CN109556861B - 一种基于案例推理的轴承实时故障诊断系统 - Google Patents

Abstract

本发明公开了一种基于案例推理的轴承实时故障诊断系统，包括传感器、多通道采集卡、数据分析模块、距离计算模块、判定模块、案例调整模块、诊断案例数据库、案例生成模块、报警模块、维修调度模块。本发明采用人机交互技术，能够将实时采集的待诊断信号根据已存入的历史案例及不断更新的历史案例进行自学习，从而实现对待诊断信号的故障诊断，并进一步进行报警、维修报备处理等，为轴承实时故障结果提供准确、及时的参考资料。

Description

一种基于案例推理的轴承实时故障诊断系统

技术领域

本发明涉及一种基于案例推理的轴承实时故障诊断系统，属于设备维护和故障诊断领域。

背景技术

在机电工业中，轴承是应用最为广泛的基础件之一。无论是普通的机械设备、运输工具还是航空、航海、航天等领域。显然，确保轴承在各种环境条件下都能正常工作，是十分重要的。轴承是机械设计中最重要部件之一。广泛的使用使得更轻便、更耐用的轴承目前仍需要引进。而轴承的设计十分复杂，包括制造、保养和维修。轴承在工作中丧失其规定功能，从而导致故障或不能正常工作的现象称为失效。轴承的失效按其寿命可分为正常失效和早期失效两种。轴承的失效分析是提高轴承可靠性系统工程中的重要环节。

现有的故障诊断只能单一的采用相应的诊断方法进行确定，各个测点的信号并不能及时交互的反映到上位机并根据历史数据进行判断。

发明内容

本发明提供了一种基于案例推理的轴承实时故障诊断系统及其使用方法，该系统采用人机交互技术，对待测样本根据不断更新的历史案例进行故障诊断，为轴承实时故障结果提供准确、及时的参考资料。

本发明的技术方案是：一种基于案例推理的轴承实时故障诊断系统，包括传感器1、多通道采集卡2、数据分析模块3、距离计算模块4、判定模块5、案例调整模块6、诊断案例数据库7、案例生成模块8、报警模块9、维修调度模块10；

所述传感器1，用于在机械系统的各个关键位置，即测点上采集实时的振动速度的模拟信号和振动加速度的模拟信号并传输至多通道采集卡2；

所述多通道采集卡2，用于将传感器1采集的模拟信号转换为数字信号作为待测样本；

所述数据分析模块3对待测样本和历史案例中的振动速度信号求标准差，对待测样本和历史案例中振动加速度信号求得峭度、裕度、歪度、峰峰值、波形因子时域特征参数，对待测样本和历史案例中的振动加速度信号进行递归定量分析求得递归熵、确定率和层流率特征，总计9个特征，同时将该9个特征标准化计算至0到1，组成历史案例的案例特征和此待测样本的样本特征，并将结果传至距离计算模块4；其中历史案例为：诊断案例数据库7中已有记录的，确定工况下的振动速度信号和振动加速度信号；同一测点有若干组工况，同时同一工况下有若干个案例，若干个案例形成一个案例群，多个同工况下的案例特征即形成一个该工况下的案例特征群；

所述距离计算模块4，用于将待测样本的样本特征与历史案例的案例特征中同一工况下的案例特征群计算马氏距离，如此得到待测样本的样本特征到每一种工况下的案例特征群的马氏距离，记为M1,M2,...,Mn；其中，n表示历史案例所属工况的种类数量；

所述判定模块5，用于根据距离计算模块4所得到的待测样本与不同工况下的案例特征群的马氏距离判定待测样本所属工况：

若M1,M2,...,Mn均大于t_G，则判定该待测样本所属工况不属于诊断案例数据库7中已有的工况，判定该待测样本属于新工况，触发案例生成模块8，将其写入诊断案例数据库7；否则，进行如下判断：

若M1,M2,...,Mn中最小值所属工况为正常无故障工况，则诊断出待测样本所属的工况是无故障；

若M1,M2,...,Mn中最小值所属工况为Q故障工况，则接着判断Mx/My与t_N之间的关系：如果Mx/My≥t_N，则判定待测样本与My所属工况最为接近，判定待测样本所属工况为Q故障工况；否则判定待测样本与Mx所属工况最为接近，判定待测样本所属工况为正常工况；

其中，Mx表示待测样本的样本特征到历史案例的案例特征中正常工况下的案例特征群的马氏距离；My表示待测样本的样本特征到历史案例的案例特征中某种故障工况下的案例特征群的马氏距离最小值；t_N表示从诊断案例数据库7中读取的与所用历史案例匹配的正常范围阈值；t_G表示从诊断案例数据库7中读取的新案例生成阈值；

所述案例调整模块6用于人为介入对案例、阈值、特征进行灵活调整，具体包括为新案例命名、人工添加新的历史案例、调整阈值t_N和t_G大小、在某个或某几个特征失去或凸显判定价值时进行删除或修改；

所述诊断案例数据库7是指采用数据库技术建立的用于系统上线前预先人为加入的历史案例、系统工作时生成的新案例、轴承各个参数存储；

所述案例生成模块8，用于当待测样本的样本特征到历史案例的案例特征中所有工况下的案例特征群的马氏距离均大于新案例生成阈值时，将该待测样本直接作为新案例生成并存入诊断案例数据库7；

所述报警模块9，用于接收判定模块5的诊断结果，在诊断结果为故障工况或者新工况时发出报警提示；

所述维修调度模块10，用于当报警模块9发出报警提示时，针对分析结果产生的报警内容进行相应的维修任务安排；并由专职人员填写维修相关信息，维修完成后填写反馈，一次实时在线监测，诊断完成。

所述t_N取值为1.3-2，t_G取值为2.6-3。

本发明的有益效果是：本发明采用人机交互技术，能够将实时采集的待诊断信号根据已存入的历史案例及不断更新的历史案例进行自学习，从而实现对待诊断信号的故障诊断，并进一步进行报警、维修报备处理等，为轴承实时故障结果提供准确、及时的参考资料。

附图说明

图1是本发明的结构示意图；

图中各标号为：1-包括传感器、2-多通道采集卡、3-数据分析模块、4-距离计算模块、5-判定模块、6-案例调整模块、7-诊断案例数据库、8-案例生成模块、9-报警模块、10-维修调度模块。

具体实施方式

下面结合附图和实施例，对本发明作进一步说明，但本发明的内容并不限于所述范围。

实施例1：如图1所示，一种基于案例推理的轴承实时故障诊断系统，包括传感器1、多通道采集卡2、数据分析模块3、距离计算模块4、判定模块5、案例调整模块6、诊断案例数据库7、案例生成模块8、报警模块9、维修调度模块10；

所述传感器1，用于在机械系统的各个关键位置，即测点上采集实时的振动速度的模拟信号和振动加速度的模拟信号并传输至多通道采集卡2；

所述多通道采集卡2，用于将传感器1采集的模拟信号转换为数字信号作为待测样本；

所述数据分析模块3对待测样本和历史案例中的振动速度信号求标准差，对待测样本和历史案例中振动加速度信号求得峭度、裕度、歪度、峰峰值、波形因子时域特征参数，对待测样本和历史案例中的振动加速度信号进行递归定量分析求得递归熵、确定率和层流率特征，总计9个特征，同时将该9个特征标准化计算至0到1，组成历史案例的案例特征和此待测样本的样本特征，并将结果传至距离计算模块4；其中历史案例为：诊断案例数据库7中已有记录的，确定工况下的振动速度信号和振动加速度信号；同一测点有若干组工况，同时同一工况下有若干个案例，若干个案例形成一个案例群，多个同工况下的案例特征即形成一个该工况下的案例特征群；

所述距离计算模块4，用于将待测样本的样本特征与历史案例的案例特征中同一工况下的案例特征群计算马氏距离，如此得到待测样本的样本特征到每一种工况下的案例特征群的马氏距离，记为M1,M2,...,Mn；其中，n表示历史案例所属工况的种类数量；

所述判定模块5，用于根据距离计算模块4所得到的待测样本与不同工况下的案例特征群的马氏距离判定待测样本所属工况：

若M1,M2,...,Mn均大于t_G，则判定该待测样本所属工况不属于诊断案例数据库7中已有的工况，判定该待测样本属于新工况，触发案例生成模块8，将其写入诊断案例数据库7；否则，进行如下判断：

若M1,M2,...,Mn中最小值所属工况为正常无故障工况，则诊断出待测样本所属的工况是无故障；

若M1,M2,...,Mn中最小值所属工况为Q故障工况，则接着判断Mx/My与t_N之间的关系：如果Mx/My≥t_N，则判定待测样本与My所属工况最为接近，判定待测样本所属工况为Q故障工况；否则判定待测样本与Mx所属工况最为接近，判定待测样本所属工况为正常工况；

其中，Mx表示待测样本的样本特征到历史案例的案例特征中正常工况下的案例特征群的马氏距离；My表示待测样本的样本特征到历史案例的案例特征中某种故障工况下的案例特征群的马氏距离最小值；t_N表示从诊断案例数据库7中读取的与所用历史案例匹配的正常范围阈值；t_G表示从诊断案例数据库7中读取的新案例生成阈值；

所述案例调整模块6用于人为介入对案例、阈值、特征进行灵活调整，具体包括为新案例命名、人工添加新的历史案例、调整阈值t_N和t_G大小、在某个或某几个特征失去或凸显判定价值时进行删除或修改；

所述诊断案例数据库7是指采用MySQL数据库技术建立的用于系统上线前预先人为加入的历史案例、系统工作时生成的新案例、轴承各个参数存储；

所述案例生成模块8，用于当待测样本的样本特征到历史案例的案例特征中所有工况下的案例特征群的马氏距离均大于新案例生成阈值时，将该待测样本直接作为新案例生成并存入诊断案例数据库7；

所述报警模块9，用于接收判定模块5的诊断结果，在诊断结果为故障工况或者新工况时发出报警提示；

所述维修调度模块10，用于当报警模块9发出报警提示时，针对分析结果产生的报警内容进行相应的维修任务安排；并由专职人员填写维修相关信息，维修完成后填写反馈，一次实时在线监测，诊断完成。

进一步地，可以设置所述t_N取值为1.3-2，t_G取值为2.6-3。

举例来说：

第一步：信号采集

系统上线前，预先人工将该测点以往工况整理，结合轴承参数准备好历史案例并存入诊断案例数据库7。

系统上线后，传感器1(如采用振动加速度传感器、振动速度传感器)安装完毕，当生产设备开始通电运作，确保数据连接通畅，系统通过传感器1采集测点振动加速度及振动速度实时数据，将其通过多通道采集卡2将模拟信号转化为数字信号后通过光纤发出指令到上位机中作为待测样本X，本次示例中所采数据采样率12000Hz，样本有12000个点。

第二步：特征提取

利用数据分析模块3对系统接收到的待测样本(以X表示)和诊断案例数据库7中的历史案例(以Y_I1,Y_I2,…Y_I19Y_I20；…Y_III1,Y_III2,…Y_III19Y_III20表示I、II、III三种不同工况下的第1/2/3…19/20个案例，设I为正常无故障工况，II为轴承内圈运转面剥离故障工况、III为轴承外圈裂纹缺陷故障工况进行相关的特征提取，得到有9个特征的待测样本特征，表示为[x_vrm,x_ku,x_cl,x_sk,x_pp,x_ff,x_Ent,x_DET,x_L]，和有9个特征的案例特征[y_vrm,y_ku,y_cl,y_sk,y_pp,y_ff,y_Ent,y_DET,y_L]_{I1,I2…III19,III20}，其中，x数组表示待测样本特征，y数组表示不同工况下的不同案例特征，分别为：振动速度信号的标准差、振动加速度信号的峭度、裕度、歪度、峰峰值、波形因子、递归熵，确定率和层流率特征。

第三步：距离计算

完成特征提取后，将若干特征数组和从诊断案例数据库7中读取的与所用案例匹配的正常范围阈值(t_N)(在选用9个特征时，一般为1.3到2)；及新案例生成阈值(t_G)(在选用9个特征时，一般取值2.6到3)一起导入距离计算模块4中，开始计算：将第二步得到的x数组，即待测样本特征与I工况下的[y_vrm,y_ku,y_cl,y_sk,y_pp,y_ff,y_Ent,y_DET,y_L]_{I1,I2…I19,I20}计算得到一个马氏距离M1，同理，将待测样本x数组与[y_vrm,y_ku,y_cl,y_sk,y_pp,y_ff,y_Ent,y_DET,y_L]_{II1，II2...II19，II20}及[y_vrm,y_ku,y_cl,y_sk,y_pp,y_ff,y_Ent,y_DET,y_L]_{III1,III2…III19,III20}计算得到的马氏距离为M2和M3。

第四步：案例推理诊断

若M1、M2和M3均大于t_G则判定该待测样本所属工况不属于诊断案例数据库7中已有的工况I、II和III。判定该待测样本属于新工况IV，触发案例生成模块8，将其写入诊断案例数据库7；否则：

若是M1为M1、M2和M3中的最小值，则判定待测样本与M1所属工况I最为接近，判定待测样本所属工况为正常工况。

若是M2为M1、M2和M3中的最小值，做进一步计算，若M1/M2≥t_N，则判定待测样本与M2所属工况II最为接近，判定待测样本所属工况为轴承内圈运转面剥离故障工况。

若是M2为M1、M2和M3中的最小值，做进一步计算，若M1/M2＜t_N，则判定待测样本与M1所属工况I最为接近，判定待测样本所属工况为正常工况。

若是M3为M1、M2和M3中的最小值，做进一步计算，若M1/M3≥t_N，则判定待测样本与M3所属工况III最为接近，判定待测样本所属工况为轴承外圈裂纹缺陷故障工况。

若是M3为M1、M2和M3中的最小值，做进一步计算，若M1/M3＜t_N，则判定待测样本与M1所属工况I最为接近，判定待测样本所属工况为正常工况。

第五步：记录并反馈

如果诊断结论为正常工况，则接收到信号的报警模块9不发出报警信号；如果诊断结论为故障工况或新工况，则接收到数据的报警模块9发出报警信号，同时故障工况下维修调度模块10触发，准备维修任务，并由专职人员填写维修相关信息，维修完成后填写反馈，一次实时在线监测，诊断完成。

其中，在诊断系统中引入案例调整模块6处理特殊工况，可以根据不同工况引入不同新型案例以应对工况改变时有些案例可能失效的情况；引入案例生成模块8以添加符合本测点的特殊工况；同时，将采集的振动速度信号和振动加速度信号作为案例，可以在后期灵活调整，选用不同的特征作为样本特征和案例特征以应对工况改变时有些特征可能失效的情况；最后，相较于传统的欧式距离而言，采用马氏距离对比案例特征和样本特征间的距离，可以排除量纲的影响及变量间相关性的干扰并从机理上减少了单个特殊案例对诊断结果的影响。有效改善了现有数据采集系统鲁棒性差的缺点。

上述系统采用基于LabVIEW平台进行系统开发，可以实现对轴承工况进行多参数、多通道数据在线监测，缩短开发时间，提高生产效率；采用模块化编程设计，大大提高了系统的扩展性，方便系统更新升级；同时本发明采用数据库技术，实现了集存储、反馈、分析于一体的完善统一的故障设备诊断，改善了现有数据采集系统无法同时采集信号、分析故障单一的缺点，实现高度自动化作业；利用虚拟仪器代替传统示波器进行信号处理，不仅提高了系统在传输过程中抗干扰性，还大大降低了设计维护成本，节约了企业开支。

上面结合附图对本发明的具体实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。

Claims (2)

1.一种基于案例推理的轴承实时故障诊断系统，其特征在于：包括传感器（1）、多通道采集卡（2）、数据分析模块（3）、距离计算模块（4）、判定模块（5）、案例调整模块（6）、诊断案例数据库（7）、案例生成模块（8）、报警模块（9）、维修调度模块（10）；

所述传感器（1），用于在机械系统的各个关键位置，即测点上采集实时的振动速度的模拟信号和振动加速度的模拟信号并传输至多通道采集卡（2）；

所述多通道采集卡（2），用于将传感器（1）采集的模拟信号转换为数字信号作为待测样本；

所述数据分析模块（3）对待测样本和历史案例中的振动速度信号求标准差，对待测样本和历史案例中振动加速度信号求得峭度、裕度、歪度、峰峰值、波形因子时域特征参数，对待测样本和历史案例中的振动加速度信号进行递归定量分析求得递归熵、确定率和层流率特征，总计9个特征，同时将该9个特征标准化计算至0到1，组成历史案例的案例特征和此待测样本的样本特征，并将结果传至距离计算模块（4）；其中历史案例为：诊断案例数据库（7）中已有记录的，确定工况下的振动速度信号和振动加速度信号；同一测点有若干组工况，同时同一工况下有若干个案例，若干个案例形成一个案例群，多个同工况下的案例特征即形成一个该工况下的案例特征群；

所述距离计算模块（4），用于将待测样本的样本特征与历史案例的案例特征中同一工况下的案例特征群计算马氏距离，如此得到待测样本的样本特征到每一种工况下的案例特征群的马氏距离，记为M1,M2,...,Mn；其中，n表示历史案例所属工况的种类数量；

所述判定模块（5），用于根据距离计算模块（4）所得到的待测样本与不同工况下的案例特征群的马氏距离判定待测样本所属工况：

若M1,M2,...,Mn均大于t_G，则判定该待测样本所属工况不属于诊断案例数据库（7）中已有的工况，判定该待测样本属于新工况，触发案例生成模块（8），将其写入诊断案例数据库（7）；否则，进行如下判断：

若M1,M2,...,Mn中最小值所属工况为正常无故障工况，则诊断出待测样本所属的工况是无故障；

若M1,M2,...,Mn中最小值所属工况为Q故障工况，则接着判断Mx/My与t_N之间的关系：如果Mx/My≥t_N，则判定待测样本与My所属工况最为接近，判定待测样本所属工况为Q故障工况；否则判定待测样本与Mx所属工况最为接近，判定待测样本所属工况为正常工况；

其中，Mx表示待测样本的样本特征到历史案例的案例特征中正常工况下的案例特征群的马氏距离；My表示待测样本的样本特征到历史案例的案例特征中某种故障工况下的案例特征群的马氏距离最小值；t_N表示从诊断案例数据库（7）中读取的与所用历史案例匹配的正常范围阈值；t_G表示从诊断案例数据库（7）中读取的新案例生成阈值；

所述案例调整模块（6）用于人为介入对案例、阈值、特征进行灵活调整，具体包括为新案例命名、人工添加新的历史案例、调整阈值t_N和t_G大小、在某个或某几个特征失去或凸显判定价值时进行删除或修改；

所述诊断案例数据库（7）是指采用数据库技术建立的用于系统上线前预先人为加入的历史案例、系统工作时生成的新案例、轴承各个参数存储；

所述案例生成模块（8），用于当待测样本的样本特征到历史案例的案例特征中所有工况下的案例特征群的马氏距离均大于新案例生成阈值时，将该待测样本直接作为新案例生成并存入诊断案例数据库（7）；

所述报警模块（9），用于接收判定模块（5）的诊断结果，在诊断结果为故障工况或者新工况时发出报警提示；

所述维修调度模块（10），用于当报警模块（9）发出报警提示时，针对诊断结果产生的报警内容进行相应的维修任务安排；并由专职人员填写维修相关信息，维修完成后填写反馈，一次实时在线监测结束，诊断完成。

2.根据权利要求1所述的基于案例推理的轴承实时故障诊断系统，其特征在于：所述t_N取值为1.3-2，t_G取值为2.6-3。

Images