CN109506921B

CN109506921B - 一种旋转机械故障诊断与预警方法

Info

Publication number: CN109506921B
Application number: CN201811581642.XA
Authority: CN
Inventors: 樊红卫; 杨一晴; 潘格格; 张超; 张勇强; 邵偲洁; 万翔; 张旭辉; 薛旭升; 姜俊英; 马宏伟; 董明; 韩磊
Original assignee: Xian University of Science and Technology
Current assignee: Xian University of Science and Technology
Priority date: 2018-12-24
Filing date: 2018-12-24
Publication date: 2020-09-01
Anticipated expiration: 2038-12-24
Also published as: CN109506921A

Abstract

本发明公开了一种旋转机械在线诊断及故障预警方法，对于被监测的旋转机械，在采集振动数据之后，即刻对其进行分析处理，得到旋转机械运行过程中各部件的特征参数，由此得到的特征参数按照监测时间分类存储。对比已创建的故障类型数据库里的特征参数，诊断设备故障。在此基础上，本发明提出了粗略诊断和精细诊断的概念，并将相对诊断的概念用于故障诊断领域，在对比故障类型库判断故障之外，将设备运行过程中产生的变化也考虑在内，实现了设备状态在线监测及故障的诊断预警功能，并提高了诊断的准确性、可靠性。

Description

一种旋转机械故障诊断与预警方法

技术领域

本发明涉及旋转机械振动故障诊断领域，特别是利用粗略诊断、精细诊断和相对诊断的思路结合绝对诊断来实现旋转机械的自预警及诊断旋转机械故障类型的方法，具体涉及一种旋转机械故障诊断与预警方法。

背景技术

旋转机械是各行业广泛使用的机械设备，如电力、冶金、石化等均使用大型的旋转机械，对大型旋转机械进行状态监测及故障预警是保证设备安全运行、高效生产的重要手段。关于机械设备的故障诊断技术，发展到目前的智能诊断，其实现过程大都是通过分析采集到的原始数据，并对比故障类型库的特征参数进行诊断的。这些故障库的数据基本都是相对于还未投入使用的设备测出的值。而针对通风机、发电机等大型旋转机械，通过一段时间的使用，再利用对比数据库中的特征参数给出诊断结果，往往会忽略了设备运行过程本身中产生的变化，容易出现错误诊断结果。

通风机、胶带运输机、发电机等均是相应行业重要的大型旋转机械。针对这类设备的故障诊断方法，国内外目前使用的大部分系统属离线诊断，主要用于定期检修。分析设备运行过程中采集到的数据，提取特征参数并对比故障数据库得出诊断结果。而此类大型机械由于其本身的质量较大，运行过程产生的振动量就不小，由于自身振动导致设备各部件随时间产生的变化也比较大。因此，只是通过对比数据库中的特征参数来诊断故障，并不能全面且准确及时的诊断出故障类型。

发明内容

本发明的目的在于一种旋转机械故障诊断与预警方法，针对现有故障诊断方法及系统存在的不足，本发明结合故障数据库，并对比前一时间段的特征参数，更好的区分故障类型，提高故障诊断的准确性，避免误诊。

为达到上述目的，本发明采用如下技术方案：

一种旋转机械故障诊断与预警方法，包括以下步骤：

1)通过安装在旋转机械上的振动加速度传感器测量设备在运行时各主要部件的振动数据，每个加速度传感器均通过多通道采集卡并行采集，并确保同样的采样运行转速采样时间及采集通道基本采样参数设置统一，然后将数据传输到上位机；

2)对经过步骤1)得到的旋转机械振动数据进行时、频域分析；

3)将步骤2)得到的数据进行分析，去除对诊断没用的冗余参数，得到处理后的数据并提取这一时间段的实际特征频率、幅值和相关特征参数；

4)将提取的这一时间段的实际特征频率、幅值和相关特征参数分别存储于MySQL对应的数据表中，生成历史数据表；

5)将实时采集到的信号通过步骤2)、步骤3)得出实时特征频率、幅值和相关特征参数，取上述步骤4)中保存的历史特征频率和参数，带入如下公式运算：

其中，A，x为实时运行特征频率幅值或特征参数；A_t，x_t为旋转机械历史特征频率幅值或特征参数；ε为设备监测指标；

若步骤5)公式成立则表明设备此刻振动量发生突变，此时再结合绝对诊断方法对比故障数据库中特征频率所对应的幅值及其相关参数给出故障诊断结果，若不成立则表明设备运行状态正常；根据设备运行状态的不同，采取实时存储或瞬时存储将处理过的数据存储到MySQL数据库中；

6)将步骤5)中存储处理后的历史数据计算求出不同时长的历史数据的均方根作为其有效值，分别得到不同时长的历史趋势图，预测设备运行状态趋势，并根据趋势图进行故障预警。

进一步地，旋转机械主要部件包括转子、轴承和齿轮传动系统。

进一步地，若已知旋转机械各主要部件细节参数，选择精细诊断；若未知旋转机械各主要部件细节参数，选择粗略诊断。

进一步地，当选择精细诊断时，步骤3)中通过已知的旋转机械各主要部件细节参数，通过相应频率公式计算出该运行状态下的各部件理论特征频率，并结合去除对诊断没用的冗余参数后得到的数据，提取这一时间段的实际相关特征频率及幅值。

进一步地，当选择粗略诊断时，步骤3)中即通过去除对诊断没用的冗余参数后得到的数据，提取这一时间段的相关特征参数。

进一步地，时、频域分析包括降噪、滤波、时域幅值、频域幅值分析、功率谱分析、倒频谱分析及包络解调谱分析。

进一步地，特征频率包括转子的转频、齿轮的啮合频率、轴承的内、外圈特征频率、轴承的滚珠特征频率和轴承的保持架特征频率。

进一步地，特征参数包括加速度峰值、速度均方根、位移峰峰值及峭度系数。

进一步地，实时存储具体为：若采集到的数据经计算小于设备的监测指标ε，则将提取的特征频率及幅值或特征参数按照设置的间隔10秒存1秒的存储策略进行分类存储，将数据存入MySQL数据库中；若采集到的数据经计算不小于设备的监测指标ε，则数据进行无间断性存储。

进一步地，瞬时存储具体为：当需要当前时刻的数据时，通过按键设置触发瞬时存储功能，存储方式即刻切换为瞬时存储模式，将当前时刻的特征频率、幅值及相关参数保存到对应的数据库表，采集完成后自动恢复为实时存储。

与现有技术相比，本发明具有以下有益的技术效果：

本发明能够针对设备运行过程的振动数据即时分析，在线检测设备运行状态结果并诊断设备故障，具体提出一种相对诊断的概念，提取即时分析得到的实际特征参数对比前一时间段的特征参数，诊断故障，能够更好的区分故障类型，提高故障诊断的准确性，本发明能够将前期每个采样时间段的振动数据分析结果提取相应特征频率或参数分类保存，以便之后提取对比，且能够通过提取保存的频率、幅值和特征参数结合设备运行特点，预测设备运行趋势，实现旋转机械的故障提前预警。

进一步地，本发明提出的粗略诊断和精细诊断的思想能够根据设备已有参数分情况准确的检测设备运行状态和诊断设备故障。

附图说明

图1为本发明实现旋转机械在线诊断及故障预警的流程方框图；

图2为电机输出转速3000r/min的实时信号频域图；

图3为电机输出转速3000r/min的历史信号频域图；

图4为电机输出转速1200r/min的实时信号时域图；

图5为电机输出转速1200r/min的历史信号时域图。

具体实施方式

下面结合附图对本发明作进一步详细描述：

参见图1，一种旋转机械在线诊断及故障预警方法，在被检测的旋转机械上安装多路振动加速度传感器，采用不同位置振动信号综合分析，确定待检测旋转机械运行状态及故障类型隶属于不同故障的几率，在对比分析后，进行综合诊断，该诊断方法的具体步骤为：

若已知旋转机械各主要零部件细节参数(旋转机械主要部件包括转子、轴承和齿轮传动系统)，选择精细诊断，精细诊断的概念是通过已知的设备主要部件细节参数，通过相应频率公式计算出该运行状态下的各部件特征频率，并据此检测设备运行状态及诊断设备故障；具体包括：

1)通过安装在旋转机械上的振动加速度传感器测量设备在运行时的振动数据，每个加速度传感器均通过多通道采集卡并行采集，并确保同样的采样运行转速采样时间及采集通道基本采样参数设置统一，然后将数据传输到上位机；

2)对经过步骤1)得到的旋转机械振动信号进行时、频域分析，时、频域分析主要功能包括降噪、滤波、时域幅值、频域幅值分析、功率谱分析、倒频谱分析及包络解调谱分析；

3)根据已知主要零部件细节参数，通过相应公式计算各主要零件特征频率，再将步骤2)分析后的数据进行分析，去除对诊断没用的冗余参数，并提取相关特征频率及幅值，特征频率包括转子的转频、齿轮的啮合频率、轴承的内、外圈特征频率、轴承的滚珠特征频率和轴承的保持架特征频率；

4)所述步骤2)中，提取的特征频率，按照需要设置分为实时存储或瞬时存储，分类存储于历史数据库中；

5)对于待检信号，通过步骤2)、步骤3)得出特征频率及幅值，取上述步骤4)中保存的特征频率的幅值，带入公式运算：

其中，A为实时运行特征频率的幅值；A_t为旋转机械前一时间段特征频率的幅值；ε为设备监测指标，具体数值可根据设备性能及运行环境差异来设置不同的数值。ε越小表示设备运行过程产生的振动量的浮动范围越小。

若步骤5)公式成立则表明设备此刻振动量发生突变，此时再结合绝对诊断方法对比故障数据库中特征频率所对应的幅值给出故障诊断结果，若不成立则表明设备运行状态正常；根据设备运行状态的不同，采取实时存储或瞬时存储将处理过的数据存储到MySQL数据库中；

6)将步骤5)中存储处理后的历史数据计算求出如每5min、1天、1月、1年等的历史数据的均方根作为其有效值，分别得到如每5min、1天、1月、1年等的历史趋势图，预测设备运行状态趋势，并根据趋势图进行故障预警。

其中，实时存储策略为：若采集到的数据经计算未超过设备的监测指标ε，则将步骤3)中提取的特征频率及幅值按照设置的间隔10秒存1秒的存储策略进行分类存储，将数据存入MySQL数据库中，可以实现与主控台的数据实时共享；若采集到的数据超过设备的监测指标ε，则数据进行无间断性存储。瞬时存储策略为当任意时刻人为要求采集某一刻的数据进行保存分析时，则选择瞬时存储方式，将当前所需要的数据保存到指定的数据库表，以便查询和分析。

若旋转机械各主要零部件细节参数未知，选择粗略诊断，粗略额诊断的概念是在旋转机械设备主要部件细节参数未知的情况下，通过对相应部件振动数据进行时、频域的分析，得到此运行状态下的特征参数，并据此检测设备运行状态及诊断设备故障；具体包括：

2)对经过步骤1)得到的旋转机械振动信号进行时、频域分析；

3)将步骤2)分析后的数据进行分析，去除对诊断没用的冗余参数，并提取相关特征参数，特征参数包括加速度峰值、速度均方根、位移峰峰值、峭度系数；

4)所述步骤3)中，提取的特征参数，按照需要设置分为实时存储或瞬时存储，分类存储于历史数据库中；

5)对于待检信号，通过步骤2)、步骤3)得出特征参数，取上述步骤4)中保存的特征参数，带入公式运算：

其中，x为实时运行特征参数；x_t为旋转机械前一时间段特征参数；ε为设备监测指标，具体数值可根据设备性能及运行环境差异来设置不同的数值。ε越小表示设备运行过程产生的振动量的浮动范围越小。

若步骤5)公式成立则表明设备此刻振动量发生突变，此时再结合绝对诊断方法对比故障数据库的特征参数给出故障诊断结果，若不成立则表明设备运行状态正常；根据设备运行状态的不同，采取实时存储或瞬时存储将处理过的数据存储到MySQL数据库中；

其中，实时存储策略为：若采集到的数据经计算未超过设备的监测指标ε，则将步骤3)中提取的特征参数按照设置的间隔10秒存1秒的存储策略进行分类存储，将数据存入MySQL数据库中，可以实现与主控台的数据实时共享；若采集到的数据超过设备的监测指标ε，则数据进行无间断性存储。瞬时存储策略为当任意时刻人为要求采集某一刻的数据进行保存分析时，则选择瞬时存储方式，将当前所需要的数据保存到指定的数据库表，以便查询和分析。

下面结合具体实施例对本发明做进一步详细描述：

大型旋转机械运行过程中，在某一时刻或某一状态下的振动数据存在一定的随机性和分散性，但在整个运行过程却有一定的规律性。本发明通过已知的旋转机械设备参数选择粗略诊断或是精细诊断，然后对比之前的运行特征频率或参数，结合故障数据库的数据从单一对比标准数据的绝对诊断方式过渡到相对诊断、绝对诊断相结合的诊断方法。提高故障诊断的准确性和实用性。

本发明方法步骤如下：

精细诊断模式

旋转机械故障诊断研究平台上转子、轴承及齿轮的基本细节参数已知时，基于机械动力传输系统故障诊断研究平台，设计电机输出转速为3000r/min时，利用加速度传感器测得信号及具体结果如下：

1、诊断模式选择，已知旋转机械故障诊断研究平台上转子、轴承及齿轮的基本细节参数，选择精细诊断模式，并计算出电机输出转速为3000r/min时转子的转频及二倍频分别是50Hz和100Hz。

2、数据采集。通过安装在旋转机械上的振动加速度传感器测量设备在运行时各主要部件的振动数据，每个加速度传感器均通过多通道采集卡并行采集，并确保同样的采样运行转速采样时间及采集通道基本采样参数设置统一，然后将数据传输到上位机。

3、数据分析。利用时、频域分析模块对采集到的转子、轴承及齿轮的振动数据进行相应的分析，便于接下来提取50Hz和100Hz处的幅值。

4、利用LabVIEW中的高级信号处理包来编程实现特征频率幅值提取的功能，提取即时分析的振动数据中50Hz和100Hz处的幅值(如图2)并按时间序列分类保存于历史数据库中，然后提取上一时间段所保存的50Hz和100Hz处的幅值，如图3。

5、将步骤4提到的即时分析提取的特征频率幅值与该旋转机械前一时间段提取的特征频率幅值带入公式：

进行比较和判断得到旋转机械故障诊断初步结果。

6、判断完成后，触发报警或预测模块，再将步骤4中提取的实时特征频率幅值保存进历史数据库中，以便日后查询提取，判断故障时作比对。

试验结果：以实际设备为基础，本次实验经过多次测验，设计的设备监测指标ε为0.15，将前后两次提取的50Hz和100Hz处的幅值带入公式，得到数值为0.231，超出预设的设备监测指标0.15，故此时机械设备振动异常，存在故障。诊断出的结果与预设的平台设备故障情况相吻合，证明该诊断方法可以准确诊断出相应的设备故障。

粗略诊断模式

旋转机械故障诊断研究平台上转子、轴承及齿轮的基本细节参数未知时，基于机械动力传输系统故障诊断研究平台，设计电机输出转速为1200r/min时，利用加速度传感器测得信号及具体结果如下：

1、诊断模式选择，旋转机械故障诊断研究平台上转子、轴承及齿轮的基本细节参数未知，选择粗略诊断模式。

3、数据分析。利用时、频域分析模块对采集到的转子、轴承及齿轮的振动数据进行相应的分析，便于接下来提取相应特征参数。

4、利用LabVIEW编程实现特征参数提取的功能，提取即时分析的振动数据中的速度均方根、峭度系数(如图4)并按时间序列分类保存于历史数据库中，然后提取上一时间段所保存的峭度系数，如图5。

5、将步骤4提到的即时分析提取的峭度系数与该旋转机械前一时间段提取的峭度系数值带入公式：

进行比较和判断得到旋转机械故障诊断初步结果。

6、判断完成后，触发报警或预测模块，再将步骤4中提取的速度均方根值、峭度系数保存进历史数据库中，以便日后查询提取，进行设备状态预测或者判断故障时作比对。

试验结果：以实际设备为基础，本次实验经过多次测验，设计的设备监测指标ε为0.15，将前后两次提取的峭度系数带入公式，得到数值为0.173，超出预设的设备监测指标0.15，故此时机械设备振动异常，存在故障。诊断出的结果与预设的平台设备故障情况相吻合，证明该诊断方法可以准确诊断出相应的设备故障。

应当指出，对于本技术领域的其它研究人员，在不脱离本发明原理的前提下，还可以做出若干改进。本实施例中所述主要技术方案皆是基于LabVIEW软件实现的，其中未明确的各组成部分均可用现有技术和其他编程软件加以实现。上述改进也应视为本发明的保护范围。

Claims

1.一种旋转机械故障诊断与预警方法，其特征在于，包括以下步骤：

2)对经过步骤1)得到的旋转机械振动数据进行时、频域分析；

3)将步骤2)得到的数据进行分析，去除对诊断没用的冗余参数，得到处理后的数据并提取这一时间段的实际特征频率、幅值或相关特征参数；

若已知旋转机械各主要部件细节参数，选择精细诊断；若未知旋转机械各主要部件细节参数，选择粗略诊断；

当选择精细诊断时，步骤3)中通过已知的旋转机械各主要部件细节参数，通过相应频率公式计算出该运行状态下的各部件理论特征频率，并结合去除对诊断没用的冗余参数后得到的数据，提取这一时间段的实际特征频率及幅值；

当选择粗略诊断时，步骤3)中即通过去除对诊断没用的冗余参数后得到的数据，提取这一时间段的实际相关特征参数；

4)将提取的这一时间段的实际特征频率、幅值或相关特征参数分别存储于MySQL对应的数据表中，生成历史数据表；

5)将实时采集到的信号通过步骤2)、步骤3)得出实际特征幅值或相关特征参数，取上述步骤4)中保存的历史特征幅值或相关特征参数，带入如下公式运算：

或

其中，A为实际特征幅值，x为实际特征参数；A_t为旋转机械历史特征幅值，x_t为旋转机械历史相关特征参数；ε为设备监测指标；

若步骤5)公式成立则表明设备此刻振动量发生突变，此时再结合绝对诊断方法对比故障数据库中特征频率所对应的幅值或相关特征参数给出故障诊断结果，若不成立则表明设备运行状态正常；根据设备运行状态的不同，采取实时存储或瞬时存储将处理过的数据存储到MySQL数据库中；

实时存储具体为：若采集到的数据经计算小于设备的监测指标ε，则将提取的特征频率、幅值或相关特征参数按照设置的间隔10秒存1秒的存储策略进行分类存储，将数据存入MySQL数据库中；若采集到的数据经计算不小于设备的监测指标ε，则数据进行无间断性存储；

瞬时存储具体为：当需要当前时刻的数据时，通过按键设置触发瞬时存储功能，存储方式即刻切换为瞬时存储模式，将当前时刻的特征频率、幅值或相关特征参数保存到对应的数据库表，采集完成后自动恢复为实时存储；

2.根据权利要求1所述的一种旋转机械故障诊断与预警方法，其特征在于，旋转机械主要部件包括转子、轴承和齿轮传动系统。

3.根据权利要求1所述的一种旋转机械故障诊断与预警方法，其特征在于，时、频域分析包括降噪、滤波、时域幅值、频域幅值分析、功率谱分析、倒频谱分析及包络解调谱分析。

4.根据权利要求1所述的一种旋转机械故障诊断与预警方法，其特征在于，特征频率包括转子的转频、齿轮的啮合频率、轴承的内、外圈特征频率、轴承的滚珠特征频率和轴承的保持架特征频率。

5.根据权利要求1所述的一种旋转机械故障诊断与预警方法，其特征在于，相关特征参数包括加速度峰值、速度均方根、位移峰峰值及峭度系数。