CN110864887A - 机械设备运转状况确定方法、装置、介质和计算设备 - Google Patents

Abstract

本发明的实施方式提供了一种机械设备运转状况确定方法、装置、系统、介质和计算设备。该方法包括：获取机械设备的运转数据集，确定所述运转数据集中不同运转阶段的运转数据与指定阶段的运转数据之间的相似程度，根据相似程度为不同运转阶段进行排序，以得到不同运转阶段距离机械故障产生的远近程度。通过得到不同运转阶段距离机械故障产生的远近程度，从而有助于确定机械设备在不同运转阶段下所处的运转状况，进而有助于为机械设备提供针对性维护，降低机械设备维护成本，也有助于提高机械故障分析预测的可靠性和准确率，降低方案实施门槛。

Description

机械设备运转状况确定方法、装置、介质和计算设备

技术领域

本发明的实施方式涉及故障检测技术领域，更具体地，本发明的实施方式涉及一种机械设备运转状况确定方法、装置、系统、介质和计算设备。

背景技术

本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

机械设备运转过程中难免会出现各种各样的故障，因此，机械故障远近的分析预测是保障机械设备能够在工业生产中正常运行的关键之一。机械故障远近表示当前时刻(或当前运转阶段)与机械故障产生时刻所间隔的时间长度，即机械故障越远，表示当前时刻与机械故障产生时刻所间隔的时间越长。但由于机械故障的复杂性和故障形式的多样化，导致分析预测机械设备远近极其困难。

目前，对于现有的故障远近分析预测方式，通常采用剩余使用寿命(RemainingUseful Life，RUL)模型来实现，即为机械设备的运行状态设置对应的剩余生命值，并建立运行状态特征与对应剩余生命值之间的映射，从而通过收集到的运行状态特征来确定映射的机械设备的剩余使用寿命。这种故障远近分析预测方式属于监督学习，在这种故障远近分析预测方式中所有样本均为独立同分布(Independently Identically Distribution，iid)的，但工业生产中不同部件的物理性质差异较大，即使属于同一种类的两个部件样本的物理性质也存在差别，因而这种故障远近分析预测方式可靠性低，准确性难以保障。

因此，为了解决现有故障远近分析预测方式存在的可靠性低、准确性难以保障的问题，亟待设计一种新的机械设备运转状况确定方案。

发明内容

由于现有设备运转状况确定方式存在的可靠性低、准确性难以保障的问题，因此非常需要一种改进的用于分析预测机械故障的技术方案，以解决上述技术问题之一。

在本上下文中，本发明的实施方式期望提供一种机械设备运转状况确定方法、装置、系统、介质和计算设备。

在本发明实施方式的第一方面中，提供了一种机械设备运转状况确定方法，包括：获取机械设备的运转数据集，运转数据集中的数据采集自机械设备的多个运转阶段；确定运转数据集中不同运转阶段的运转数据与指定阶段的运转数据之间的相似程度；根据相似程度为不同运转阶段进行排序，以得到不同运转阶段距离机械故障产生的远近程度。

一个可能的实施例中，基于距离模型确定运转数据集中不同运转阶段的运转数据与指定阶段的运转数据之间的相似程度。

一个可能的实施例中，基于距离模型确定运转数据集中不同运转阶段的运转数据与指定阶段的运转数据之间的相似程度，包括：对于不同运转阶段中的每一运转阶段，选取该运转阶段的多个运转数据以及对应的指定阶段中的至少一个运转数据；采用距离模型计算该运转阶段的多个运转数据与对应的指定阶段中的至少一个运转数据之间的相对距离；基于该运转阶段的多个运转数据对应的相对距离，确定该运转阶段与指定阶段之间的相似程度。

一个可能的实施例中，选取该运转阶段的多个运转数据以及对应的指定阶段中的至少一个运转数据，包括：随机选取该运转阶段的多个波形数据以及对应的指定阶段中的多个波形数据。

其中，相对距离属于欧式距离、余弦距离、动态时间归整距离中的一种。

其中，相对距离越小，相似程度越高。

一个可能的实施例中，基于该运转阶段的多个运转数据对应的相对距离，确定该运转阶段与指定阶段之间的相似程度，包括：计算该运转阶段的多个运转数据对应的相对距离的平均值，基于该平均值确定该运转阶段与指定阶段之间的相似程度。

一个可能的实施例中，根据相似程度为不同运转阶段进行排序之后，包括：根据不同运转阶段的顺序和预设策略确定用于不同运转阶段的故障处理方式。

一个可能的实施例中，确定运转数据集中不同运转阶段的运转数据与指定阶段的运转数据之间的相似程度之前，包括：检测运转数据集中是否存在属于故障爆发阶段的运转数据，故障爆发阶段为发生突发型故障的运转阶段。

一个可能的实施例中，通过振幅比较或平稳性分析来检测运转数据集中是否存在属于故障爆发阶段的运转数据。

一个可能的实施例中，指定阶段为机械损坏阶段或健康状态阶段。

一个可能的实施例中，机械设备为旋转机械，则运转数据集包括对应于多个运转阶段的多组运转数据。

一个可能的实施例中，多组运转数据包括旋转机械的至少一组径向振动信号和/或至少一组轴向振动信号。获取机械设备的运转数据集的方法，包括：通过第一传感器组采集至少一组径向振动信号，其中第一传感器组设置于旋转机械的转子末端轴承位；和/或，通过第二传感器组采集至少一组轴向振动信号，其中第二传感器组设置于旋转机械的轴端。

在本发明实施方式的第二方面中，提供了一种机械设备运转状况确定装置，应用于如第一方面中任一所述的机械设备运转状况确定方法，该确定装置与布置于机械设备上的传感器相连，该确定装置包括：

收发模块，被配置为获取机械设备的运转数据集，运转数据集中的数据由该传感器采集自机械设备的多个运转阶段；

处理模块，被配置为确定运转数据集中不同运转阶段的运转数据与指定阶段的运转数据之间的相似程度；根据相似程度为不同运转阶段进行排序，以得到不同运转阶段距离机械故障产生的远近程度。

在一个可能的实施例中，处理模块具体被配置为，基于距离模型确定运转数据集中不同运转阶段的运转数据与指定阶段的运转数据之间的相似程度。

在一个可能的实施例中，处理模块在基于距离模型确定运转数据集中不同运转阶段的运转数据与指定阶段的运转数据之间的相似程度时，具体被配置为，对于不同运转阶段中的每一运转阶段，选取该运转阶段的多个运转数据以及对应的指定阶段中的至少一个运转数据；采用距离模型计算该运转阶段的多个运转数据与对应的指定阶段中的至少一个运转数据之间的相对距离；基于该运转阶段的多个运转数据对应的相对距离，确定该运转阶段与指定阶段之间的相似程度。

在一个可能的实施例中，处理模块在选取该运转阶段的多个运转数据以及指定阶段对应的运转数据时，具体被配置为，随机选取该运转阶段的多个波形数据以及对应的指定阶段中的多个波形数据。

其中，相对距离属于欧式距离、余弦距离、动态时间归整距离中的一种。

其中，相对距离越小，相似程度越高。

在一个可能的实施例中，处理模块在基于该运转阶段的多个运转数据对应的相对距离，确定该运转阶段与指定阶段之间的相似程度时，具体被配置为，计算该运转阶段的多个运转数据对应的相对距离的平均值，基于该平均值确定该运转阶段与指定阶段之间的相似程度。

在一个可能的实施例中，处理模块还被配置为，在根据相似程度为不同运转阶段进行排序之后，根据不同运转阶段的顺序和预设策略确定用于不同运转阶段的故障处理方式。

在一个可能的实施例中，处理模块还被配置为，在确定运转数据集中不同运转阶段的运转数据与指定阶段的运转数据之间的相似程度之前，检测运转数据集中是否存在属于故障爆发阶段的运转数据，故障爆发阶段为发生突发型故障的运转阶段。

在一个可能的实施例中，处理模块在检测运转数据集中是否存在属于故障爆发阶段的运转数据时，具体被配置为，通过振幅比较或平稳性分析来检测运转数据集中是否存在属于故障爆发阶段的运转数据。

在一个可能的实施例中，指定阶段为机械损坏阶段或健康状态阶段。

在一个可能的实施例中，机械设备为旋转机械，运转数据集包括对应于多个运转阶段的多组运转数据，传感器与旋转机械的转动组件相连。

在一个可能的实施例中，多组运转数据包括旋转机械的至少一组径向振动信号和/或至少一组轴向振动信号。收发模块具体被配置为，通过第一传感器组采集至少一组径向振动信号，其中第一传感器组旋转机械的转子末端轴承位；和/或，通过第二传感器组采集至少一组轴向振动信号，其中第二传感器组设置于旋转机械的轴端。

在本发明实施方式的第三方面中，提供了一种机械设备运转状况确定系统，应用于如第一方面中任一所述的机械设备运转状况确定方法，该系统包括布置于机械设备上的传感器以及机械设备运转状况确定装置，该机械设备运转状况确定装置实现为如第二方面中任一所述的机械设备运转状况确定装置。

在本发明实施方式的第四方面中，提供了一种介质，该介质存储有计算机可执行指令，计算机可执行指令用于使计算机执行第一方面中任一实施例的方法。

在本发明实施方式的第五方面中，提供了一种计算设备，包括处理单元、存储器以及输入/输出(In/Out，I/O)接口；存储器，用于存储处理单元执行的程序或指令；处理单元，用于根据存储器存储的程序或指令，执行第一方面中任一实施例的方法；I/O接口，用于在处理单元的控制下接收或发送数据。

本发明的实施方式提供的技术方案中，通过确定不同运转阶段的运转数据与指定阶段的运转数据之间的相似程度，并根据相似程度为不同运转阶段进行排序，从而得到不同运转阶段距离机械故障产生的远近程度，从而有助于确定机械设备在不同运转阶段下所处的运转状况，进而有助于为机械设备提供针对性维护，降低机械设备维护成本。并且，本技术方案通过采集自机械设备的不同运转阶段的运转数据集，无需掌握不同机械设备相关应用领域、或相关运行原理，即可实现对机械故障的自适应分析，有助于避免不同机械设备工况或运行原理对机械设备运转状况确定造成的影响，提高机械设备运转状况分析预测的可靠性和准确率，降低方案实施门槛。

附图说明

通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明的若干实施方式，其中：

图1示意性地示出了根据本发明实施方式的一种机械设备运转状况确定方法的流程示意图；

图2a至图2c示意性地示出了根据本发明实施方式中的振动信号的示意图；

图3a和图3b示意性地示出了根据本发明实施方式中的相对距离的示意图；

图4示意性地示出了根据本发明实施例的一种机械设备运转状况确定装置的结构示意图；

图5示意性地示出了根据本发明实施例的一种机械设备运转状况确定系统的结构示意图；

图6示意性地示出了根据本发明实施例的一种介质的结构示意图；

图7示意性地示出了根据本发明实施例的一种计算设备的结构示意图；

在附图中，相同或对应的标号表示相同或对应的部分。

具体实施方式

下面将参考若干示例性实施方式来描述本发明的原理和精神。应当理解，给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本发明，而并非以任何方式限制本发明的范围。相反，提供这些实施方式是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。

本领域技术人员知道，本发明的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此，本公开可以具体实现为以下形式，即：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)，或者硬件和软件结合的形式。

根据本发明的实施方式，提出了一种机械设备运转状况确定方法、装置、系统、介质和计算设备。此外，附图中的任何元素数量均用于示例而非限制，以及任何命名都仅用于区分，而不具有任何限制含义。

下面参考本发明的若干代表性实施方式，详细阐释本发明的原理和精神。

发明人发现，现有故障远近预测方式的实现前提为所有样本均为独立同分布的，但工业生产中不同部件的物理性质差异较大，即使属于同一种类的两个部件样本的物理性质也存在差别，因而这种故障远近预测方式存在可靠性低，准确性难以保障的问题。

此外，现有故障远近预测方式缺乏对机械设备所处工况的针对性调整，使得大量机械设备即使未损坏仍会被维修，甚至于提前报废，造成资源浪费，机械设备的维护成本高。

为了克服现有技术存在的至少一个技术问题，本发明中提出了一种机械设备运转状况确定方法、装置、介质和计算设备。该机械设备运转状况确定方法至少包括：获取机械设备的运转数据集，该运转数据集中的数据采集自机械设备的多个运转阶段；确定运转数据集中不同运转阶段的运转数据与指定阶段的运转数据之间的相似程度；根据相似程度为不同运转阶段进行排序，以得到不同运转阶段距离机械故障产生的远近程度。

由于机械设备无故障运转过程中不同运转阶段的运转数据之间具有相似分布和相似模式，而伴随着机械设备故障的产生，机械设备运转过程中不同运转阶段的运转数据会在分布和模式上产生表现出更多差异，这种差异也表现为机械设备的故障征兆。因而，上述机械设备运转状况确定方法中，通过比较机械设备不同运转阶段的运转数据与指定阶段的运转数据之间的相似程度来为多个运转阶段进行排序，得到分别处于这多个运转阶段的机械设备距离故障产生的远近程度，从而有助于确定机械设备在不同运转阶段下所处的运转状况，进而有助于为机械设备提供针对性维护，降低机械设备维护成本。同时，通过采集自机械设备的不同运转阶段的运转数据集，无需掌握不同机械设备相关应用领域、或相关运行原理，即可实现对机械故障的自适应分析，有助于避免不同机械设备工况或运行原理对设备运转状况确定造成的影响，提高机械设备运转状况分析预测的可靠性和准确率，降低方案实施门槛。可以理解的是，装置、系统、介质和计算设备的原理与方法类似，此处不再赘述。

在介绍了本发明的基本原理之后，下面具体介绍本发明的各种非限制性实施方式。

本发明实施例可以应用于各种机械设备的设备运转状况确定场景，尤其是旋转机械的设备运转状况确定场景，比如用于大型透平旋转机组的设备运转状况确定系统。可以理解的是，此处机械设备运转状况即表征为机械设备所在运转阶段距离机械故障产生的远近程度，或机械设备所在运转阶段距离健康状态阶段的远近程度。本发明实施例还可以适用于转子部件脱落、转子不平衡、转子不对中、转子弯曲、支撑松动中一个或多个机械故障的分析预测场景。除上述示例外，本发明实施例也可用于预测其他渐进型故障或其他突发型故障，此处并不限定。

本发明实施例适用的场景可以是在线实时的设备运转状况确定场景，比如用于机械设备运转过程中的在线设备运转状况确定场景，也可以是离线设备运转状况确定场景，比如用于对流水线设备进行故障抽检的场景，或者机械设备故障后对历史数据的复盘分析场景。可以理解的是，除了上述示例性场景外，本发明实施例适用的场景还可以是其他场景，此处并不限定。本发明实施例中也不限定机械设备的种类或规模，比如用于单台或单一类型的机械设备的设备运转状况确定场景，又比如用于多台机械设备构成的机组的设备运转状况确定场景，或者用于多类型机械设备构成的机组的设备运转状况确定场景。

下面结合应用场景，参考附图来描述根据本发明示例性实施方式的用于预测机械设备故障的装置。需要注意的是，上述应用场景仅是为了便于理解本发明的精神和原理而示出，本发明的实施方式在此方面不受任何限制。相反，本发明的实施方式可以应用于适用的任何场景。

本发明实施例提供了一种机械设备运转状况确定方法，如图1所示，该机械设备运转状况确定方法至少包括以下步骤：

S101、获取机械设备的运转数据集，该运转数据集中的数据采集自该机械设备的多个运转阶段；

S102、确定运转数据集中不同运转阶段的运转数据与指定阶段的运转数据之间的相似程度；

S103、根据相似程度为不同运转阶段进行排序，以得到不同运转阶段距离机械故障产生的远近程度。

图1示出的机械设备运转状况确定方法中，机械设备不同运转阶段的运转数据与指定阶段的运转数据之间的相似程度来为多个运转阶段进行排序，从而得到这多个运转阶段距离机械故障产生的远近程度，从而有助于确定机械设备在不同运转阶段下所处的运转状况，进而有助于为机械设备提供针对性维护，降低机械设备维护成本，也有助于提高机械设备运转状况分析预测的可靠性和准确率，降低预测方案实施门槛。

下面将图1示出的设备运转状况确定方法分步骤进行详细说明：

本发明实施例涉及的机械设备包括但不限于旋转机械，比如，大型透平旋转机组。

本发明实施例涉及的运转数据集中的数据采集自该机械设备的多个运转阶段。运转数据集包括但不限于对应于多个运转阶段的多组运转数据，比如对应于不同时段的多组运转数据，或对应于不同生产流程的多组运转数据。S101之前，针对布置在机械设备上的传感器组，设置传感器组回传运转数据的超参数，以便获取传感器组回传的运转数据集。本发明实施例中的超参数包括但不限定于采样间隔、采样数目。若机械设备为旋转机械，则多组运转数据包括但不限于该旋转机械的至少一组径向振动信号和/或至少一组轴向振动信号。一个示例中，传感器布置于大型透平旋转机组上，此情况下运转数据集中的数据可以是采集自大型透平旋转机组不同运转阶段中的多组信号。

S101中获取机械设备的运转数据集的实现方式包括多种。其中S101的一种实现方式为，通过第一传感器组采集至少一组径向振动信号，其中第一传感器组设置于旋转机械的转子末端轴承位，通过第二传感器组采集至少一组轴向振动信号，其中第二传感器组设置于旋转机械的轴端。第一传感器组和第二传感器组可以为同一类型的传感器，也可以为不同类型的传感器。进一步的，第一传感器组和第二传感器组为以电涡流位移传感器组成的传感器组。示例性的，图2a至图2c分别示出电涡流位移传感器采集机械设备运转过程中5个不同运转阶段的振动信号，其中横坐标表示振动信号的采集时间，纵坐标表示振动信号的振幅。

S102中确定运转数据集中不同运转阶段的运转数据与指定阶段的运转数据之间的相似程度的实现方式包括多种。

本发明实施例中，指定阶段包括但不限于机械损坏阶段或健康状态阶段。可理解的是，机械损坏阶段中机械设备因故障损坏而处于非正常运转状态。进一步的，若机械损坏阶段包括多个运转阶段，则以机械设备损坏程度最高的运转阶段为指定阶段。或者，另一实施例中，以机械设备损坏停机前最后一个运行阶段为指定阶段。健康状态阶段中机械设备处于无故障征兆的正常运转状态。一个实施例中，S102之前预先确定指定阶段。具体而言，S102之前，通过比较均值和方差的方法、逆序检验法或游标检验法中的一种方法确定机械设备的健康状态阶段。

本发明实施例涉及的机械故障类型包括渐变型和突发型。突发型故障包括故障爆发阶段，该故障爆发阶段即发生突发型故障的设备运转阶段，属于故障爆发阶段的运转数据与处于健康状态阶段的运转数据存在明显差异。故障爆发阶段中机械设备性能下降最快，催化机械设备故障产生。

S102之前，检测运转数据集中是否存在属于故障爆发阶段的运转数据。具体而言，通过振幅比较或平稳性分析来检测运转数据集中是否存在属于故障爆发阶段的运转数据，从而确定机械故障类型，进一步提高机械设备运转状况确定的准确性。

S102的一种实现方式为，基于距离模型确定运转数据集中不同运转阶段的运转数据与指定阶段的运转数据之间的相似程度。这实现方式具体包括如下步骤：

子步骤一、对于不同运转阶段中的每一运转阶段，选取该运转阶段的多个运转数据以及对应的指定阶段中的至少一个运转数据。

具体而言，一种实施例中，随机选取该运转阶段的多个波形数据以及对应的指定阶段中的多个波形数据。一个示例中，从运转数据集中随机选取该运转阶段中预设数量的波形信号，并从指定阶段中选取对应的波形信号，比如预设数量为100个。

子步骤二、采用距离模型计算该运转阶段的多个运转数据与对应的指定阶段中的至少一个运转数据之间的相对距离。

本发明实施例中，距离模型为无监督模型。相对距离属于欧式距离、余弦距离、动态时间归整距离中的一种。根据不同应用场景或不同机械设备采用对应的距离模型。在子步骤一选取的运转数据的数量较少的情况下，采用动态时间归整距离模型，该动态时间归整距离模型对于时间序列问题的精确度高，但该动态时间归整距离模型的运算复杂度高，时间成本大。在选取的运转数据的数量较多的情况下，采用欧式距离模型或余弦距离模型，这两种模型的计算复杂度相对低，但这两种模型对于时间序列问题的精确度低。举例来说，图3a为本发明实施例涉及的渐变型故障各运转阶段与健康状态阶段之间的相对距离的示意图，该图中相对距离为渐进式增大的，图3b为本发明实施例涉及的突发型故障各运转阶段与健康状态阶段之间的相对距离的示意图，该图中相对距离在故障爆发阶段突然增大后又减小，整体呈渐进式增的趋势。其中，横坐标为时间轴，纵坐标为当前运转阶段与健康状态阶段的波形之间的距离。

继续子步骤一描述的示例，假设指定阶段为机械损坏阶段，并且子步骤一选取的运转数据的数量较多，将该运转阶段中100个波形信号与对应的机械损坏阶段中的波形信号输入欧式距离模型进行计算，得到该运转阶段中100个波形信号对应的欧式距离。

子步骤三、基于该运转阶段的多个运转数据对应的相对距离，确定该运转阶段与指定阶段之间的相似程度。

具体而言，子步骤三的一种实现方式为，计算该运转阶段的多个运转数据对应的相对距离的平均值，基于该平均值确定该运转阶段与所述指定阶段之间的相似程度。相对距离越小，相似程度越高。

继续子步骤一和子步骤二描述的示例，仍假设指定阶段为机械损坏阶段，计算该运转阶段中100个波形信号对应的相对距离的平均值，基于该平均值确定该运转阶段与机械损坏阶段之间的相似程度，其中平均值越小，该运转阶段与机械损坏阶段之间的相似程度越高。

另一实例中，指定阶段为健康状态阶段，则计算该运转阶段中多个波形信号对应的欧式距离的平均值，基于该平均值确定该运转阶段与健康状态阶段之间的相似程度，其中平均值越小，该运转阶段与健康状态阶段之间的相似程度越高。

通过子步骤一至子步骤三，无需基于不同领域知识或技术实践经验，即可采用距离模型确定该运转阶段与指定阶段之间的相似程度，无需掌握不同机械设备相关应用领域、或相关运行原理，即可实现对机械设备的自适应分析，有助于满足对多种故障、多种设备的运转状况进行析预测需求。

S103中根据相似程度为不同运转阶段进行排序，以得到不同运转阶段距离机械故障产生的远近程度。

具体而言，S103的一个实施例中，根据不同运转阶段与机械损坏阶段之间的相似程度从大到小为这不同运转阶段进行排序，其中相似程度越小，运转阶段的次序越后，运转阶段距离机械故障产生越远。另一个实施例中，根据不同运转阶段与健康状态阶段之间的相似程度从小到大为这不同运转阶段进行排序，其中相似程度越大，运转阶段的次序越后，运转阶段距离机械故障产生越远。S103之后，根据不同运转阶段的顺序和预设策略确定用于不同运转阶段的故障处理方式。一个示例中，S103中为不同运转阶段进行排序后，按照顺序这不同运转阶段按照距离机械故障产生从远到近排列，根据预设策略由远及近确定对次序较前的故障采取维修的处理方式，对次序较后的故障采取更换的处理方式。

图1示出的设备运转状况确定方法中，通过对机械设备的故障远近预测，有助于为机械设备提供针对性维护，降低机械设备维护成本，也有助于提高机械设备运转状况分析预测的可靠性和准确率，降低预测方案实施门槛。

在介绍了本发明示例性实施方式的用于机械设备运转状况确定方法之后，接下来，介绍本发明提供了示例性实施的装置。本发明提供的用于机械设备运转状况确定的装置可以适用于图1对应的实施例提供的任一项方法。参见图4，该机械设备运转状况确定装置与布置于机械设备上的传感器相连，该机械设备运转状况确定装置至少包括：

收发模块401，被配置为获取所述机械设备的运转数据集，该运转数据集中的数据由传感器采集自机械设备的多个运转阶段；

处理模块402，被配置为确定运转数据集中不同运转阶段的运转数据与指定阶段的运转数据之间的相似程度；根据相似程度为不同运转阶段进行排序，以得到不同运转阶段距离机械故障产生的远近程度。

可选的，处理模块402具体被配置为，基于距离模型确定运转数据集中不同运转阶段的运转数据与指定阶段的运转数据之间的相似程度。

可选的，处理模块402在基于距离模型确定运转数据集中不同运转阶段的运转数据与指定阶段的运转数据之间的相似程度时，具体被配置为对于不同运转阶段中的每一运转阶段，选取该运转阶段的多个运转数据以及对应的指定阶段中的至少一个运转数据；采用距离模型计算该运转阶段的多个运转数据与对应的指定阶段中的至少一个运转数据之间的相对距离；基于该运转阶段的多个运转数据对应的相对距离，确定该运转阶段与指定阶段之间的相似程度。

可选的，处理模块402在选取该运转阶段的多个运转数据以及指定阶段对应的运转数据时，具体被配置为随机选取该运转阶段的多个波形数据以及对应的指定阶段中的多个波形数据。

可选的，相对距离属于欧式距离、余弦距离、动态时间归整距离中的一种。

可选的，相对距离越小，相似程度越高。

可选的，处理模块402在基于该运转阶段的多个运转数据对应的相对距离，确定该运转阶段与指定阶段之间的相似程度时，具体被配置为计算该运转阶段的多个运转数据对应的相对距离的平均值，基于该平均值确定该运转阶段与指定阶段之间的相似程度。

可选的，处理模块402还被配置为，在根据相似程度为不同运转阶段进行排序之后，根据不同运转阶段的顺序和预设策略确定用于不同运转阶段的故障处理方式。

可选的，处理模块402还被配置为，在确定运转数据集中不同运转阶段的运转数据与指定阶段的运转数据之间的相似程度之前，检测运转数据集中是否存在属于故障爆发阶段的运转数据，故障爆发阶段为发生突发型故障的运转阶段。

可选的，指定阶段为机械损坏阶段或健康状态阶段。

可选的，机械设备为旋转机械，运转数据集包括对应于多个运转阶段的多组运转数据，传感器与旋转机械的转动组件相连。

可选的，多组运转数据包括旋转机械的至少一组径向振动信号和/或至少一组轴向振动信号。收发模块，具体被配置为通过第一传感器组采集至少一组径向振动信号，其中第一传感器组设置于旋转机械的转子末端轴承位；和/或，通过第二传感器组采集至少一组轴向振动信号，其中第二传感器组设置于旋转机械的轴端。

在介绍了本发明示例性实施方式的用于机械设备运转状况确定方法和装置之后，介绍本发明提供了示例性实施的系统。本发明提供的用于机械设备运转状况确定系统可以适用于图1对应的实施例提供的任一项方法。参见图5，该机械设备运转状况确定系统包括布置于机械设备上的传感器以及机械设备运转状况确定装置，该机械设备运转状况确定装置可以实现为如图4对应实施例提供的任一项机械设备运转状况确定装置。此处传感器可以实现为第一传感器组5011和第二传感器组5012，而该机械设备运转状况确定装置包括收发单元5021和处理单元5022，其中

收发单元5021，被配置为获取机械设备的运转数据集，该运转数据集中的数据由传感器采集自机械设备的多个运转阶段；

处理单元5022，被配置为确定运转数据集中不同运转阶段的运转数据与指定阶段的运转数据之间的相似程度；根据相似程度为不同运转阶段进行排序，以得到不同运转阶段距离机械故障产生的远近程度。

可选的，处理单元5022具体被配置为，基于距离模型确定运转数据集中不同运转阶段的运转数据与指定阶段的运转数据之间的相似程度。

可选的，处理单元5022在基于距离模型确定运转数据集中不同运转阶段的运转数据与指定阶段的运转数据之间的相似程度时，具体被配置为对于不同运转阶段中的每一运转阶段，选取该运转阶段的多个运转数据以及对应的指定阶段中的至少一个运转数据；采用距离模型计算该运转阶段的多个运转数据与对应的指定阶段中的至少一个运转数据之间的相对距离；基于该运转阶段的多个运转数据对应的相对距离，确定该运转阶段与指定阶段之间的相似程度。

可选的，处理单元5022在选取该运转阶段的多个运转数据以及指定阶段对应的运转数据时，具体被配置为随机选取该运转阶段的多个波形数据以及对应的指定阶段中的多个波形数据。

可选的，相对距离属于欧式距离、余弦距离、动态时间归整距离中的一种。

可选的，相对距离越小，相似程度越高。

可选的，处理单元5022在基于该运转阶段的多个运转数据对应的相对距离，确定该运转阶段与指定阶段之间的相似程度时，具体被配置为计算该运转阶段的多个运转数据对应的相对距离的平均值，基于该平均值确定该运转阶段与指定阶段之间的相似程度。

可选的，处理单元5022还被配置为，在根据相似程度为不同运转阶段进行排序之后，根据不同运转阶段的顺序和预设策略确定用于不同运转阶段的故障处理方式。

可选的，处理单元5022还被配置为，在确定运转数据集中不同运转阶段的运转数据与指定阶段的运转数据之间的相似程度之前，检测运转数据集中是否存在属于故障爆发阶段的运转数据，故障爆发阶段为发生突发型故障的运转阶段。

可选的，指定阶段为机械损坏阶段或健康状态阶段。

可选的，机械设备为旋转机械，运转数据集包括对应于多个运转阶段的多组运转数据，传感器与旋转机械的转动组件相连。

可选的，多组运转数据包括旋转机械的至少一组径向振动信号和/或至少一组轴向振动信号。收发单元5022具体被配置为，通过第一传感器组5011采集至少一组径向振动信号，其中第一传感器组5011旋转机械的转子末端轴承位；和/或，通过第二传感器组5012采集至少一组轴向振动信号，其中第二传感器组5012设置于旋转机械的轴端。

在介绍了本发明示例性实施方式的用于机械设备运转状况确定方法、装置、系统之后，接下来，参考图6，本发明提供了一种示例性介质，该介质存储有计算机可执行指令，该计算机可执行指令可用于使所述计算机实现图1对应的本发明示例性实施方式中任一项用于机械设备运转状况确定方法。

在介绍了本发明示例性实施方式的用于机械设备运转状况确定方法、介质和装置之后，接下来，参考图7，介绍本发明提供的一种示例性计算设备70，该计算设备70包括处理单元701、存储器702、总线703、外部设备704、I/O接口705以及网络适配器706，该存储器702包括随机存取存储器(Random Access Memory，RAM)7021、高速缓存存储器7022、只读存储器(Read-Only Memory，ROM)7023以及至少一片存储单元7024构成的存储单元阵列7025。其中该存储器702，用于存储处理单元701执行的程序或指令；该处理单元701，用于根据该存储器702存储的程序或指令，执行图1对应的本发明示例性实施方式中任一项所述的方法；该I/O接口705，用于在该处理单元701的控制下接收或发送数据。

应当注意，尽管在上文详细描述中提及了装置的若干单元/模块或子单元/模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之，上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。

此外，尽管在附图中以特定顺序描述了本发明方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。

虽然已经参考若干具体实施方式描述了本发明的精神和原理，但是应该理解，本发明并不限于所公开的具体实施方式，对各方面的划分也不意味着这些方面中的特征不能组合以进行受益，这种划分仅是为了表述的方便。本发明旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等同布置。

综上，在根据本公开的实施例中，本公开提供了如下方案，但不限于此：

1.一种机械设备运转状况确定方法，其特征在于，包括：

获取机械设备的运转数据集，所述运转数据集中的数据采集自所述机械设备的多个运转阶段；

确定所述运转数据集中不同运转阶段的运转数据与指定阶段的运转数据之间的相似程度；

根据所述相似程度为不同运转阶段进行排序，以得到不同运转阶段距离机械故障产生的远近程度。

2.如方案1所述的确定方法，其中，基于距离模型确定所述运转数据集中不同运转阶段的运转数据与指定阶段的运转数据之间的相似程度。

3.如方案2所述的确定方法，其中，基于距离模型确定所述运转数据集中不同运转阶段的运转数据与指定阶段的运转数据之间的相似程度，包括：

对于所述不同运转阶段中的每一运转阶段，选取该运转阶段中的多个运转数据以及对应的所述指定阶段中的至少一个运转数据；

采用所述距离模型计算该运转阶段的多个运转数据与对应的所述指定阶段中的至少一个运转数据之间的相对距离；

基于该运转阶段的多个运转数据对应的相对距离，确定该运转阶段与所述指定阶段之间的相似程度。

4.如方案3所述的确定方法，其中，选取该运转阶段中的多个运转数据以及对应的所述指定阶段中的至少一个运转数据，包括：

随机选取该运转阶段的多个波形数据以及对应的所述指定阶段中的多个波形数据。

5.如方案4所述的确定方法，其中，所述相对距离属于欧式距离、余弦距离、动态时间归整距离中的一种。

6.如方案3至5任一所述的确定方法，其中，相对距离越小，相似程度越高。

7.如方案3至6任一所述的确定方法，其中，基于该运转阶段的多个运转数据对应的相对距离，确定该运转阶段与所述指定阶段之间的相似程度，包括：

计算该运转阶段的多个运转数据对应的相对距离的平均值；

基于该平均值确定该运转阶段与所述指定阶段之间的相似程度。

8.如方案1至7任一所述的确定方法，其中，根据所述相似程度为不同运转阶段进行排序之后，包括：

根据不同运转阶段的顺序和预设策略确定用于不同运转阶段的故障处理方式。

9.如方案1至7任一所述的确定方法，其中，确定所述运转数据集中不同运转阶段的运转数据与指定阶段的运转数据之间的相似程度之前，包括：

检测所述运转数据集中是否存在属于故障爆发阶段的运转数据，所述故障爆发阶段为发生突发型故障的运转阶段。

10.如方案9所述的确定方法，其中，通过振幅比较或平稳性分析来检测所述运转数据集中是否存在属于故障爆发阶段的运转数据。

11.如方案1至9任一所述的确定方法，其中，所述指定阶段为机械损坏阶段或健康状态阶段。

12.如方案1至9任一所述的确定方法，其中，所述机械设备为旋转机械，则所述运转数据集包括对应于多个运转阶段的多组运转数据。

13.如方案12所述的确定方法，其中，所述多组运转数据包括所述旋转机械的至少一组径向振动信号和/或至少一组轴向振动信号；

获取机械设备的运转数据集的方法，包括：

通过第一传感器组采集所述至少一组径向振动信号，其中所述第一传感器组设置于所述旋转机械的转子末端轴承位；和/或

通过第二传感器组采集所述至少一组轴向振动信号，其中所述第二传感器组设置于所述旋转机械的轴端。

14.一种机械设备运转状况确定装置，其特征在于，用以实现如权1至12任一所述的机械设备运转状况确定方法，所述确定装置与布置于机械设备上的传感器相连，所述确定装置包括：

收发模块，被配置为获取所述机械设备的运转数据集，所述运转数据集中的数据由所述传感器采集自所述机械设备的多个运转阶段；

处理模块，被配置为确定所述运转数据集中不同运转阶段的运转数据与指定阶段的运转数据之间的相似程度；根据所述相似程度为不同运转阶段进行排序，以得到不同运转阶段距离机械故障产生的远近程度。

15.如方案13所述的确定装置，其中，所述处理模块具体被配置为，基于距离模型确定所述运转数据集中不同运转阶段的运转数据与指定阶段的运转数据之间的相似程度。

16.如方案14所述的确定装置，其中，所述处理模块在基于距离模型确定所述运转数据集中不同运转阶段的运转数据与指定阶段的运转数据之间的相似程度时，具体被配置为

对于所述不同运转阶段中的每一运转阶段，选取该运转阶段的多个运转数据以及对应的所述指定阶段中的至少一个运转数据；

采用所述距离模型计算该运转阶段的多个运转数据与对应的所述指定阶段中的至少一个运转数据之间的相对距离；

基于该运转阶段的多个运转数据对应的相对距离，确定该运转阶段与所述指定阶段之间的相似程度。

17.如方案15所述的确定装置，其中，所述处理模块在选取该运转阶段的多个运转数据以及对应的所述指定阶段中的至少一个运转数据时，具体被配置为

随机选取该运转阶段的多个波形数据以及对应的所述指定阶段中的多个波形数据。

18.如方案16所述的确定装置，其中，所述相对距离属于欧式距离、余弦距离、动态时间归整距离中的一种。

19.如方案15至17任一所述的确定装置，其中，相对距离越小，相似程度越高。

20.如方案15至18任一所述的确定装置，其中，所述处理模块在基于该运转阶段的多个运转数据对应的相对距离，确定该运转阶段与所述指定阶段之间的相似程度时，具体被配置为

计算该运转阶段的多个运转数据对应的相对距离的平均值；

基于该平均值确定该运转阶段与所述指定阶段之间的相似程度。

21.如方案13至19任一所述的确定装置，其中，所述处理模块还被配置为

在根据所述相似程度为不同运转阶段进行排序之后，根据不同运转阶段的顺序和预设策略确定用于不同运转阶段的故障处理方式。

22.如方案13至19任一所述的确定装置，其中，所述处理模块还被配置为

在确定所述运转数据集中不同运转阶段的运转数据与指定阶段的运转数据之间的相似程度之前，检测所述运转数据集中是否存在属于故障爆发阶段的运转数据，所述故障爆发阶段为发生突发型故障的运转阶段。

23.如方案13至21任一所述的确定装置，其中，所述指定阶段为机械损坏阶段或健康状态阶段。

24.如方案13至21任一所述的确定装置，其中，所述机械设备为旋转机械，所述运转数据集包括对应于多个运转阶段的多组运转数据，所述传感器与所述旋转机械的转动组件相连。

25.如方案23所述的确定装置，其中，所述多组运转数据包括所述旋转机械的至少一组径向振动信号和/或至少一组轴向振动信号；

所述收发模块，具体被配置为

通过第一传感器组采集所述至少一组径向振动信号，其中所述第一传感器组设置于所述旋转机械的转子末端轴承位；和/或

通过第二传感器组采集所述至少一组轴向振动信号，其中所述第二传感器组设置于所述旋转机械的轴端。

26.一种机械设备运转状况确定系统，其特征在于，用以实现如方案1至13任一所述的机械设备运转状况确定方法，所述预测系统包括布置于机械设备上的传感器以及机械设备运转状况确定装置，所述机械设备运转状况确定装置如方案14至26任一所述的机械设备运转状况确定装置。

27.一种介质，其特征在于，所述介质存储有计算机可执行指令，所述计算机可执行指令用于实现如方案1至13任一所述的机械设备运转状况确定方法。

28.一种计算设备，其特征在于，所述计算设备包括处理单元、存储器以及I/O接口；

所述存储器，用于存储所述处理单元执行的程序或指令；

所述处理单元，用于根据所述存储器存储的程序或指令，执行如方案1至13任一所述的机械设备运转状况确定方法；

所述I/O接口，用于在所述处理单元的控制下接收或发送数据。

Claims (10)

1.一种机械设备运转状况确定方法，其特征在于，包括：

获取机械设备的运转数据集，所述运转数据集中的数据采集自所述机械设备的多个运转阶段；

确定所述运转数据集中不同运转阶段的运转数据与指定阶段的运转数据之间的相似程度；

根据所述相似程度为不同运转阶段进行排序，以得到不同运转阶段距离机械故障产生的远近程度。

2.如权利要求1所述的确定方法，其中，基于距离模型确定所述运转数据集中不同运转阶段的运转数据与指定阶段的运转数据之间的相似程度。

3.如权利要求2所述的确定方法，其中，基于距离模型确定所述运转数据集中不同运转阶段的运转数据与指定阶段的运转数据之间的相似程度，包括：

对于所述不同运转阶段中的每一运转阶段，选取该运转阶段中的多个运转数据以及对应的所述指定阶段中的至少一个运转数据；

采用所述距离模型计算该运转阶段的多个运转数据与对应的所述指定阶段中的至少一个运转数据之间的相对距离；

基于该运转阶段的多个运转数据对应的相对距离，确定该运转阶段与所述指定阶段之间的相似程度。

4.如权利要求3所述的确定方法，其中，相对距离越小，相似程度越高。

5.如权利要求1至4一所述的确定方法，其中，确定所述运转数据集中不同运转阶段的运转数据与指定阶段的运转数据之间的相似程度之前，包括：

检测所述运转数据集中是否存在属于故障爆发阶段的运转数据，所述故障爆发阶段为发生突发型故障的运转阶段。

6.如权利要求5所述的确定方法，其中，通过振幅比较或平稳性分析来检测所述运转数据集中是否存在属于故障爆发阶段的运转数据。

7.如权利要求1至6任一所述的确定方法，其中，所述指定阶段为机械损坏阶段或健康状态阶段。

8.一种机械设备运转状况确定装置，其特征在于，用以实现如权1至7任一所述的机械设备运转状况确定方法，所述确定装置与布置于机械设备上的传感器相连，所述确定装置包括：

收发模块，被配置为获取所述机械设备的运转数据集，所述运转数据集中的数据由所述传感器采集自所述机械设备的多个运转阶段；

处理模块，被配置为确定所述运转数据集中不同运转阶段的运转数据与指定阶段的运转数据之间的相似程度；根据所述相似程度为不同运转阶段进行排序，以得到不同运转阶段距离机械故障产生的远近程度。

9.一种介质，其特征在于，所述介质存储有计算机可执行指令，所述计算机可执行指令用于实现如权利要求1至7任一所述的机械设备运转状况确定方法。

10.一种计算设备，其特征在于，所述计算设备包括处理单元、存储器以及I/O接口；

所述存储器，用于存储所述处理单元执行的程序或指令；

所述处理单元，用于根据所述存储器存储的程序或指令，执行如权利要求1至7任一所述的机械设备运转状况确定方法；

所述I/O接口，用于在所述处理单元的控制下接收或发送数据。

Images