模块；5、统计模块；6、拟合模块。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1-5，本发明提供一种技术方案：
实施例一
一种基于协同过滤融合进行声波信号分析的机械设备诊断法，包括四个部分，信号采集、特征提取、状态识别和诊断决策，信号采集通过协同过滤融合进行采集；特征提取，将采集到的信号进行分类处理、加工，获得能表征设备特征的过程，即信号消噪和特征提取；状态识别，将经信号处理后获得的声波信号的特征参数，通过推理机与系统知识库中的允许参数与判别参数进行比较，以诊断其运行状态是否存在故障、进一步确定故障的类型和性质等；诊断决策，根据对设备状态的判断，决定采取的决策和措施，同时根据当前信号预测设备状态可能发展的趋势，进行趋势分析，做出决策。
特征提取，首先对采集到的声波信号滤波，取得特定频段的数据，然后用信号分析和数据处理方法将消噪后的信号转换为能表达状态的特征量，把反映故障的特征信息和与故障无关的特征信息分离开来，达到去伪存真的目的。
诊断决策，系统采集电气设备运行的实时声波信号，结合信号的消噪和特征提取技术，通过专家系统可实现对电气设备的在线监测及诊断。
融合时间因素的协同过滤方法，通过融合时间因素的协同过滤装置实现，包括以下步骤，a简历指数平滑模型；b获取对指数平滑模型拟定的时间段，时间段包括多个时间周期；c利用用户标识和与时间对应的平滑结果生成矩阵，矩阵包括声波信号；d获取协同过滤模型，将与时间周期对应的平滑结果输入至协同过滤模型；e形成信号采集。
融合时间因素的协同过滤装置包括模型建立模块1、获取模块2、平滑模块3、矩阵生成模块4，模型建立模块1用于建立指数平滑模型，获取模块2用于获取对指数平滑模块3拟定的时间段，时间段包括多个时间周期；获取多个声波信号的数据；平滑模块3用于利用获取的声波信号的数据进行迭代计算，得到与时间周期对应的平滑结果；矩阵生成模块4用于利用指数平滑模型对声波信号结果生成数据矩阵，矩阵包括不同时间段的声波信号数据。
实施例二
融合时间因素的协同过滤装置还包括统计模块5，用于根据声波信号数据的强度进行统计；正则化模块用于对统计结果进行正则化处理，得到相似度。
实施例三
融合时间因素的协同过滤装置还包括拟合模块6，用于多次测量的结果进行拟合。
工作原理：利用声波诊断电气设备运行状态是一种非接触式的监测方法，能够在不影响电气设备正常运行的情况下，准确反映其运行状态，可用于变压器、断路器和互感器等电气设备，有效期对GIS的故障诊断更为有效。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (7)

1.一种基于协同过滤融合进行声波信号分析的机械设备诊断法，其特征在于：包括四个部分，信号采集、特征提取、状态识别和诊断决策，所述信号采集通过协同过滤融合进行采集；特征提取，将采集到的信号进行分类处理、加工，获得能表征设备特征的过程，即信号消噪和特征提取；状态识别，将经信号处理后获得的声波信号的特征参数，通过推理机与系统知识库中的允许参数与判别参数进行比较，以诊断其运行状态是否存在故障、进一步确定故障的类型和性质等；诊断决策，根据对设备状态的判断，决定采取的决策和措施，同时根据当前信号预测设备状态可能发展的趋势，进行趋势分析，做出决策。
2.根据权利要求1所述的一种基于协同过滤融合进行声波信号分析的机械设备诊断法，其特征在于：所述特征提取，首先对采集到的声波信号滤波，取得特定频段的数据，然后用信号分析和数据处理方法将消噪后的信号转换为能表达状态的特征量，把反映故障的特征信息和与故障无关的特征信息分离开来，达到去伪存真的目的。
3.根据权利要求1所述的一种基于协同过滤融合进行声波信号分析的机械设备诊断法，其特征在于：所述诊断决策，系统采集电气设备运行的实时声波信号，结合信号的消噪和特征提取技术，通过专家系统可实现对电气设备的在线监测及诊断。
4.根据权利要求1所述的一种基于协同过滤融合进行声波信号分析的机械设备诊断法，其特征在于：所述融合时间因素的协同过滤方法，通过融合时间因素的协同过滤装置实现，包括以下步骤，a)简历指数平滑模型；b)获取对所述指数平滑模型拟定的时间段，时间段包括多个时间周期；c)利用用户标识和与时间对应的平滑结果生成矩阵，矩阵包括声波信号；d)获取协同过滤模型，将与时间周期对应的平滑结果输入至协同过滤模型；e)形成所述信号采集。
5.根据权利要求1所述的一种基于协同过滤融合进行声波信号分析的机械设备诊断法，其特征在于：所述融合时间因素的协同过滤装置包括模型建立模块(1)、获取模块(2)、平滑模块(3)、矩阵生成模块(4)，模型建立模块(1)用于建立指数平滑模型，获取模块(2)用于获取对所述指数平滑模块(3)拟定的时间段，所述时间段包括多个时间周期；获取多个声波信号的数据；平滑模块(3)用于利用获取的声波信号的数据进行迭代计算，得到与时间周期对应的平滑结果；矩阵生成模块(4)用于利用所述指数平滑模型对声波信号结果生成数据矩阵，矩阵包括不同时间段的声波信号数据。
6.根据权利要求5所述的一种基于协同过滤融合进行声波信号分析的机械设备诊断法，其特征在于：所述装置还包括统计模块(5)，用于根据声波信号数据的强度进行统计；正则化模块用于对统计结果进行正则化处理，得到相似度。
7.根据权利要求5所述的一种基于协同过滤融合进行声波信号分析的机械设备诊断法，其特征在于：所述装置还包括拟合模块(6)，用于多次测量的结果进行拟合。
CN201810915990.XA 2018-08-13 2018-08-13 一种基于协同过滤融合进行声波信号分析的机械设备诊断法 Pending CN109060332A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810915990.XA CN109060332A (zh) 2018-08-13 2018-08-13 一种基于协同过滤融合进行声波信号分析的机械设备诊断法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810915990.XA CN109060332A (zh) 2018-08-13 2018-08-13 一种基于协同过滤融合进行声波信号分析的机械设备诊断法

Publications (1)

Publication Number Publication Date
CN109060332A true CN109060332A (zh) 2018-12-21

Family

ID=64683767

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810915990.XA Pending CN109060332A (zh) 2018-08-13 2018-08-13 一种基于协同过滤融合进行声波信号分析的机械设备诊断法

Country Status (1)

Country Link
CN (1) CN109060332A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110470383A (zh) * 2019-09-18 2019-11-19 李桦楠 一种基于声波监测和机器学习的机械构件运行状态的检测方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106530010A (zh) * 2016-11-15 2017-03-22 平安科技（深圳）有限公司 融合时间因素的协同过滤方法和装置
CN106770652A (zh) * 2016-12-02 2017-05-31 国网四川省电力公司信息通信公司 基于声波特征的高压变压器健康状态监测装置及监测方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106530010A (zh) * 2016-11-15 2017-03-22 平安科技（深圳）有限公司 融合时间因素的协同过滤方法和装置
CN106770652A (zh) * 2016-12-02 2017-05-31 国网四川省电力公司信息通信公司 基于声波特征的高压变压器健康状态监测装置及监测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
李东勤等: "个性化推荐系统中协同过滤算法研究", 《科技信息》 *
潘亮亮等: "基于声波信号分析的电气设备故障诊断新方法", 《电力自动化设备》 *
薛鹏: "基于协同过滤理论的民机智能故障诊断方法", 《中国民航大学学报》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110470383A (zh) * 2019-09-18 2019-11-19 李桦楠 一种基于声波监测和机器学习的机械构件运行状态的检测方法

Similar Documents

Publication Publication Date Title
CN110766277B (zh) 用于核工业现场的健康评估及诊断系统和移动终端
CN103645425B (zh) 一种高压电缆绝缘缺陷局部放电在线监测诊断方法
CN109886475B (zh) 基于ai的计量自动化系统的信息安全态势感知系统
CN106405475A (zh) 电能表异常诊断方法
KR101965159B1 (ko) 머신러닝을 이용한 이상 신호 분류 인공지능 알고리즘 방법 및 이를 이용한 변전소 상태감시 시스템
CN103018664A (zh) 高压断路器开断和关合时间在线监测装置
CN105571638A (zh) 一种机械设备故障组合预测系统及方法
CN111353911A (zh) 电力设备运维方法、系统、设备和存储介质
CN107505541B (zh) 一种变压器局部放电的模式识别方法
CN110320467A (zh) 一种低压直流断路器故障诊断方法
CN110222765A (zh) 一种永磁同步电机健康状态监测方法及系统
Botev et al. Detecting non-technical energy losses through structural periodic patterns in AMI data
CN110231529A (zh) 一种控制柜智能故障诊断系统及故障诊断方法
CN110375983A (zh) 基于时间序列分析的阀门故障实时诊断系统及诊断方法
CN114383652A (zh) 一种配电网潜在故障在线风险辨识方法、系统及装置
CN110597235A (zh) 一种通用智能故障诊断方法
CN108981785A (zh) 一种碎煤机设备安全的智能化检测系统
CN116796261B (zh) 一种基于人工智能的封闭开关设备机械特性预测方法
CN109060332A (zh) 一种基于协同过滤融合进行声波信号分析的机械设备诊断法
CN104332196A (zh) 一种用于监测反应堆控制棒驱动机构动作点的方法
CN117032055A (zh) 一种工业设备智能控制系统
CN105629144A (zh) 基于指纹库的高压开关设备局部放电诊断方法及系统
CN1225948C (zh) 一种加速器噪声故障诊断方法
CN116108376A (zh) 一种反窃电的监测系统、方法、电子设备及介质
CN107271024A (zh) 一种有载分接开关诊断方法及装置

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20181221