CN110411724A

CN110411724A - 一种旋转机械故障诊断方法、装置、系统及可读存储介质

Info

Publication number: CN110411724A
Application number: CN201910695048.1A
Authority: CN
Inventors: 刘怡俊; 蔡湧达; 叶武剑; 李学易; 王峰
Original assignee: Guangdong University of Technology
Current assignee: Guangdong University of Technology
Priority date: 2019-07-30
Filing date: 2019-07-30
Publication date: 2019-11-05
Anticipated expiration: 2039-07-30
Also published as: CN110411724B

Abstract

本发明公开了一种旋转机械故障诊断方法、装置、系统及计算机可读存储介质，包括获取与待诊断旋转机械的机壳对应的目标振动加速度信息组，并对目标振动加速度信息组进行无量纲化处理，得到相应的目标无量纲指标数据集；根据各个预先获取的、与每个已知运行状态分别对应的无量纲指标数据集以及目标无量纲指标数据集，建立与每个类型的无量纲指标分别对应的初始邻接图矩阵；对各个初始邻接图矩阵进行处理，得到连通域数量与已知运行状态总数相等的各个多连通域邻接图矩阵；依据与各个多连通域邻接图矩阵分别对应聚类结果及各个已知运行状态，得到与待诊断旋转机械对应的故障诊断结果；本发明在使用过程中能够提高旋转机械的诊断准确率。

Description

一种旋转机械故障诊断方法、装置、系统及可读存储介质

技术领域

本发明实施例涉及机械故障诊断技术领域，特别是涉及一种旋转机械故障诊断方法、装置、系统及计算机可读存储介质。

背景技术

大型旋转机组是石化机组中最关键的部分之一，也是电力工程、化学工程、冶金工程等决定国民经济命脉的工程技术领域的关键组成部分。旋转机械主要包括发电机、汽轮机、鼓风机和大型轧钢机等，这些是工业生产的重要设备，它们的工作状况会影响到机器设备的稳定运行并且对后面的生产流程造成很大的影响。因此探讨和研究旋转机械智能故障诊断技术是非常迫切的需求。

常用的故障诊断方法是先采集机壳振动信号，通过分析这些信号以确定是否发生故障，若发生故障则进一步判断发生何种故障，其中，对振动信号的分析主要是对故障振动信号本身进行频谱分析。由于频谱分析的方法在分析时容易受到机器运行状况的影响，而且机器实际运行的环境通常伴有大量噪声温度也有很大的波动，会对采集的振动信号的频谱分析带来巨大影响。因此，对振动加速度数据进行无量纲预处理的方法得到了广泛应用。

目前，现有技术中使用基于无量纲检测器能检测到机器微小的变化去除外交环境影响，形成令人满意的诊断能力，但是，振动加速度计算所得的五个无量纲指标数值的上下界存在大量的重合现象，也就是说不同故障类型之间无量纲指标数值区间存在重叠，由于在证据融合过程中需要使用无量纲上下界来获取信度值，区间重叠会导致在证据融合过程中出现冲突证据，对诊断准确率造成很大的影响，而且也大大加深了利用无量纲指标方法进行故障诊断的难度。

鉴于此，如何提供一种提高诊断准确率的旋转机械故障诊断方法、装置、系统及计算机可读存储介质成为本领域技术人员需要解决的问题。

发明内容

本发明实施例的目的是提供一种旋转机械故障诊断方法、装置、系统及计算机可读存储介质，在使用过程中能够提高旋转机械的诊断准确率。

为解决上述技术问题，本发明实施例提供了一种旋转机械故障诊断方法，包括：

获取与待诊断旋转机械的机壳对应的目标振动加速度信息组，并对所述目标振动加速度信息组进行无量纲化处理，得到相应的目标无量纲指标数据集；所述目标无量纲指标数据集包括与多个类型的无量纲指标分别对应的数据；

根据各个预先获取的、与每个已知运行状态分别对应的无量纲指标数据集以及所述目标无量纲指标数据集，建立与每个所述类型的无量纲指标分别对应的初始邻接图矩阵；

对各个所述初始邻接图矩阵进行处理，得到连通域数量与所述已知运行状态总数相等的各个多连通域邻接图矩阵；

依据与各个所述多连通域邻接图矩阵分别对应聚类结果及各个所述已知运行状态，得到与所述待诊断旋转机械对应的故障诊断结果。

可选的，所述与每个已知运行状态分别对应的无量纲指标数据集的获取过程为：

从预先建立的数据库中获取与每个已知运行状态分别对应的无量纲指标数据集；其中，所述数据库的建立过程为：

对n个具有不同已知运行状态的旋转机械的机壳均采集m个振动加速度信息，得到与每个所述旋转机械的机壳一一对应振动加速度信息组；

对每个所述振动加速度信息组进行无量纲化处理，得到与相应的已知运行状态对应的无量纲指标数据集，每个所述无量纲指标数据集中包括五个类型的无量纲指标，每个所述无量纲指标包括m个数值；

根据各个所述无量纲指标数据集建立所述数据库；

则，所述目标振动加速度信息组包括m个目标振动加速度信息；所述目标无量纲指标数据集包括所述五个类型的无量纲指标。

可选的，所述五个类型的无量纲指标为波形指标、脉冲指标、峰值指标、裕度指标以及峭度指标。

可选的，所述根据自适应近邻规则对各个预先获取的、与每个已知运行状态分别对应的无量纲指标数据集以及所述目标无量纲指标数据集建立初始邻接图矩阵的过程为：

获取每个已知运行状态分别对应的无量纲指标数据集中以及所述目标无量纲指标数据集中同一类型的无量纲指标，分别构成与每个类型的无量纲指标对应的待处理数据集；

依据与每个类型的无量纲指标对应的待处理数据集构建相应的初始邻接图矩阵，得到与每个类型的无量纲指标一一对应的初始邻接图矩阵。

可选的，所述对各个所述初始邻接图矩阵进行处理的过程为：

采用交替迭代法对各个所述初始邻接图矩阵进行迭代更新处理。

可选的，所述依据与各个所述多连通域邻接图矩阵分别对应聚类结果及各个所述已知运行状态，得到与所述待诊断旋转机械对应的故障诊断结果的过程为：

获取与各个所述多连通域邻接图矩阵分别对应聚类结果；

依据各个所述已知运行状态确定出与每个所述聚类结果分别对应的诊断结果；

将各个所述诊断结果中重复出现次数最高的诊断结果作为所述待诊断旋转机械对应的故障诊断结果。

本发明实施例还相应的提供了一种旋转机械故障诊断装置，包括：

处理模块，用于获取与待诊断旋转机械的机壳对应的目标振动加速度信息组，并对所述目标振动加速度信息组进行无量纲化处理，得到相应的目标无量纲指标数据集；所述目标无量纲指标数据集包括与多个类型的无量纲指标分别对应的数据；

建立模块，用于根据各个预先获取的、与每个已知运行状态分别对应的无量纲指标数据集以及所述目标无量纲指标数据集，建立与每个所述类型的无量纲指标分别对应的初始邻接图矩阵；

变换模块，用于对各个所述初始邻接图矩阵进行处理，得到连通域数量与所述已知运行状态总数相等的各个多连通域邻接图矩阵；

诊断模块，用于依据与各个所述多连通域邻接图矩阵分别对应聚类结果及各个所述已知运行状态，得到与所述待诊断旋转机械对应的故障诊断结果。

可选的，所述变换模块，具体用于：

采用交替迭代法对各个所述初始邻接图矩阵进行迭代更新处理，得到连通域数量与所述已知运行状态总数相等的各个多连通域邻接图矩阵。

本发明实施例还提供了一种旋转机械故障诊断系统，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如上述所述旋转机械故障诊断方法的步骤。

本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述所述旋转机械故障诊断方法的步骤。

本发明实施例提供了一种旋转机械故障诊断方法、装置、系统及计算机可读存储介质，本发明通过可以预先得到与每个已知运行状态分别对应的无量纲指标数据集，并且在对待诊断旋转机械进行故障诊断时，可以获取与待诊断旋转机械的机壳对应的目标振动加速度信息组，并计算出相应的目标无量纲指标数据集，再根据与每个已知运行状态分别对应的无量纲指标数据集和目标无量纲指标数据集得到与每个类型的无量纲指标分别对应的初始邻接图矩阵，然后再得到与各个类型的无量纲指标各自对应的多连通域邻接图矩阵，根据每个多连通域连接图矩阵能够确定出与各个类型的无量纲指标各自对应的聚类结果，从而根据各个已知运行状态就能够从各个聚类结果中确定出于与待诊断旋转机械对应的故障诊断结果，本发明能够在一定程度上避免区间重叠，有利于提高对旋转机械的故障诊断准确率。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对现有技术和实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种旋转机械故障诊断方法的流程示意图；

图2为本发明实施例提供的一种旋转机械故障诊断装置的结构示意图。

具体实施方式

本发明实施例提供了一种旋转机械故障诊断方法、装置、系统及计算机可读存储介质，在使用过程中能够提高旋转机械的诊断准确率。

为使本发明实施例的目的、技术方案和优点更加清楚，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。

请参照图1，图1为本发明实施例提供的一种旋转机械故障诊断方法的流程示意图。该方法包括：

S110：获取与待诊断旋转机械的机壳对应的目标振动加速度信息组，并对目标振动加速度信息组进行无量纲化处理，得到相应的目标无量纲指标数据集；目标无量纲指标数据集包括与多个类型的无量纲指标分别对应的数据；

需要说明的是，本实施例中可以预先设置多个已知运行状态的旋转机械，其中，已知运行状态可以为正常或故障1或故障2等，故障1和故障2为不同故障类型的故障，并得到与每个已知运行状态的旋转机械分别对应的无量纲指标数据集，每个无量纲指标数据集中包括多个类型的无量纲指标，并且每个无量纲指标中包括多个数值，具体可以将这些各个已知运行状态的无量纲指标数据集进行存储，以便后续对待诊断旋转机械进行故障诊断时使用。

具体的，在对待诊断旋转机械进行故障诊断时，可以采集该待诊断旋转机械的机壳的振动加速度信息，具体可以采集多个振动加速度信息，并将该多个与待诊断旋转机械的机壳对应的振动加速度信息作为目标振动加速度信息组。其中，目标振动加速度信息组中振动加速度信息的数量根据上述每个已知运行状态的无量纲指标数据集中每个无量纲指标的数值数量进行确定。再获取到待诊断旋转机械的机壳的目标振动加速度信息组后，可以对该目标振动加速度信息组进行无量纲化处理，得到相应的目标无量纲指标数据集，该目标无量纲指标数据集中包括多个类型的无量纲指标，其类型与已知运行状态的无量纲指标数据集中无量纲指标的类型相同。

S120：根据各个预先获取的、与每个已知运行状态分别对应的无量纲指标数据集以及目标无量纲指标数据集，建立与每个类型的无量纲指标分别对应的初始邻接图矩阵；

具体的，将目标无量纲指标数据集中的各个类型的无量纲指标与每个已知运行状态分别对应的无量纲指标数据集中的各个类型的无量纲指标中，同类型的无量纲指标构成一个距离矩阵，并根据距离矩阵得到与相应类型的无量纲指标对应的初始邻接图矩阵，也即能够得到与每个类型的无量纲指标分别对应的初始邻接图矩阵。

也即，上述S120的具体实现过程可以为：

获取与每个已知运行状态分别对应的无量纲指标数据集中以及目标无量纲指标数据集中同一类型的无量纲指标，分别构成与每个类型的无量纲指标对应的待处理数据集；

S130：对各个初始邻接图矩阵进行处理，得到连通域数量与已知运行状态总数相等的各个多连通域邻接图矩阵；

具体的，由于初始邻接图矩阵是单连通区域的邻接图矩阵，而单连通区域的邻接图矩阵无法判断各个数值的类别标签，所以需要将每个初始邻接图矩阵转换为相应的多连通域连接图矩阵，每个多连通域邻接图矩阵中连通域的数量与已知运行状态总数量相等，每个连通域表示一个已知运行状态。

其中，可以采用交替迭代法对各个初始邻接图矩阵进行迭代更新处理，以得到与每个初始邻接图矩阵各自对应的多连通域邻接图矩阵。

S140：依据与各个多连通域邻接图矩阵分别对应聚类结果及各个已知运行状态，得到与待诊断旋转机械对应的故障诊断结果。

需要说明的是，在得到多连通域邻接图矩阵后，根据各个已知运行状态能够确定出每个多连通域邻接图矩阵中的每个连通域对应的运行状态，而与待诊断机械对应的参数会聚集在某个连通域中，得到相应的聚类结果，所以根据每个多连通域邻接图矩阵的聚类结果即可确定出对应连通域的运行状态，也即能够得出与每个多连通域邻接图矩阵输出的诊断结果，根据各个诊断结果即可确定出待诊断旋转机械对应的故障诊断结果。

具体的，可以通过获取与各个多连通域邻接图矩阵分别对应聚类结果；依据各个已知运行状态确定出与每个聚类结果分别对应的诊断结果；将各个诊断结果中重复出现次数最高的诊断结果作为待诊断旋转机械对应的故障诊断结果。

例如，共有五个多连通域邻接图矩阵，并且第一个多连通域邻接图矩阵输出的诊断结果为故障1、第二个多连通域邻接图矩阵输出的诊断结果为故障1、第三个多连通域邻接图矩阵输出的诊断结果为故障1、第四个多连通域邻接图矩阵输出的诊断结果为故障2、第五个多连通域邻接图矩阵输出的诊断结果为故障3，可见诊断结果重复最多的是故障1，所以可以得出待诊断旋转机械对应的故障诊断结果为故障1。

进一步的，上述S120中与每个已知运行状态分别对应的无量纲指标数据集的获取过程，具体可以为：

从预先建立的数据库中获取与每个已知运行状态分别对应的无量纲指标数据集；其中，数据库的建立过程为：

对n个具有不同已知运行状态的旋转机械的机壳均采集m个振动加速度信息，得到与每个旋转机械的机壳一一对应振动加速度信息组；

对每个振动加速度信息组进行无量纲化处理，得到与相应的已知运行状态对应的无量纲指标数据集，每个无量纲指标数据集中包括五个类型的无量纲指标，每个无量纲指标包括m个数值；

根据各个无量纲指标数据集建立数据库；

可以理解的是，可以预先设置n个已知运行状态的旋转机械，每个旋转机械的运行状态不同，对每个旋转机械的机壳采集m个振动加速度信息，由m个振动加速度信息构成与相应的已知运行状态对应的振动加速度信息组，例如m为45，也即，每个振动加速度信息组中包括45个振动加速度信息。然后对每组振动加速度信息组进行无量纲化处理，计算出与每个振动加速度信息组对应的无量纲指标数据集，其中每个无量纲指标数据集与相应的已知运行状态对应，并且每个无量纲指标数据集中的每个无量纲指标中均包括m个数值。

其中，本实施例中的无量纲指标数据集中可以包括五个类型的无量纲指标，并且五个类型的无量纲指标分别为波形指标、脉冲指标、峰值指标、裕度指标以及峭度指标。

则相应的，在对待诊断旋转机械的机壳进行振动加速度信息采集时，采集m个振动加速度信息，也即目标振动加速度信息组包括m个目标振动加速度信息；目标无量纲指标数据集包括五个类型的无量纲指标。

下面以n＝4，m＝45为例进行详细说明：

已知运行状态包括4个运行状态，依次分别为内圈磨损故障、左边轴承外圈磨损故障、大齿轮缺齿与左边轴承外圈磨损复合故障、大小齿轮缺齿复合故障，也即共有4个不同运行状态的旋转机械。则，对4个具有不同已知运行状态的旋转机械的机壳均采集45个振动加速度信息，得到与每个已知运行状态一一对应振动加速度信息组，分别为a₁、a₂、a₃和a₄，a_n中包括45个振动加速度值，n为旋转机械对应的已知运行状态，n＝{1，2，3，4}。为了获取更加真实的数据，可以对每个已知运行状态的旋转机械采集多次振动加速度信息，也即每次采集45个振动加速度信息，多次采集能够得到与相应的已知运行状态的旋转机械对应的多个振动加速度信息组。

计算出不同已知运行状态下的振动加速度信息组对应的无量纲指标数据集，其中，每个无量纲指标数据集中包括分别与波形指标S、脉冲指标C、峰值指标I、裕度指标CL和峭度指标K对应的无量纲指标值，其中，每个无量纲指标值中包括45个数值，可以构建出第n个已知运行状态的无量纲指标数据集l表示采集次序，当然，其具体数值可以根据实际需要进行确定本申请不做特殊限定，将与每个已知运行状态对应的无量纲指标数据集存储至数据库中以便后续对待诊断旋转机械进行故障诊断时使用。

在对待诊断旋转机械进行故障诊断时，采集其机壳的45个振动加速度信息，得到目标振动加速度信息组，进一步对其进行无量化处理，得到目标无量纲指标数据集F＝{S,C,I,CL,K}。

依据各个已知运行状态对应的无量纲指标数据集和上述目标无量纲指标数据集，其中，可以将目标无量纲指标数据集表示为F₁ ⁴，从而构成预处理数据，所以，由于输入已知运行状态对应的无量纲指标数据集和目标无量纲数据集中均存在五个类型的无量纲指标，可以根据相应的指标值构造五个距离矩阵，进而得到五个初始邻接图矩阵。

现以波形指标S为例，进行详细说明：

令其中，为与已知运行状态1、2、3分别对应的波形指标数据集，l＝{1,2,3}表示采集次序，S₁ ⁴为与待诊断旋转机械对应的目标波形指标数据集。构造波形指标的初始邻接图矩阵W^S，其构造规则为：

其中，和分别表示矩阵中顺序为i和j的行向量，d_ij可以构成一个n行n列的距离矩阵将距离矩阵每个行向量的元素按从小到大的顺序排列构成新的距离矩阵其第i行第j列元素值表示为d_i,j，d_i,k为距离矩阵第i行第k列的值，d_i,h为距离矩阵第i行第h列的值，k为近邻数。

另外，距离矩阵中的元素值d_ij表示输入次序为i的数据与输入次序为j的数据的欧氏距离，那么距离矩阵的某一行就是第i个数据与其他所有数据构成的距离向量。对这个向量进行从小到大的排序得到d_i,j，这里的d_i,j的元素值是从距离矩阵第i行取的。

其余无量纲指标的初始邻接图矩阵构造规则与波形指标相同，分别构造得到脉冲指标的初始邻接图矩阵W^C、峰值指标的初始邻接图矩阵W^I、裕度指标的初始邻接图矩阵W^CL以及峭度指标的初始邻接图矩阵W^K。

由于各个初始邻接图矩阵均为单连通域的，无法判断各个数据的类别标签，故可以通过一般化的W优化方法把初始邻接图矩阵变换为多连通域矩阵，具体如下：

假设输入预处理数据为X，x_i∈X，初始邻接图矩阵为W，w_ij∈W，则通过交替迭代算法对其进行迭代更新：

具体的可以通过迭代优化关系式得到与已知运行状态数量相同的多连通域邻接图矩阵其中，迭代优化关系式为：

s.t.w_i1＝1,0≤w_ij≤1,G∈R^N×c,G^TG＝E

其中，x_i和x_j分别表示输入数据中次序为i和j的数据，w_ij表示初始邻接图矩阵W的第i行第j列的元素，G表示指示矩阵，Tr表示求矩阵的迹。γ和λ为平衡参数，通常设置γ＝λ，拉普拉斯矩阵L＝D-W，D为度矩阵，D是一个对角矩阵，其对角元素为初始邻接图矩阵W行元素之和，s.t.为约束(subject to)的缩写，表示优化公式中变量有以下约束关系：w_i1＝1表示矩阵W的每一个行向量之和为1，指示矩阵G∈R^N×c表示指示矩阵的大小为N行c列，N表示输入数据X的行向量的个数，c为故障类型总数量(相当于本实施例中的已知运行状态总数量)。

其中，迭代优化关系式中的优化方法为固定W，G取拉普拉斯矩阵L的最小的c个特征值对应的特征向量。固定G，W的更新方法为：

其中，γ_i和η是拉格朗日乘子，可以构成的矩阵D^x，D^x∈R^N×N，对矩阵的每个行向量进行从小到大的排序构成新的矩阵其第i行第j列的元素可以表示成

其中，N表示输入数据X的行向量的个数，表示矩阵中第第i行第k列的元素值。

五个初始邻接图矩阵均可以采用上述的W^S、W^C、W^I、W^CL和W^K，优化方法进行优化迭代更新，分别得到与每个无量纲指标相应的多连通域邻接图矩阵

具体的，可以使用MATLAB中的graphconncomp函数从已经更新好的多连通域邻接图矩阵和中分别获得F₁ ⁴的诊断结果。例如，五个多连通域邻接图矩阵的诊断结果分别为{1}{1}{1}{1}{1,2}。其中，诊断结果中用{n}表示诊断结果为已知运行状态n。若存在某一个或多个无量纲矩阵中出现两个以上的诊断结果如上述{1,2}，则认为该无量纲诊断错误，去除该诊断结果，此时可以得出与待诊断旋转机械对应的故障诊断结果为n＝1对应的已知运行状态，也即为内圈磨损故障。

当然，在实际应用中可以通过对待诊断旋转机械采集预测多次后，根据多个故障诊断结果确定最终的故障诊断结果，以提高诊断结果的准确率。

可见，本发明通过可以预先得到与每个已知运行状态分别对应的无量纲指标数据集，并且在对待诊断旋转机械进行故障诊断时，可以获取与待诊断旋转机械的机壳对应的目标振动加速度信息组，并计算出相应的目标无量纲指标数据集，再根据与每个已知运行状态分别对应的无量纲指标数据集和目标无量纲指标数据集得到与每个类型的无量纲指标分别对应的初始邻接图矩阵，然后再得到与各个类型的无量纲指标各自对应的多连通域邻接图矩阵，根据每个多连通域连接图矩阵能够确定出与各个类型的无量纲指标各自对应的聚类结果，从而根据各个已知运行状态就能够从各个聚类结果中确定出于与待诊断旋转机械对应的故障诊断结果，本发明能够在一定程度上避免区间重叠，有利于提高对旋转机械的故障诊断准确率。

在上述实施例的基础上，本发明实施例还相应的提供了一种旋转机械故障诊断装置，具体请参照图2。该装置包括：

处理模块21，用于获取与待诊断旋转机械的机壳对应的目标振动加速度信息组，并对目标振动加速度信息组进行无量纲化处理，得到相应的目标无量纲指标数据集；目标无量纲指标数据集包括与多个类型的无量纲指标分别对应的数据；

建立模块22，用于根据各个预先获取的、与每个已知运行状态分别对应的无量纲指标数据集以及目标无量纲指标数据集，建立与每个类型的无量纲指标分别对应的初始邻接图矩阵；

变换模块23，用于对各个初始邻接图矩阵进行处理，得到连通域数量与已知运行状态总数相等的各个多连通域邻接图矩阵；

诊断模块24，用于依据与各个多连通域邻接图矩阵分别对应聚类结果及各个已知运行状态，得到与待诊断旋转机械对应的故障诊断结果。

可选的，变换模块23，具体用于：

采用交替迭代法对各个初始邻接图矩阵进行迭代更新处理，得到连通域数量与已知运行状态总数相等的各个多连通域邻接图矩阵。

需要说明的是，本发明实施例中提供的旋转机械故障诊断装置具有与上述实施例中提供的旋转机械故障诊断方法相同的有益效果，并且对于本实施例中所设计到的旋转机械故障诊断方法的具体介绍请参照上述实施例，本申请在此不再赘述。

在上述实施例的基础上，本发明实施例还提供了一种旋转机械故障诊断系统，该系统包括：

存储器，用于存储计算机程序；

处理器，用于执行计算机程序时实现如上述旋转机械故障诊断方法的步骤。

例如，本实施例中的处理器用于实现获取与待诊断旋转机械的机壳对应的目标振动加速度信息组，并对目标振动加速度信息组进行无量纲化处理，得到相应的目标无量纲指标数据集；目标无量纲指标数据集包括与多个类型的无量纲指标分别对应的数据；根据各个预先获取的、与每个已知运行状态分别对应的无量纲指标数据集以及目标无量纲指标数据集，建立与每个类型的无量纲指标分别对应的初始邻接图矩阵；对各个初始邻接图矩阵进行处理，得到连通域数量与已知运行状态总数相等的各个多连通域邻接图矩阵；依据与各个多连通域邻接图矩阵分别对应聚类结果及各个已知运行状态，得到与待诊断旋转机械对应的故障诊断结果。

在上述实施例的基础上，本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如上述旋转机械故障诊断方法的步骤。

该计算机可读存储介质可以包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其他实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims

1.一种旋转机械故障诊断方法，其特征在于，包括：

2.根据权利要求1所述的旋转机械故障诊断方法，其特征在于，所述与每个已知运行状态分别对应的无量纲指标数据集的获取过程为：

根据各个所述无量纲指标数据集建立所述数据库；

3.根据权利要求2所述的旋转机械故障诊断方法，其特征在于，所述五个类型的无量纲指标为波形指标、脉冲指标、峰值指标、裕度指标以及峭度指标。

4.根据权利要求3所述的旋转机械故障诊断方法，其特征在于，所述根据自适应近邻规则对各个预先获取的、与每个已知运行状态分别对应的无量纲指标数据集以及所述目标无量纲指标数据集建立初始邻接图矩阵的过程为：

5.根据权利要求1所述的旋转机械故障诊断方法，其特征在于，所述对各个所述初始邻接图矩阵进行处理的过程为：

6.根据权利要求5所述的旋转机械故障诊断方法，其特征在于，所述依据与各个所述多连通域邻接图矩阵分别对应聚类结果及各个所述已知运行状态，得到与所述待诊断旋转机械对应的故障诊断结果的过程为：

获取与各个所述多连通域邻接图矩阵分别对应聚类结果；

7.一种旋转机械故障诊断装置，其特征在于，包括：

8.根据权利要求7所述的旋转机械故障诊断装置，其特征在于，所述变换模块，具体用于：

9.一种旋转机械故障诊断系统，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如权利要求1至6任意一项所述旋转机械故障诊断方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6任意一项所述旋转机械故障诊断方法的步骤。