CN110954354A - 设备故障诊断方法及装置 - Google Patents
设备故障诊断方法及装置 Download PDFInfo
- Publication number
- CN110954354A CN110954354A CN201911354316.XA CN201911354316A CN110954354A CN 110954354 A CN110954354 A CN 110954354A CN 201911354316 A CN201911354316 A CN 201911354316A CN 110954354 A CN110954354 A CN 110954354A
- Authority
- CN
- China
- Prior art keywords
- vibration signal
- frequency domain
- signal frequency
- domain sequence
- coefficient
- 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.)
- Granted
Links
Images
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
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/004—Testing the effects of speed or acceleration
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/34—Testing dynamo-electric machines
- G01R31/343—Testing dynamo-electric machines in operation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明提供了一种设备故障诊断方法及装置,涉及故障诊断技术领域,该方法包括:获取当前设备的第一振动信号频域序列;计算第一振动信号频域序列与第二振动信号频域序列的相关系数与振动强度系数,第二振动信号频域序列为当前设备在多种不同故障工作状态下的振动信号频域序列;分别提取第一振动信号频域序列与第二振动信号频域序列的特征频率向量,并计算第一振动信号频域序列与各个第二振动信号频域序列的杰卡德系数;根据相关系数、振动强度系数和杰卡德系数计算相似度系数;根据相似度系数判断当前设备的故障类型。本发明简单实用,可实现对设备运行状态的实时在线检测及故障预警,具有广阔的应用前景。
Description
技术领域
本发明涉及故障诊断技术领域,尤其是涉及一种设备故障诊断方法及装置。
背景技术
机械设备广泛应用于电力、石化、冶金、制造、航空以及几乎所的工业部门,是生产过程中的关键设备,但实际应用过程中由于许多无法避免的因素影响,经常会出现各种故障,以致降低或失去其预定的功能,甚至造成严重人员伤亡和巨大的经济损失。因此有效实施对设备的状态监测及故障诊断对保障人民生命财产安全具有重要意义。
目前的设备状态监测技术主要是基于离线的故障检测,由于不同种类的故障在振动信号的表现有所差异,通过对振动信号监测及分析,实现对设备的故障诊断。现有产品能在设备发生故障后有效实现对设备的故障诊断,目前被广泛应用于设备监测的多个领域,但由于是离线检测,只能对故障发生后对故障类型进行诊断,无法有效实现对设备状态的实时在线监测及故障的超前预警。
发明内容
有鉴于此,本发明的目的在于提供一种设备故障诊断方法及装置,以对设备状态进行实时检测及故障预警。
第一方面,本发明实施例提供了一种设备故障诊断方法,包括:获取当前设备的第一振动信号频域序列;计算第一振动信号频域序列与第二振动信号频域序列的相关系数与振动强度系数,第二振动信号频域序列为当前设备在多种不同故障工作状态下的振动信号频域序列;分别提取第一振动信号频域序列与第二振动信号频域序列的特征频率向量,并计算第一振动信号频域序列与各个第二振动信号频域序列的杰卡德系数;根据相关系数、振动强度系数和杰卡德系数计算相似度系数;根据相似度系数判断当前设备的故障类型。
结合第一方面,本发明实施例提供了第一方面的第一种可能的实施方式,包括,计算第一振动信号频域序列与当前设备在正常工作状态下的振动信号频域序列的相关系数;判断相关系数是否超过预设阈值:如果是,确定当前设备存在故障隐患,如果否,确定当前设备正常。
结合第一方面,本发明实施例提供了第一方面的第二种可能的实施方式,该方法还包括:建立诊断数据库,诊断数据库包括当前设备在正常工作状态下的振动信号频域序列和第二振动信号频域序列。
结合第一方面,本发明实施例提供了第一方面的第三种可能的实施方式,其中,获取当前设备的第一振动信号频域序列的步骤,包括:采集当前设备工作状态下的第一振动信号序列;对第一振动信号序列进行FFT变换,得到第一振动信号频域序列。
结合第一方面,本发明实施例提供了第一方面的第四种可能的实施方式,其中,计算第一振动信号频域序列与第二振动信号频域序列的相关系数与振动强度系数的步骤,包括:计算相关系数ρxz:其中,X(i)为第二振动信号频域序列,Z(i)为第一振动信号频域序列,分别为序列X(i)与Z(i)的均值,i为数据序列1、2……L任意数据,L为数据序列长度;计算振动强度系数δzx:其中,X(i)为第二振动信号频域序列,Z(i)为第一振动信号频域序列,i为数据序列1、2……L任意数据,L为数据序列长度。
结合第一方面及其第四种可能的实施方式,本发明实施例提供了第一方面的第五种可能的实施方式,其中,分别提取第一振动信号频域序列与第二振动信号频域序列的特征频率向量,并计算第一振动信号频域序列与各个第二振动信号频域序列的杰卡德系数的步骤,包括:提取特征频率向量,得到向量C:对第一振动信号频域序列Z(i)进行处理得到相应特征频率序列B(i),选取B(i)中数值最大的n个值对应的频率i得到特征频率向量C(c1,c2,c3,……cn);提取特征频率向量,得到向量D:对某种第二振动信号频域序列X(i)进行处理得到相应特征频率序列E(i),选取E(i)中数值最大的n个值对应的频率i得到特征频率向量D(d1,d2,d3,……dn);计算杰卡德系数ξ:
结合第一方面及其第五种可能的实施方式,本发明实施例提供了第一方面的第六种可能的实施方式,其中,根据相似度系数判断当前设备的故障类型的步骤,包括:计算相似度系数H:H=(1+ρ+δ-ξ)/3;若相似度系数符合预设规则,判定当前设备属于相似度系数对应的故障类型。
第二方面,本发明实施例还提供一种设备故障诊断装置,包括:信号获取模块,用于获取当前设备的第一振动信号频域序列;计算模块,用于计算第一振动信号频域序列与第二振动信号频域序列的相关系数与振动强度系数,第二振动信号频域序列为当前设备在多种不同故障工作状态下的振动信号频域序列;特征模块,用于分别提取第一振动信号频域序列与第二振动信号频域序列的特征频率向量,并计算第一振动信号频域序列与各个第二振动信号频域序列的杰卡德系数;相似度模块,用于根据相关系数、振动强度系数和杰卡德系数计算相似度系数;判断模块,用于根据相似度系数判断当前设备的故障类型。
结合第二方面,本发明实施例提供了第二方面的第一种可能的实施方式,其中,信号获取模块,还用于:采集当前设备工作状态下的第一振动信号序列;对第一振动信号序列进行FFT变换,得到第一振动信号频域序列。
结合第二方面,本发明实施例提供了第二方面的第二种可能的实施方式,该装置还包括:数据库模块,用于建立诊断数据库,诊断数据库包括当前设备在正常工作状态下的振动信号频域序列和第二振动信号频域序列。
本发明实施例带来了以下有益效果:本发明实施例提供的一种设备故障诊断方法及装置,简单实用,通过将当前设备数据与当前设备在故障状态下的数据相结合进行分析计算,得到相似度系数,通过相似度系数诊断当前设备的运行状态,可实现对设备运行状态的实时在线检测及故障预警,具有广阔的应用前景。
本公开的其他特征和优点将在随后的说明书中阐述,或者,部分特征和优点可以从说明书推知或毫无疑义地确定,或者通过实施本公开的上述技术即可得知。
为使本公开的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,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设备故障诊断方法流程框图;
图2为本发明实施例提供的设备故障诊断方法的一种流程示意图;
图3为本发明实施例提供的当前设备监测振动频谱;
图4为本发明实施例提供的设备松动振动频谱;
图5为本发明实施例提供的一种设备故障诊断装置结构框图;
图6为本发明实施例提供的另一种设备故障诊断装置结构框图。
图标:
51-信号获取模块;52-计算模块;53-特征模块;54-相似度模块;55-判断模块;61-数据库模块。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明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。
目前的设备状态监测技术多在设备发生故障后有效实现对设备的故障诊断,但由于是离线检测,只能对故障发生后对故障类型进行诊断,无法有效实现对设备状态的实时在线监测及故障的超前预警。基于此,本发明实施例提供的一种设备故障诊断方法及装置可以实现对监测设备的在线监测及故障诊断,随时掌握设备的运行状态、发展趋势,能够在设备发生严重故障和酿成严重事故之前发现潜在安全隐患,并提前加以维护修理,能够有效避免重大事故的发生,具有更加广阔的应用前景。
为便于对本实施例进行理解,首先对本发明实施例所公开的一种设备故障诊断方法进行详细介绍。
实施例1
本发明实施例1提供了一种设备故障诊断方法,参见图1所示的设备故障诊断方法流程框图,该方法包括:
步骤S102,获取当前设备的第一振动信号频域序列。
第一振动信号频域序列表示设备在当前运行状态下的振动情况。例如,包括:频率、振幅、速度和位移等信息。
每次执行本步骤时,可通过查找预先准备好的或采集当前设备的振动信号时域序列后经计算以获取当前设备的第一振动信号频域序列。
步骤S104,计算第一振动信号频域序列与第二振动信号频域序列的相关系数与振动强度系数,第二振动信号频域序列为当前设备在多种不同故障工作状态下的振动信号频域序列。
第二信号频域序列表示当前设备在多种故障运行状态下的振动情况。其中,包括当前设备在无故障运行状态下的振动情况。分别计算第一振动信号频域序列与第二振动信号频域序列的相关系数与振动强度系数,根据得到的多组相关系数与振动强度系数分别分析对应的第一振动信号频域序列与第二振动信号频域序列的关系。
步骤S106,分别提取第一振动信号频域序列与第二振动信号频域序列的特征频率向量,并计算第一振动信号频域序列与各个第二振动信号频域序列的杰卡德系数。
特征频率向量是从振动信号频域序列中选出的最大的n个振幅值对应的频率形成的向量。分别提取第一振动信号频域序列与第二振动信号频域序列的特征频率向量,根据得到的两组特征频率向量计算杰卡德系数。根据得到的多个杰卡德系数分别分析第一振动信号频域序列与第二振动信号频域序列的关系。
步骤S108,根据相关系数、振动强度系数和杰卡德系数计算相似度系数。
相关系数、振动强度系数和杰卡德系数共同描述当前设备的运行状况与哪种故障类型更加匹配。对某一方向相关系数、杰卡德系数较大,振动强度系数较小,说明两组数据在整个频域范围内信号特征及特征频率分布两方面具有较大的相似性,具备该信号特征所具有的故障类型。
根据根据相关系数、振动强度系数和杰卡德系数计算相似度系数,只需比较相似度系数即可得到与当前设备的运行状况相匹配的设备故障类型。
步骤S110,根据相似度系数判断当前设备的故障类型。
分别计算设备的第一振动信号频域序列与多个第二振动信号频域序列的相似度系数,根据相似度系数对第一振动信号频域序列与第二振动信号频域序列中的数据进行匹配,得到当前设备属于的故障类型。
相似度系数的值越大,说明对应的两组信号在整个频域范围内信号特征及特征频率分布两方面两者具有较大相似性,确定设备具有该信号特征所具有的故障类型。
本发明实施例提供的一种设备故障诊断方法及装置,简单实用,通过将当前设备数据与当前设备在故障状态下的数据相结合进行分析计算,得到相似度系数,通过相似度系数诊断当前设备的运行状态,可实现对设备运行状态的实时在线检测及故障预警,具有广阔的应用前景。
考虑到多数情况下设备是正常运行的,如果每次计算得到相关系数后再对设备的运行状态进行对比和判断,在多数情况下计算效率比较低,因此,设置对故障类型的初步判断的步骤,包括:
(1)计算第一振动信号频域序列与当前设备在正常工作状态下的振动信号频域序列的相关系数。
计算二者的相关系数以判断二者的相关性。即直接将设备当前的工作状态数据与其正常工作状态下的数据进行计算和分析,以判断当前设备是否正常工作。
(2)判断相关系数是否超过预设阈值:如果是,确定当前设备存在故障隐患,如果否,确定当前设备正常。
当相关系数超过预设阈值,表示当前设备振动情况超出了正常的范围,可能存在部件松动或者损坏等状况,用户应当及时对设备进行检查,以保证安全运行。
当相关系数未超过预设阈值,表示当前设备振动情况在合理范围内,可持续工作,在设备运行过程中实现了对设备状况的监控,不必停工检修,可实现在线对设备的运行状况进行监控且保证了生产运行效率。
为了提高查找或者计算的效率,该方法还包括建立诊断数据库的步骤,诊断数据库包括当前设备在正常工作状态下的振动信号频域序列和第二振动信号频域序列。诊断数据库包含设备正常运行及多种故障状态下的对应振动频谱序列集合,每种设备特定部位运行状态包含X、Y、Z三个方向的三组振动频谱序列。
在计算相似度系数的时候,可以从诊断数据库直接获取需要的振动信号频域序列数据,减少因将采集到的振动信号时域序列转化为振动信号频域序列而消耗的时间,提高了查找及计算效率。
为了对当前设备的运行状态进行对比分析,需将采集到的当前设备的时域信号转变成频域信号,具体执行的步骤如下:
(1)采集当前设备工作状态下的第一振动信号序列。
使用加速度传感器等振动信号采集装置,放置于设备轴承或其他振动强度较大的部位,采集当前设备在X、Y、Z三个方向的传感器序列,得到第一振动信号序列。
设备当前监测振动序列传感器安装位置应与采集相应第二振动信号序列时传感器安装位置基本一致。
(2)对第一振动信号序列进行FFT变换,得到第一振动信号频域序列。
为了便于描述,将第一振动信号序列进行FFT变换,FFT(Fast FourierTransformation)是离散傅氏变换(DFT)的快速算法。即为快速傅氏变换。它是根据离散傅氏变换的奇、偶、虚、实等特性,对离散傅立叶变换的算法进行改进获得的。第一振动信号序列经过FFT变换变为频域信号,即得到第一振动信号频域序列,用于分析和计算。
对第二振动信号频域序列也采用相同的方法采集、变换得到,本文在此不再赘述。
为了方便理解,下面结合计算公式具体说明的计算步骤,计算第一振动信号频域序列与第二振动信号频域序列的相关系数与振动强度系数的步骤,按照如下方法进行:
计算第一振动信号频域序列分别与第二振动信号频域序列的相关系数。计算第一振动信号频域序列与当前设备在正常工作状态下的振动信号频域序列的相关系数与此类似。
计算第一振动信号频域序列分别与第二振动信号频域序列的振动强度系数。
为了计算杰卡德系数需先提取特征频率向量,为了提取特征频率向量,需要对振动信号频域序列进行离散化处理,提取第一振动信号频域序列与第二振动信号频域序列的特征频率向量,并计算第一振动信号频域序列与各个第二振动信号频域序列的杰卡德系数的步骤,具体计算方法如下:
(1)提取特征频率向量,得到向量C:提取特征频率向量,得到向量C:对第一振动信号频域序列Z(i)进行处理得到相应特征频率序列B(i),选取B(i)中数值最大的n个值对应的频率i得到特征频率向量C(c1,c2,c3,……cn)。
参见图3所示的当前设备监测振动频谱,采用上式计算B(i)的极大值及对应频率,取n为5,得5个频率及对应振动幅值点(90,0.0095)、(129,0.0021)、(155,0.0024)、(180,0.0085)、(215,0.0031),选取上述序列的每个点的横坐标即特征频率,得特征频率向量C(90,129,155,180,215)。
(2)提取特征频率向量,得到向量D:对某种第二振动信号频域序列X(i)进行处理得到相应特征频率序列E(i),选取E(i)中数值最大的n个值对应的频率i得到特征频率向量D(d1,d2,d3,……dn)。
参见图4所示的设备松动振动频谱,采用上式计算E(i)的极大值及对应频率,取n为5,得5个频率及对应振动幅值点(90,0.006)、(123,0.0019)、(129,0.0017)、(180,0.0091)、(215,0.0049),选取上述序列的每个点的横坐标即特征频率,得特征频率向量D(90,123,129,180,215)。
对特征频率向量C(90,129,155,180,215)、D(90,123,129,180,215)计算两者的杰卡德系数,C∪D={90,123,129,155,180,215}、C∩D={90,129,180,215},所以|C∪D|=6,|C∩D|=4,杰卡德系数ξ=0.67。
在得到相关系数、振动强度系数和杰卡德系数之后,计算得到相似度系数,根据相似度系数判断当前设备的故障类型的步骤,包括:
(1)计算相似度系数H:H=(1+ρ+δ-ξ)/3。
(2)若相似度系数符合预设规则,判定当前设备属于相似度系数对应的故障类型。
预设规则可以是给定一个预设阈值,取相似度系数H的值大于该阈值时对应的故障类型为当前设备的故障类型。相似度系数H的值越大说明两组信号在整个频域范围内信号特征及特征频率分布两方面两者具有较大相似性,断定设备具有该信号特征所具有的故障类型。
本发明实施例通过监测当前设备振动信号与当前设备在多种故障状态下的振动信号的特征信号的相关性分析,可实现对设备的实时在线监测、超前预警及故障诊断。可操作性强,可以广泛应用于目前多种机械设备的状态监测中。
实施例2
本发明实施例2提供了一种设备故障诊断方法,参见图2所示的设备故障诊断方法的一种流程示意图,本实施例以实验室压风机电机为基础,通过在电机轴承部位分别沿X、Y、Z三个方向安装加速度传感器,实时监测电机振动信号,具体执行步骤如下:
机械设备运行一段时间后,在设备额定负载的情况下,对设备当前振动信号采集,并经FFT变换,得到第一振动信号频域序列;
经设备正常工作状态和多种故障工作状态振动信号序列采集,并经FFT变换,得到设备在正常工作状态下的振动信号频域序列和第二振动信号频域序列,建立基于设备故障特征的诊断数据库模型;
相关系数计算即计算第一振动信号频域序列与设备在正常工作状态下的振动信号频域序列之间的相关系数;
判断相关系数是否超过预设阈值,如果否,表示设备运行正常,如果是,初步判断设备出现故障,进行振动特征频率提取;
计算第一振动信号频域序列分别与各第二振动信号频域序列之间的相关系数、杰卡德系数、振动强度系数,得到相似度系数以判断设备故障类型。
本发明实施例提供的方法,与上述实施例提供的方法具有相同的技术特征,所以也能解决相同的技术问题,达到相同的技术效果。
实施例3
本发明实施例3提供了一种设备故障诊断装置,参见图5所示的设备故障诊断装置结构框图,该装置包括:
信号获取模块51,用于获取当前设备的第一振动信号频域序列;计算模块52,用于计算第一振动信号频域序列与第二振动信号频域序列的相关系数与振动强度系数,第二振动信号频域序列为当前设备在多种不同故障工作状态下的振动信号频域序列;特征模块53,用于分别提取第一振动信号频域序列与第二振动信号频域序列的特征频率向量,并计算第一振动信号频域序列与各个第二振动信号频域序列的杰卡德系数;相似度模块54,用于根据相关系数、振动强度系数和杰卡德系数计算相似度系数;判断模块55,用于根据相似度系数判断当前设备的故障类型。
信号获取模块51,还用于:采集当前设备工作状态下的第一振动信号序列;对第一振动信号序列进行FFT变换,得到第一振动信号频域序列。
参见图6所示的另一种设备故障诊断装置结构框图,该装置还包括:数据库模块61,用于建立诊断数据库,诊断数据库包括当前设备在正常工作状态下的振动信号频域序列和第二振动信号频域序列。
本发明实施例所提供的装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种设备故障诊断方法,其特征在于,包括:
获取当前设备的第一振动信号频域序列;
计算所述第一振动信号频域序列与第二振动信号频域序列的相关系数与振动强度系数,所述第二振动信号频域序列为所述当前设备在多种不同故障工作状态下的振动信号频域序列;
分别提取所述第一振动信号频域序列与第二振动信号频域序列的特征频率向量,并计算所述第一振动信号频域序列与各个所述第二振动信号频域序列的杰卡德系数;
根据所述相关系数、所述振动强度系数和所述杰卡德系数计算相似度系数;
根据所述相似度系数判断所述当前设备的故障类型。
2.根据权利要求1所述的设备故障诊断方法,其特征在于,还包括:
计算所述第一振动信号频域序列与所述当前设备在正常工作状态下的振动信号频域序列的相关系数;
判断所述相关系数是否超过预设阈值:
如果是,确定所述当前设备存在故障隐患,
如果否,确定所述当前设备正常。
3.根据权利要求1所述的设备故障诊断方法,其特征在于,还包括:
建立诊断数据库,所述诊断数据库包括所述当前设备在正常工作状态下的振动信号频域序列和所述第二振动信号频域序列。
4.根据权利要求1所述的设备故障诊断方法,其特征在于,所述获取当前设备的第一振动信号频域序列的步骤,包括:
采集所述当前设备工作状态下的第一振动信号序列;
对所述第一振动信号序列进行FFT变换,得到第一振动信号频域序列。
6.根据权利要求5所述的设备故障诊断方法,其特征在于,所述分别提取所述第一振动信号频域序列与所述第二振动信号频域序列的特征频率向量,并计算所述第一振动信号频域序列与各个所述第二振动信号频域序列的杰卡德系数的步骤,包括:
提取所述特征频率向量,得到向量C:
对所述第一振动信号频域序列Z(i)进行处理得到相应特征频率序列B(i)
B(1)=0
选取B(i)中数值最大的n个值对应的频率i得到特征频率向量C(c1,c2,c3,……cn);
提取所述特征频率向量,得到向量D:
对某种所述第二振动信号频域序列X(i)进行处理得到相应特征频率序列E(i)
E(1)=0
选取E(i)中数值最大的n个值对应的频率i得到特征频率向量D(d1,d2,d3,……dn);
计算所述杰卡德系数ξ:
7.根据权利要求6所述的设备故障诊断方法,其特征在于,所述根据所述相似度系数判断所述当前设备的故障类型的步骤,包括:
计算所述相似度系数H:
H=(1+ρ+δ-ξ)/3;
若所述相似度系数符合预设规则,判定所述当前设备属于所述相似度系数对应的故障类型。
8.一种设备故障诊断装置,其特征在于,包括:
信号获取模块,用于获取当前设备的第一振动信号频域序列;
计算模块,用于计算所述第一振动信号频域序列与第二振动信号频域序列的相关系数与振动强度系数,所述第二振动信号频域序列为所述当前设备在多种不同故障工作状态下的振动信号频域序列;
特征模块,用于分别提取所述第一振动信号频域序列与第二振动信号频域序列的特征频率向量,并计算所述第一振动信号频域序列与各个所述第二振动信号频域序列的杰卡德系数;
相似度模块,用于根据所述相关系数、所述振动强度系数和所述杰卡德系数计算相似度系数;
判断模块,用于根据所述相似度系数判断所述当前设备的故障类型。
9.根据权利要求8所述的设备故障诊断装置,其特征在于,所述信号获取模块,还用于:
采集所述当前设备工作状态下的第一振动信号序列;
对所述第一振动信号序列进行FFT变换,得到第一振动信号频域序列。
10.根据权利要求8所述的设备故障诊断装置,其特征在于,还包括:
数据库模块,用于建立诊断数据库,所述诊断数据库包括所述当前设备在正常工作状态下的振动信号频域序列和所述第二振动信号频域序列。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911354316.XA CN110954354B (zh) | 2019-12-24 | 2019-12-24 | 设备故障诊断方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911354316.XA CN110954354B (zh) | 2019-12-24 | 2019-12-24 | 设备故障诊断方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110954354A true CN110954354A (zh) | 2020-04-03 |
CN110954354B CN110954354B (zh) | 2022-04-15 |
Family
ID=69983957
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911354316.XA Active CN110954354B (zh) | 2019-12-24 | 2019-12-24 | 设备故障诊断方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110954354B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111693291A (zh) * | 2020-05-28 | 2020-09-22 | 西安交通大学 | 一种基于振动信号的柴油机燃烧故障变工况定量诊断方法 |
CN114019298A (zh) * | 2021-09-28 | 2022-02-08 | 中电华创(苏州)电力技术研究有限公司 | 一种基于pcc-svm的发电机转子匝间短路在线监测方法 |
CN114418037A (zh) * | 2022-03-29 | 2022-04-29 | 启东市海信机械有限公司 | 一种基于人工智能的推杆故障分析方法 |
CN115795292A (zh) * | 2022-10-20 | 2023-03-14 | 南京工大数控科技有限公司 | 一种基于LabVIEW的铣齿机主轴箱故障诊断系统及方法 |
CN115839846A (zh) * | 2023-02-27 | 2023-03-24 | 济南嘉宏科技有限责任公司 | 一种基于无线传感器的设备故障预警诊断方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101788378A (zh) * | 2009-01-23 | 2010-07-28 | 西门子公司 | 一种机械故障诊断方法和装置 |
CN105847302A (zh) * | 2016-05-31 | 2016-08-10 | 北京奇艺世纪科技有限公司 | 一种异常检测方法及装置 |
CN105891629A (zh) * | 2016-03-31 | 2016-08-24 | 广西电网有限责任公司电力科学研究院 | 一种变压器设备故障的辨识方法 |
CN106094570A (zh) * | 2016-07-13 | 2016-11-09 | 北京航空航天大学 | 一种基于工况识别和谷本距离的变工况下航空发动机整机健康评估方法 |
CN106292645A (zh) * | 2016-10-10 | 2017-01-04 | 深圳万发创新进出口贸易有限公司 | 一种新能源车辆故障数据采集系统 |
CN106404441A (zh) * | 2016-09-22 | 2017-02-15 | 宁波大学 | 一种基于非线性相似度指标的故障分类诊断方法 |
CN107153150A (zh) * | 2017-06-26 | 2017-09-12 | 国网福建晋江市供电有限公司 | 一种配电网过电压故障类型识别方法及装置 |
CN107271170A (zh) * | 2017-07-12 | 2017-10-20 | 西安因联信息科技有限公司 | 一种机械设备故障类型的自动诊断方法及系统 |
CN108375472A (zh) * | 2018-02-12 | 2018-08-07 | 武汉科技大学 | 基于改进经验小波变换的轴承故障诊断方法及系统装置 |
CN109447511A (zh) * | 2018-11-13 | 2019-03-08 | 南方电网科学研究院有限责任公司 | 一种变压器故障诊断方法、系统及相关装置 |
CN109828033A (zh) * | 2019-01-08 | 2019-05-31 | 上海卫星工程研究所 | 基于振动响应相似度分析的损伤识别方法和系统 |
-
2019
- 2019-12-24 CN CN201911354316.XA patent/CN110954354B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101788378A (zh) * | 2009-01-23 | 2010-07-28 | 西门子公司 | 一种机械故障诊断方法和装置 |
CN105891629A (zh) * | 2016-03-31 | 2016-08-24 | 广西电网有限责任公司电力科学研究院 | 一种变压器设备故障的辨识方法 |
CN105847302A (zh) * | 2016-05-31 | 2016-08-10 | 北京奇艺世纪科技有限公司 | 一种异常检测方法及装置 |
CN106094570A (zh) * | 2016-07-13 | 2016-11-09 | 北京航空航天大学 | 一种基于工况识别和谷本距离的变工况下航空发动机整机健康评估方法 |
CN106404441A (zh) * | 2016-09-22 | 2017-02-15 | 宁波大学 | 一种基于非线性相似度指标的故障分类诊断方法 |
CN106292645A (zh) * | 2016-10-10 | 2017-01-04 | 深圳万发创新进出口贸易有限公司 | 一种新能源车辆故障数据采集系统 |
CN107153150A (zh) * | 2017-06-26 | 2017-09-12 | 国网福建晋江市供电有限公司 | 一种配电网过电压故障类型识别方法及装置 |
CN107271170A (zh) * | 2017-07-12 | 2017-10-20 | 西安因联信息科技有限公司 | 一种机械设备故障类型的自动诊断方法及系统 |
CN108375472A (zh) * | 2018-02-12 | 2018-08-07 | 武汉科技大学 | 基于改进经验小波变换的轴承故障诊断方法及系统装置 |
CN109447511A (zh) * | 2018-11-13 | 2019-03-08 | 南方电网科学研究院有限责任公司 | 一种变压器故障诊断方法、系统及相关装置 |
CN109828033A (zh) * | 2019-01-08 | 2019-05-31 | 上海卫星工程研究所 | 基于振动响应相似度分析的损伤识别方法和系统 |
Non-Patent Citations (2)
Title |
---|
王敏: ""基于形态分量分析的齿轮箱多故障诊断方法研究"", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
韩敏 等: ""基于改进核主成分分析的故障检测与诊断方法"", 《化工学报》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111693291A (zh) * | 2020-05-28 | 2020-09-22 | 西安交通大学 | 一种基于振动信号的柴油机燃烧故障变工况定量诊断方法 |
CN111693291B (zh) * | 2020-05-28 | 2022-03-01 | 西安交通大学 | 一种基于振动信号的柴油机燃烧故障变工况定量诊断方法 |
CN114019298A (zh) * | 2021-09-28 | 2022-02-08 | 中电华创(苏州)电力技术研究有限公司 | 一种基于pcc-svm的发电机转子匝间短路在线监测方法 |
CN114019298B (zh) * | 2021-09-28 | 2023-12-05 | 中电华创(苏州)电力技术研究有限公司 | 一种基于pcc-svm的发电机转子匝间短路在线监测方法 |
CN114418037A (zh) * | 2022-03-29 | 2022-04-29 | 启东市海信机械有限公司 | 一种基于人工智能的推杆故障分析方法 |
CN115795292A (zh) * | 2022-10-20 | 2023-03-14 | 南京工大数控科技有限公司 | 一种基于LabVIEW的铣齿机主轴箱故障诊断系统及方法 |
CN115795292B (zh) * | 2022-10-20 | 2023-10-17 | 南京工大数控科技有限公司 | 一种基于LabVIEW的铣齿机主轴箱故障诊断系统及方法 |
CN115839846A (zh) * | 2023-02-27 | 2023-03-24 | 济南嘉宏科技有限责任公司 | 一种基于无线传感器的设备故障预警诊断方法 |
CN115839846B (zh) * | 2023-02-27 | 2023-06-20 | 济南嘉宏科技有限责任公司 | 一种基于无线传感器的设备故障预警诊断方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110954354B (zh) | 2022-04-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110954354B (zh) | 设备故障诊断方法及装置 | |
Wang et al. | A novel statistical time-frequency analysis for rotating machine condition monitoring | |
Jin et al. | Anomaly detection of cooling fan and fault classification of induction motor using Mahalanobis–Taguchi system | |
Yang et al. | Chaotic analysis and feature extraction of vibration signals from power circuit breakers | |
CN111353482A (zh) | 一种基于lstm的疲劳因子隐性异常检测及故障诊断方法 | |
Yan et al. | Fisher’s discriminant ratio based health indicator for locating informative frequency bands for machine performance degradation assessment | |
CN109613428A (zh) | 一种能像系统及其在电机设备故障检测方法中的应用 | |
García-Escudero et al. | Robust condition monitoring for early detection of broken rotor bars in induction motors | |
CN111044902B (zh) | 一种基于电流和电压信号的电机故障诊断方法 | |
Yang et al. | Fault identification for circuit breakers based on vibration measurements | |
CN110849645B (zh) | 一种gis机械故障的初步诊断方法 | |
CN113748326A (zh) | 用于对感应电动机估计轴承故障严重性的方法 | |
CN111398823B (zh) | 基于效率及损耗的水电机组发电机故障诊断方法 | |
CN106597160B (zh) | 一种电子设备故障检测方法和装置 | |
CN110879586A (zh) | 一种调相机故障诊断和状态监测方法和系统 | |
Lu et al. | Early fault warning and identification in condition monitoring of bearing via wavelet packet decomposition coupled with graph | |
KR20210006832A (ko) | 기계고장 진단 방법 및 장치 | |
CN105445004B (zh) | 设备零部件的振动曲线归一化平均寿命预测办法 | |
CN115655731A (zh) | 柴油机状态监测方法、装置及存储介质 | |
Saputra et al. | Haar and Symlet Discrete Wavelete Transform for Identification Misalignment on Three Phase Induction Motor Using Energy Level and Feature Extraction | |
Yao et al. | A low-frequency fault detection method for low-speed planetary gearbox based on acoustic signals | |
CN114742093A (zh) | 基于时频曲线提取和分类的滚动轴承故障诊断方法及装置 | |
Făgărăşan et al. | Applications of fault detection methods to industrial processes | |
CN114112390A (zh) | 一种非线性复杂系统早期故障诊断方法 | |
Lim et al. | Motor fault detection method for vibration signal using FFT residuals |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |