CN112037500A - 自动判别故障的减速机、提升机及故障自动判别方法 - Google Patents

Abstract

本申请公开了一种自动判别故障的减速机，其中，多个第一传感器安装于减速传动机构、传动轴、传动轴承、箱体、通气装置、润滑装置、油封中至少一个部分上，用于检测并上传减速机相应部分的传感信号。该减速机增设了故障自动判别功能，在从采集传感信号到确定出故障信息的过程中，通过先拟合再分解来避免信号端部发生波动，为信号的分解提供了更为准确的输入，并利用信号分解后的不相关信号分量来构建虚拟噪声，使得提取出的有效信号更为真实，降噪效果更好，以此实现减速机和提升机的故障自动判别。

Description

自动判别故障的减速机、提升机及故障自动判别方法

技术领域

本申请涉及故障识别技术领域，特别涉及自动判别故障的减速机、自动判别故障的提升机及其故障自动判别方法。

背景技术

机械设备在运行过程的故障率是设备运行的一个痛点，为此采用的方式是在设备上安装相应的传感器来检测设备的运行参数、外在变化等情况，以此懒判断设备是否发生故障。例如对于减速机来说，可以通过检测设备的振动量、温度、压力等数据来判断设备是否发生故障。

由于设备的检测点位较多，因此通常会在各检测点位分别布置传感器进行检测，继续以振动检测为例，由于振动源可能不止一个，并且振动的幅频经过机械传导后可能会发生变化，各传感器所检测到的传感数据为叠加态的数据，无法分别出各振动源及其相应产生的振动量，因此需要对传感器检测到的数据进行分解。

目前在分解过程中，会因为信号端点处产生偏差而导致发生分解误差，分解出来的信号分量在两端产生的较大波动，不利于振动信号的分析和故障的判断，这是目前亟需解决的一个问题。

并且，在对传感信号进行处理时需要对信号进行降噪，将噪声与有效信号分离，但由于噪声是未知的，因此在消除噪声时只能用试配的方法进行降噪，若试配所使用的信号与振动信号匹配度很低，则降噪效果就会较差，这是目前亟需解决的另一个问题。

发明内容

(一)申请目的

基于此，为了避免信号分解时得到的信号分量在端部产生较大波动，以提高振动信号的分析和故障判断的准确性，并提高信号处理过程中的降噪效果，避免试配带来的随机性降噪效果，本申请公开了以下技术方案。

(二)技术方案

一方面，提供了一种自动判别故障的减速机，包括减速传动机构、传动轴、传动轴承、箱体、通气装置、润滑装置、油封、故障自动判别装置以及多个第一传感器；其中，

所述多个第一传感器安装于所述减速传动机构、传动轴、传动轴承、箱体、通气装置、润滑装置、油封中至少一个部分上，用于检测并上传减速机相应部分的传感信号；

所述故障自动判别装置，用于对所述多个第一传感器上传的传感信号进行拟合和分解，并提取出有效传感信号，利用该有效传感信号判断减速机的对应检测点处的故障信息；

故障报警模块，用于将所述故障判别装置确定出的故障信息作为故障报警信号发送至中控系统。

在一种可能的实施方式中，所述故障自动判别装置包括：

拟合信号生成模块，用于对所述第一传感器上传的传感信号边缘进行趋势预测得到虚拟极值点，并将所述虚拟极值点加入所述传感信号的极值点序列中得到拟合信号；

拟合信号分解模块，用于对所述拟合信号进行分解得到多个信号分量；

有效信号计算模块，用于依据与所述拟合信号之间的相关度特征量小于相关度阈值的信号分量来构建虚拟噪声量，依据所述虚拟噪声量提取出有效传感信号；

故障判别模块，用于计算所述有效传感信号的特征和相关度特征量不小于相关度阈值的信号分量的特征分别与各类非故障信号特征之间的匹配度，并在匹配度低于匹配度阈值时确定设备的该传感信号对应的检测点处的故障信息。

在一种可能的实施方式中，其特征在于，所述拟合信号生成模块包括：

极值点获取单元，用于获取所述传感信号中所有极值点的位置关系及幅值；

端点极值获取单元，用于依据所述位置关系及幅值算出与所述传感信号端点最近的多个极值点的幅值均值和时长跨度；

虚拟极值预测单元，用于依据所述幅值均值和时长跨度通过支持向量回归机预测出端点的虚拟极值点；

其中，将处于上升趋势且幅值比邻近极大值大的端点直接作为虚拟极大值点。

在一种可能的实施方式中，所述拟合信号分解模块通过执行以下步骤进行拟合信号的分解：

步骤210，将所述拟合信号作为待分解信号；

步骤220，算出所述待分解信号的包络均值，并算出所述待分解信号与所述包络均值的差值分量；

步骤230，若所述差值分量满足分解终止条件，则该所述差值分量为函数分量，若所述差值分量未满足分解终止条件，则将所述差值分量作为新的待分解信号并重新执行步骤220，直到满足分解终止条件，得到函数分量；

步骤240，计算所述拟合信号与所述函数分量的差值得到残留分量，将所述残留分量作为新的待分解信号并重新执行步骤220，直到所述残留分量为单调函数，得到作为信号分量的多个函数分量，以及一个残留分量；

其中，所述分解终止条件为：极值点与过零点个数之差的绝对值不大于1，且局部极大值点和局部极小值点分别形成的包络线的均值为0。

在一种可能的实施方式中，所述有效信号计算模块包括：

相关度计算单元，用于将所述多个信号分量分别与所述拟合信号进行相关度计算，得到各信号分量与所述拟合信号之间的相关度特征量；

虚拟噪声构建单元，用于将小于相关度阈值的相关度特征量对应的信号分量进行叠加，得到虚拟噪声量；

累积矩阵计算单元，用于将所述虚拟噪声量作为源估计信号分离计算式中的虚拟噪声信号，获取所述拟合信号的白化矩阵，算出所述拟合信号白化过程的累积量矩阵；

源信号提取单元，用于对所述累积量矩阵进行联合对角化得到幺正矩阵，进而得到作为有效传感信号的源信号。

另一方面，提供了一种自动判别故障的提升机，包括电动机、液压站、减速机、主轴装置、提升卷筒、深度指示器、制动器和多个第二传感器；

所述减速机为上述减速机任一实施方式中所述的减速机；

所述多个第二传感器安装于所述电动机、液压站、主轴装置、提升卷筒、深度指示器、制动器中至少一个部分上，用于检测相应部分的传感信号；其中，

所述减速机的故障自动判别装置还用于对所述多个第二传感器上传的传感信号进行拟合和分解，并提取出有效传感信号，利用该有效传感信号判断提升机的对应检测点处的故障信息。

在一种可能的实施方式中，制动器为盘式制动器，盘式制动器上安装的第二传感器包括应变传感器，盘式制动器的调整螺母的内孔壁上贴有密封圈，应变传感器埋设于密封圈与内孔壁之间，用于测量调整螺母的应变量作为制动器的制动压力传感信号。

在一种可能的实施方式中，制动器包括三通比例减压阀，三通比例减压阀包括电磁铁和减压阀体，电磁铁的推杆与减压阀体的连接套相连接，减压阀体的弹簧设置于连接套和弹簧座之间，减压阀体阀芯与连接套过盈配合，在电磁铁失电时，阀芯受弹簧的力移动，阀芯的阻尼孔与减压阀体的反馈腔连通，阀芯上的反馈杆受液压驱动对阀套上的挡套形成压力反馈。

还一方面，提供了一种用于减速机的故障自动判别方法，所述减速机包括减速传动机构、传动轴、传动轴承、箱体、通气装置、润滑装置、油封以及多个第一传感器；其中，所述多个第一传感器安装于所述减速传动机构、传动轴、传动轴承、箱体、通气装置、润滑装置、油封中至少一个部分上，

该方法包括：

通过所述多个第一传感器检测并上传减速机相应部分的传感信号；

对所述传感信号进行拟合和分解，并提取出有效传感信号，利用该有效传感信号判断减速机的对应检测点处的故障信息；

将所述故障信息作为故障报警信号发送至中控系统。

在一种可能的实施方式中，所述对所述传感信号进行拟合和分解，并提取出有效传感信号，利用该有效传感信号判断减速机的对应检测点处的故障信息，包括：

对所述第一传感器上传的传感信号边缘进行趋势预测得到虚拟极值点，并将所述虚拟极值点加入所述传感信号的极值点序列中得到拟合信号；

对所述拟合信号进行分解得到多个信号分量；

依据与所述拟合信号之间的相关度特征量小于相关度阈值的信号分量来构建虚拟噪声量，依据所述虚拟噪声量提取出有效传感信号；

计算所述有效传感信号的特征和相关度特征量不小于相关度阈值的信号分量的特征分别与各类非故障信号特征之间的匹配度，并在匹配度低于匹配度阈值时确定设备的该传感信号对应的检测点处的故障信息。

在一种可能的实施方式中，所述对传感信号边缘进行趋势预测得到虚拟极值点，并将所述虚拟极值点加入所述传感信号的极值点序列中得到拟合信号，包括：

获取所述传感信号中所有极值点的位置关系及幅值；

依据所述位置关系及幅值算出与所述传感信号端点最近的多个极值点的幅值均值和时长跨度；

依据所述幅值均值和时长跨度通过支持向量回归机预测出端点的虚拟极值点；其中，

将处于上升趋势且幅值比邻近极大值大的端点直接作为虚拟极大值点。

在一种可能的实施方式中，所述对所述拟合信号进行分解得到多个信号分量，包括：

步骤210，将所述拟合信号作为待分解信号；

步骤220，算出所述待分解信号的包络均值，并算出所述待分解信号与所述包络均值的差值分量；

步骤230，若所述差值分量满足分解终止条件，则该所述差值分量为函数分量，若所述差值分量未满足分解终止条件，则将所述差值分量作为新的待分解信号并重新执行步骤220，直到满足分解终止条件，得到函数分量；

步骤240，计算所述拟合信号与所述函数分量的差值得到残留分量，将所述残留分量作为新的待分解信号并重新执行步骤220，直到所述残留分量为单调函数，得到作为信号分量的多个函数分量，以及一个残留分量；其中，

所述分解终止条件为：极值点与过零点个数之差的绝对值不大于1，且局部极大值点和局部极小值点分别形成的包络线的均值为0。

在一种可能的实施方式中，所述依据与所述拟合信号之间的相关度特征量小于相关度阈值的信号分量来构建虚拟噪声量，依据所述虚拟噪声量提取出有效传感信号，包括：

将所述多个信号分量分别与所述拟合信号进行相关度计算，得到各信号分量与所述拟合信号之间的相关度特征量；

将小于相关度阈值的相关度特征量对应的信号分量进行叠加，得到虚拟噪声量；

将所述虚拟噪声量作为源估计信号分离计算式中的虚拟噪声信号，获取所述拟合信号的白化矩阵，算出所述拟合信号白化过程的累积量矩阵；

对所述累积量矩阵进行联合对角化得到幺正矩阵，进而得到作为有效传感信号的源信号。

还一方面，提供了一种用于提升机的故障自动判别方法，所述提升机包括电动机、液压站、减速机、主轴装置、提升卷筒、深度指示器、制动器和多个第二传感器；其中，所述多个第二传感器安装于所述电动机、液压站、减速机主轴装置、提升卷筒、深度指示器、制动器中至少一个部分上，

该方法包括：

通过所述多个第二传感器检测并上传提升机相应部分的传感信号；

对所述传感信号进行拟合和分解，并提取出有效传感信号，利用该有效传感信号判断减速机的对应检测点处的故障信息；

将所述故障信息作为故障报警信号发送至中控系统。

(三)有益效果

本申请公开的自动判别故障的减速机、提升机及故障自动判别方法，增设了故障自动判别功能，在从采集传感信号到确定出故障信息的过程中，通过先拟合再分解来避免信号端部发生波动，为信号的分解提供了更为准确的输入，并利用信号分解后的不相关信号分量来构建虚拟噪声，使得提取出的有效信号更为真实，降噪效果更好，以此实现减速机和提升机的故障自动判别。

附图说明

以下参考附图描述的实施例是示例性的，旨在用于解释和说明本申请，而不能理解为对本申请的保护范围的限制。

图1是本申请公开的自动判别故障的减速机第一实施例的结构框图；

图2是本申请公开的自动判别故障的提升机第一实施例的结构框图；

图3是本申请公开的用于减速机的故障自动判别方法第一实施例的流程示意图；

图4是图3中步骤B的细化流程示意图。

具体实施方式

为使本申请实施的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行更加详细的描述。

下面参考图1详细描述本申请公开的自动判别故障的减速机第一实施例。如图1所示，本实施例主要包括有：减速传动机构、传动轴、传动轴承、箱体、通气装置、润滑装置、油封、故障自动判别装置以及多个第一传感器。

多个第一传感器安装于减速传动机构、传动轴、传动轴承、箱体、通气装置、润滑装置、油封中至少一个部分上，用于检测并上传减速机相应部分的传感信号。

第一传感器可以是多个同种类型的传感器，例如均采用加速度传感器并安装于减速传动机构、传动轴、传动轴承、箱体等振动部件上来检测振动数据；第一传感器也可以是多个不同种类型的传感器，例如力敏传感器、位置传感器、液位传感器、速度传感器、加速度传感器、热敏传感器、应变传感器、扭矩传感器、压力传感器等，此时的传感信号则对应为振动信号、形变信号、电压信号、压力信号、温度信号等等一系列相应类型的信号。不同类型的传感器分别安装在需要检测相应类型传感信号的减速机组成部分上，例如液压传感器主要安装于润滑装置等需要检测液压的组件，应变传感器则可以安装于传动轴、传动轴承等可能发生形变的组件，热敏传感器则可以安装于减速机的上述所有组件中进行温控。

故障自动判别装置，用于对多个第一传感器上传的传感信号进行拟合和分解，并提取出有效传感信号，利用该有效传感信号判断减速机的对应检测点处的故障信息。

故障自动判别装置能够自动判断出安装有第一传感器的减速组件中发生故障的检测点，具体的，故障自动判别装置在从采集传感信号到确定出故障信息的过程中，通过先拟合再分解来避免信号端部发生波动，为信号的分解提供了更为准确的输入，并利用信号分解后的不相关信号分量来构建虚拟噪声，使得提取出的有效信号更为真实，降噪效果更好，以此实现减速机的故障自动判别。

故障报警模块，用于将故障判别装置确定出的故障信息作为故障报警信号发送至中控系统。

由于减速机通常会作为一个大型机械设备或多设备传动链中的其中一个设备与其他设备一起联动工作，因此整个大型机械设备或多设备传动链甚至是设有减速机的整个车间等场景下会设有相应的中控系统来进行机械设备运转的监测、控制和状态记录，在故障自动判别装置确定出某检测点处发生故障后，会将相应的故障信息发送给中控系统进行报警，用于提示维修人员进行故障处理，或者用于提示故障自动处理系统进行故障自处理。

在一种实施方式中，故障自动判别装置包括拟合信号生成模块、拟合信号分解模块、有效信号计算模块和故障判别模块。

拟合信号生成模块用于对各第一传感器上传的传感信号边缘进行趋势预测得到虚拟极值点，并将虚拟极值点加入传感信号的极值点序列中得到拟合信号。

为了在后续进行信号分解的时候，避免因为在信号的端点处出现偏差而导致的分解误差，因此先通过拟合信号生成模块对传感信号进行拟合。

具体的，对于第一传感器上传的一段连续时间的传感信号形成的信号曲线，在其左、右端点处进行预测，以在左、右端点处各延拓出一组虚拟的极值点，一组虚拟极值点包括一个虚拟极大值点和一个虚拟极小值点。将这两组虚拟极值点分别加入到原始采集信号中，得到拟合信号，这样使得拟合信号的包络线能够有效地“包住”原始采集信号，在之后进行信号分解时减轻分解出来的信号分量在两端产生的较大波动，真实反映信号的结构成分。

拟合信号分解模块用于对拟合信号进行分解得到多个信号分量。信号分解后得到的多个信号分量能够通过叠加的方式得到原拟合信号，并且各信号分量的时域和频域图均不同。

有效信号计算模块用于依据与拟合信号之间的相关度特征量小于相关度阈值的信号分量来构建虚拟噪声量，依据虚拟噪声量提取出有效传感信号。

在得到多个信号分量后，开始对原始采集信号进行噪声消除，估计出源信号，其借助的方式就是分解出的多个信号分量。在进行故障判别时，若减速机的该类传感信号对应的位置发生故障，则在分解得到的各信号分量中，会有一部分信号分量与拟合信号相近似，而另一部分信号分量与拟合信号差别较大，因此设置相关度阈值作为相关度准则(又称互相关准则)的评判，若信号分量与拟合信号之间的相关度特征量不小于相关度阈值，也就是互相关系数较高，则说明其与拟合信号相近似，否则说明其与拟合信号不近似，也就是互相关系数较低，因此利用这些互相关系数较低的信号分量来构造虚拟噪声量，以此来使得虚拟噪声量与真实噪声量更为相近，提高降噪效果。通过例如ICA(Independent ComponentAnalysis,独立分量分析)等算法利用构造出的虚拟噪声量来提取出有效的传感信号，作为故障判别的依据。

故障判别模块用于计算有效传感信号的特征与各类非故障信号特征之间的匹配度，以及计算相关度特征量不小于相关度阈值的信号分量的特征与各类非故障信号特征之间的匹配度，并在匹配度低于匹配度阈值时确定设备的该传感信号对应的检测点处的故障信息。

减速机的故障类型有多种，例如由于润滑效果差导致齿轮、轴承等组件的传动连接处出现超出正常水平的噪声和振动，由于润滑油油温过高或因散热故障导致各组件材料强度下降引起组件损坏，密封圈松动导致箱体漏油，振动或材料强度较低导致的齿根断裂、齿面磨损、轴承变形，组件振幅和帧频过高导致机体损坏，润滑装置液位过低导致无法正常供油润滑，等等。

得到有效传感信号的时域、频域图后，故障判别模块对其进行分析，将其与拟合信号进行对比，例如将频域划分为多个区域，在各不同的频率区域内进行分别对比。若发现某一频率区域内的峰值远高于轴承变形模型的非故障信号频域图中相应位置处的频率，则在频率幅值特征上，有效传感信号与轴承变形模型的非故障频率幅值特征的匹配度较低，而根据已经预先建立的能够筛选出各种不同类型故障特征的相应多个匹配度阈值，匹配度已经低于了轴承变形模型的频率幅值匹配度阈值，因此确定出该有效传感信号表明了减速机在相应检测点处发生了故障，且故障类型为振动导致的轴承变形故障，故障信息也就是该故障位置(检检测点)及故障类型(轴承变形故障)。

并且，拟合信号分解模块得到的多个信号分量中，除了相关度特征量小于阈值的信号分量外，还包括了一些相关度特征量不小于相关度阈值的信号分量，这些信号分量也存在对应的各类模型的非故障信号频谱特征，因此还可以将这些不小于阈值的信号分量与相应分量的各类模型非故障信号频谱特征进行对比，若存在匹配度低于阈值，则同样可以确定出该减速机故障，故障的类型也是由所低于阈值的特征模型类型决定，例如低于相应分量的断齿模型非故障信号频谱特征，则故障类型为断齿。

还可以记录依据故障判别模块确定出的故障信息，并配合这段时间内记录的设备参数、设备检修状态等信息对过去一段时间内记录的故障信息进行分析，以此对设备的检修计划进行适应性调整，保持对高发故障的部分进行高频次的检修；对检测点的位置进行适应性改变，撤销无故障的检测点并在高发故障的检测点附近新增检测点；对高发故障的部分在检修时所需的工装保持高库存量，并对无故障部分在检修时所需的工装保持低库存量。

本实施例增设了故障自动判别功能，在从采集传感信号到确定出故障信息的过程中，通过先拟合再分解来避免信号端部发生波动，为信号的分解提供了更为准确的输入，并利用信号分解后的不相关信号分量来构建虚拟噪声，使得提取出的有效信号更为真实，降噪效果更好，以此实现减速机和提升机的故障自动判别。

当传感信号的端点不为极值时，会使得插值信号的两端发生波动，进而导致信号分解过程产生的误差增大，因此通过拟合信号生成模块进行传感信号拟合。在一种实施方式中，拟合信号生成模块包括：极值点获取单元、端点极值获取单元和虚拟极值预测单元。

极值点获取单元用于获取传感信号中所有极值点的位置关系及幅值。极值点是函数图像的某段子区间内上极大值或者极小值点的横坐标。

端点极值获取单元用于依据位置关系及幅值算出与传感信号端点最近的多个极值点的幅值均值和时长跨度。例如可以计算与传感信号端点最近的2个极值点的幅值均值和时长跨度，其中，幅值均值就是将该2个最近的极值点的极大值和极小值分别求平均数，时长跨度则是最近的第3个极值点与第1个极值点之间的时间间隔除以2。

虚拟极值预测单元用于依据幅值均值和时长跨度通过支持向量回归机预测出端点的虚拟极值点。支持向量回归机(Support Vactor Regression，SVR)能够对信号两端进行预测，在信号的两端分别添加一组极值点(包括一个极大值点和一个极小值点)。

其中，虚拟极值预测单元将处于上升趋势且幅值比邻近极大值大的端点直接作为虚拟极大值点，并将其作为插值加入整个信号的极大值点中，避免丢失掉端点信息。

在预测出虚拟极值点后，对加入了虚拟极值点的极值点序列进行上包络拟合(极大值点包络拟合)和下包括拟合(极小值点包络拟合)，得到上包络线、下包络线和包络均值曲线。

由于SVR具有寻找全局最优和泛化的能力，利于处理小样本数据，因此将其应用到虚拟极值点预测上，能够更好地区分出端点是否为极值，利于避免虚假信号分量的产生以及信号分量混叠，使得最终得到的有效传感信号更加真实。

在一种实施方式中，拟合信号分解模块通过执行以下步骤210至240实现信号分解。

步骤210，将拟合信号作为待分解信号。

步骤220，算出待分解信号的包络均值，并算出待分解信号与包络均值的差值分量，即拟合信号与求得的包络均值的差值。

步骤230，若差值分量满足分解终止条件，则该差值分量为函数分量，若差值分量未满足分解终止条件，则将差值分量作为新的待分解信号并重新执行步骤220，直到满足分解终止条件，得到函数分量。函数分量可以是本征模态函数(Intrinsic Mode Function，IMF)分量，也可以采用乘积函数(Product function，PF)分量。

步骤240，计算拟合信号与函数分量的差值得到残留分量，将残留分量作为新的待分解信号并重新执行步骤220，直到残留分量为单调函数，得到作为信号分量的多个函数分量，以及一个残留分量。最终将拟合信号x(t)分解后得到：x(t)＝210(t)+220(t)…+a_n(t)+r_n(t)，其中a_i(t)为第i个函数分量，也就是第i个信号分量，r_n(t)为残留分量。

其中，分解终止条件为：极值点与过零点个数之差的绝对值不大于1，且局部极大值点和局部极小值点分别形成的包络线的均值为0。

第一传感器在采集数据时，有些信号会受到检测点以外的其他位置处的信号源产生的噪声所干扰，例如振动信号、压力信号等，因此在检测点采集到的信号实际是多种信号的叠加，而不只是检测点所针对的构件、组件产生的信号，因此通过有效信号计算模块进行有效信号的提取。在一种实施方式中，有效信号计算模块包括：相关度计算单元、虚拟噪声构建单元、累积矩阵计算单元和源信号提取单元。

相关度计算单元用于将多个信号分量分别与拟合信号进行相关度计算，得到各信号分量与拟合信号之间的相关度特征量。

拟合信号作为相关度对比的基准，相关度特征的计算可以根据互相关准则作为依据，例如通过互相关准则算出信号分量与拟合信号之间的互相关系数作为相关度特征量。

虚拟噪声构建单元用于将小于相关度阈值的相关度特征量对应的信号分量进行叠加，得到虚拟噪声量。假设共有10个信号分量210(t)，220(t)，…，210₀(t)，其中只有230(t)、240(t)和a₅(t)的互相关系数不小于相关度阈值，则对剩余的7个信号分量进行叠加，得到虚拟噪声量n₁(t)。

累积矩阵计算单元用于将虚拟噪声量作为输入，获取拟合信号的白化矩阵，算出拟合信号白化过程的累积量矩阵，并算出累积量矩阵的显著特征对。白化(也即球化)矩阵可以通过虚拟噪声量的协方差算出，得到矩阵转化等式z(t)＝Wx(t)，白化矩阵W的估计值可通过观测信号的自相关矩阵的特征值分解得到。累积量矩阵可以是四阶累积量矩阵，显著特征对

源信号提取单元用于对累积量矩阵进行联合对角化得到幺正矩阵，进而得到作为有效传感信号的源信号。通过联合对角化求出幺正矩阵(也即酉矩阵)，再对矩阵转化等式进行分解，从而得到混合矩阵和估计的源信号。

由于与源信号相关性小的信号分量很可能会与真实噪声信号的相关性大，因此利用分解出来的低相关度信号分量来构造虚拟噪声，提高了虚拟噪声与真实噪声的匹配度，进而提高了降噪效果。

下面参考图2详细描述本申请公开的自动判别故障的提升机第一实施例。如图2所示，本实施例主要包括有电动机、液压站、减速机、主轴装置、提升卷筒、深度指示器、制动器和多个第二传感器。其中，减速机为前述自动判别故障的减速机第一实施例中公开的减速机。

提升机是通过改变势能进行运输的大型机械设备，如矿井提升机、过坝提升机等。其中，电动机提供提升动力，减速机将电动机的高速低扭矩转化为低速大扭矩并输出至主轴装置，主轴装置承受被提升物的载荷并将扭矩转换成钢丝绳缠绕速度与卷筒提升转矩，液压站与制动器共同为提升机提供可调节的制动力，深度指示器检测提升容器在井道中的位置作为提升机速度控制和制动控制的依据。

多个第二传感器安装于电动机、液压站、主轴装置、提升卷筒、深度指示器、制动器中至少一个部分上，用于检测相应部分的传感信号。

第二传感器可以是多个同种类型的传感器，例如均采用加速度传感器并安装于提升机的各个传动机构、传动轴、传动轴承、箱体等振动部件上来检测振动数据；第二传感器也可以是多个不同种类型的传感器，例如力敏传感器、位置传感器、液位传感器、速度传感器、加速度传感器、热敏传感器、应变传感器、扭矩传感器、压力传感器、采用摇臂式行程开关的松绳检测行程开关、采用碰头式行程开关的闸瓦磨损检测行程开关、采用霍尔传感器的深度指示器外置检测开关、多个采用压力变送器的制动油油压检测传感器、多个采用磁敏开关的罐笼到位检测开关等等。此时的传感信号则对应为振动信号、形变信号、电压信号、压力信号、温度信号等等一系列相应类型的信号。不同类型的传感器分别安装在需要检测相应类型传感信号的提升机组成部分上，提升机的电动机、液压站、减速机、主轴装置、提升卷筒、深度指示器、制动器上可以同时安装有上述类型的传感器。

提升机可能发生的故障也有多种，除了上文提到的减速机故障外，提升机的其他组成部分也可能发生故障，例如液压系统可能存在事故逆转、超速、外部减速失效、松绳保护、油压高、闸瓦磨损、弹簧疲劳、闸盘偏摆、变频故障、液压油超温、断销、机械超速等故障，其他的设备同理也可能发生各自的故障。

减速机的故障自动判别装置还用于对多个第二传感器上传的传感信号进行拟合和分解，并提取出有效传感信号，利用该有效传感信号判断提升机的对应检测点处的故障信息。

故障自动判别装置包括拟合信号生成模块、拟合信号分解模块、有效信号计算模块和故障判别模块，其与前述故障自动判别装置第一实施例中公开的故障自动判别装置的组成、功能均相同，在此不做赘述。上述多个第二传感器将传感数据上传给故障自动判别装置，故障自动判别装置对提升机的各个组成部分进行故障判别和故障检测。

本实施例为提升机增设了故障自动判别功能，在从采集传感信号到确定出故障信息的过程中，通过先拟合再分解来避免信号端部发生波动，为信号的分解提供了更为准确的输入，并利用信号分解后的不相关信号分量来构建虚拟噪声，使得提取出的有效信号更为真实，降噪效果更好，以此实现提升机的故障自动判别。

为了提高盘式制动器的制动压力的检测准确性，在一种实施方式中，制动器为盘式制动器，盘式制动器上安装的第二传感器包括应变传感器，盘式制动器的调整螺母的内孔壁上贴有密封圈，应变传感器埋设于密封圈与内孔壁之间，用于测量调整螺母的应变量作为制动器的制动压力传感信号。

调整螺母外壁设有外螺纹，并与制动器结构体的内螺纹螺接，调整螺母套设在油缸径向外侧，油缸的缸盖则位于调整螺母的端部一侧。在制动器进行制动时中，闸瓦紧贴到制动盘盘面，此时调整螺母受力形变，使得应变传感器检测到形变数据，以此检测出筒体与弹簧座之间在线性方向上的制动压力。在信号传输方面，可以在调整螺母上开设通孔，并通过与应变传感器连接的引线将信号传输出去。

采用此种方式进行制动压力传感信号的测量，避免了由于外接线损坏以及无法在线标定等因素引起的测量误差，提高了检测的准确性。

在提升机运转过程中，制动系统是保证提升机按位停车的最终手段，而制动系统动作的依据是压力传感器反馈的压力信号，为了避免由于压力传感器损坏或因为一些原因而无法将正确数据正常反馈给控制系统导致提升机发生安全事故，在一种实施方式中，制动器包括三通比例减压阀，三通比例减压阀包括电磁铁和减压阀体，电磁铁的推杆与减压阀体的连接套相连接，减压阀体的弹簧设置于连接套和弹簧座之间，减压阀体阀芯与连接套过盈配合，在电磁铁失电时，阀芯受弹簧的力移动，阀芯的阻尼孔与减压阀体的反馈腔连通，阀芯上的反馈杆受液压驱动对阀套上的挡套形成压力反馈。

通过采用三通比例减压阀，使得外部通过压力传感器实现压力电闭环控制，而内部通过减压阀反馈杆实现机械反馈，在压力传感器发生故障时能够通过机械反馈来控制制动缸的压力进而避免发生安全事故。

下面参考图3和图4详细描述本申请公开的用于减速机的故障自动判别方法第一实施例。本实施例是用于实施前述自动判别故障的减速机第一实施例的方法。本实施例的减速机包括减速传动机构、传动轴、传动轴承、箱体、通气装置、润滑装置、油封以及多个第一传感器；其中，上述多个第一传感器安装于减速传动机构、传动轴、传动轴承、箱体、通气装置、润滑装置、油封中至少一个部分上。

如图3所示，本实施例公开的方法包括如下步骤A至步骤C。

步骤A，通过多个第一传感器检测并上传减速机相应部分的传感信号；

步骤B，对传感信号进行拟合和分解，并提取出有效传感信号，利用该有效传感信号判断减速机的对应检测点处的故障信息；

步骤C，将故障信息作为故障报警信号发送至中控系统。

在一种实施方式中，如图4所示，步骤B中对传感信号进行拟合和分解，并提取出有效传感信号，利用该有效传感信号判断减速机的对应检测点处的故障信息，包括以下步骤100至步骤400。

步骤100，对第一传感器上传的传感信号边缘进行趋势预测得到虚拟极值点，并将虚拟极值点加入传感信号的极值点序列中得到拟合信号；

步骤200，对拟合信号进行分解得到多个信号分量；

步骤300，依据与拟合信号之间的相关度特征量小于相关度阈值的信号分量来构建虚拟噪声量，依据虚拟噪声量提取出有效传感信号；

步骤400，计算有效传感信号的特征和相关度特征量不小于相关度阈值的信号分量的特征分别与各类非故障信号特征之间的匹配度，并在匹配度低于匹配度阈值时确定设备的该传感信号对应的检测点处的故障信息。

在一种实施方式中，步骤100中对传感信号边缘进行趋势预测得到虚拟极值点，并将虚拟极值点加入传感信号的极值点序列中得到拟合信号，包括以下步骤110至步骤130。

步骤110，获取传感信号中所有极值点的位置关系及幅值。

步骤120，依据位置关系及幅值算出与传感信号端点最近的多个极值点的幅值均值和时长跨度。

步骤130，依据幅值均值和时长跨度通过支持向量回归机预测出端点的虚拟极值点。

其中，将处于上升趋势且幅值比邻近极大值大的端点直接作为虚拟极大值点。

在一种实施方式中，步骤200中对拟合信号进行分解得到多个信号分量，包括以下步骤210至步骤240。

步骤210，将拟合信号作为待分解信号。

步骤220，算出待分解信号的包络均值，并算出待分解信号与包络均值的差值分量。

步骤230，若差值分量满足分解终止条件，则该差值分量为函数分量，若差值分量未满足分解终止条件，则将差值分量作为新的待分解信号并重新执行步骤220，直到满足分解终止条件，得到函数分量。

步骤240，计算拟合信号与函数分量的差值得到残留分量，将残留分量作为新的待分解信号并重新执行步骤220，直到残留分量为单调函数，得到作为信号分量的多个函数分量，以及一个残留分量。其中，

分解终止条件为：极值点与过零点个数之差的绝对值不大于1，且局部极大值点和局部极小值点分别形成的包络线的均值为0。

在一种实施方式中，步骤300中依据与拟合信号之间的相关度特征量小于相关度阈值的信号分量来构建虚拟噪声量，依据虚拟噪声量提取出有效传感信号，包括以下步骤310至步骤340。

步骤310，将多个信号分量分别与拟合信号进行相关度计算，得到各信号分量与拟合信号之间的相关度特征量。

步骤320，将小于相关度阈值的相关度特征量对应的信号分量进行叠加，得到虚拟噪声量。

步骤330，将虚拟噪声量作为源估计信号分离计算式中的虚拟噪声信号，获取拟合信号的白化矩阵，算出拟合信号白化过程的累积量矩阵。

步骤340，对累积量矩阵进行联合对角化得到幺正矩阵，进而得到作为有效传感信号的源信号。

本申请公开的故障自动判别装置及方法、减速机以及提升机，增设了故障自动判别功能，在从采集传感信号到确定出故障信息的过程中，通过先拟合再分解来避免信号端部发生波动，为信号的分解提供了更为准确的输入，并利用信号分解后的不相关信号分量来构建虚拟噪声，使得提取出的有效信号更为真实，降噪效果更好，以此实现减速机和提升机的故障自动判别。

本实施例提供的方法为减速机增设了故障自动判别功能，在从采集传感信号到确定出故障信息的过程中，通过先拟合再分解来避免信号端部发生波动，为信号的分解提供了更为准确的输入，并利用信号分解后的不相关信号分量来构建虚拟噪声，使得提取出的有效信号更为真实，降噪效果更好，以此实现减速机的故障自动判别。

下面详细描述本申请公开的用于提升机的故障自动判别方法第一实施例。本实施例是用于实施前述自动判别故障的提升机第一实施例的方法。本实施例的提升机包括电动机、液压站、减速机、主轴装置、提升卷筒、深度指示器、制动器和多个第二传感器；其中，上述多个第二传感器安装于电动机、液压站、减速机主轴装置、提升卷筒、深度指示器、制动器中至少一个部分上。

本实施例公开的方法包括如下步骤A至步骤C。

步骤A，通过多个第二传感器检测并上传提升机相应部分的传感信号；

步骤B，对传感信号进行拟合和分解，并提取出有效传感信号，利用该有效传感信号判断减速机的对应检测点处的故障信息；

步骤C，将故障信息作为故障报警信号发送至中控系统。

在一种实施方式中，步骤B中对传感信号进行拟合和分解，并提取出有效传感信号，利用该有效传感信号判断减速机的对应检测点处的故障信息，包括以下步骤100至步骤400。

步骤100，对第一传感器上传的传感信号边缘进行趋势预测得到虚拟极值点，并将虚拟极值点加入传感信号的极值点序列中得到拟合信号；

步骤200，对拟合信号进行分解得到多个信号分量；

步骤300，依据与拟合信号之间的相关度特征量小于相关度阈值的信号分量来构建虚拟噪声量，依据虚拟噪声量提取出有效传感信号；

步骤400，计算有效传感信号的特征和相关度特征量不小于相关度阈值的信号分量的特征分别与各类非故障信号特征之间的匹配度，并在匹配度低于匹配度阈值时确定设备的该传感信号对应的检测点处的故障信息。

在一种实施方式中，步骤100中对传感信号边缘进行趋势预测得到虚拟极值点，并将虚拟极值点加入传感信号的极值点序列中得到拟合信号，包括以下步骤110至步骤130。

步骤110，获取传感信号中所有极值点的位置关系及幅值。

步骤120，依据位置关系及幅值算出与传感信号端点最近的多个极值点的幅值均值和时长跨度。

步骤130，依据幅值均值和时长跨度通过支持向量回归机预测出端点的虚拟极值点。

其中，将处于上升趋势且幅值比邻近极大值大的端点直接作为虚拟极大值点。

在一种实施方式中，步骤200中对拟合信号进行分解得到多个信号分量，包括以下步骤210至步骤240。

步骤210，将拟合信号作为待分解信号。

步骤220，算出待分解信号的包络均值，并算出待分解信号与包络均值的差值分量。

步骤230，若差值分量满足分解终止条件，则该差值分量为函数分量，若差值分量未满足分解终止条件，则将差值分量作为新的待分解信号并重新执行步骤220，直到满足分解终止条件，得到函数分量。

步骤240，计算拟合信号与函数分量的差值得到残留分量，将残留分量作为新的待分解信号并重新执行步骤220，直到残留分量为单调函数，得到作为信号分量的多个函数分量，以及一个残留分量。其中，

分解终止条件为：极值点与过零点个数之差的绝对值不大于1，且局部极大值点和局部极小值点分别形成的包络线的均值为0。

在一种实施方式中，步骤300中依据与拟合信号之间的相关度特征量小于相关度阈值的信号分量来构建虚拟噪声量，依据虚拟噪声量提取出有效传感信号，包括以下步骤310至步骤340。

步骤310，将多个信号分量分别与拟合信号进行相关度计算，得到各信号分量与拟合信号之间的相关度特征量。

步骤320，将小于相关度阈值的相关度特征量对应的信号分量进行叠加，得到虚拟噪声量。

步骤330，将虚拟噪声量作为源估计信号分离计算式中的虚拟噪声信号，获取拟合信号的白化矩阵，算出拟合信号白化过程的累积量矩阵。

步骤340，对累积量矩阵进行联合对角化得到幺正矩阵，进而得到作为有效传感信号的源信号。

本申请公开的故障自动判别装置及方法、减速机以及提升机，增设了故障自动判别功能，在从采集传感信号到确定出故障信息的过程中，通过先拟合再分解来避免信号端部发生波动，为信号的分解提供了更为准确的输入，并利用信号分解后的不相关信号分量来构建虚拟噪声，使得提取出的有效信号更为真实，降噪效果更好，以此实现减速机和提升机的故障自动判别。

本实施例提供的方法为提升机增设了故障自动判别功能，在从采集传感信号到确定出故障信息的过程中，通过先拟合再分解来避免信号端部发生波动，为信号的分解提供了更为准确的输入，并利用信号分解后的不相关信号分量来构建虚拟噪声，使得提取出的有效信号更为真实，降噪效果更好，以此实现提升机的故障自动判别。

本文中的模块、单元或组件的划分仅仅是一种逻辑功能的划分，在实际实现时可以有其他的划分方式，例如多个模块和/或单元可以结合或集成于另一个系统中。作为分离部件说明的模块、单元、组件在物理上可以是分开的，也可以是不分开的。作为单元显示的部件可以是物理单元，也可以不是物理单元，即可以位于一个具体地方，也可以分布到网格单元中。因此可以根据实际需要选择其中的部分或全部的单元来实现实施例的方案。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种自动判别故障的减速机，其特征在于，包括减速传动机构、传动轴、传动轴承、箱体、通气装置、润滑装置、油封、故障自动判别装置以及多个第一传感器；其中，

所述多个第一传感器安装于所述减速传动机构、传动轴、传动轴承、箱体、通气装置、润滑装置、油封中至少一个部分上，用于检测并上传减速机相应部分的传感信号；

所述故障自动判别装置，用于对所述多个第一传感器上传的传感信号进行拟合和分解，并提取出有效传感信号，利用该有效传感信号判断减速机的对应检测点处的故障信息；

故障报警模块，用于将所述故障判别装置确定出的故障信息作为故障报警信号发送至中控系统。

2.如权利要求1所述的减速机，其特征在于，所述故障自动判别装置包括：

拟合信号生成模块，用于对所述第一传感器上传的传感信号边缘进行趋势预测得到虚拟极值点，并将所述虚拟极值点加入所述传感信号的极值点序列中得到拟合信号；

拟合信号分解模块，用于对所述拟合信号进行分解得到多个信号分量；

有效信号计算模块，用于依据与所述拟合信号之间的相关度特征量小于相关度阈值的信号分量来构建虚拟噪声量，依据所述虚拟噪声量提取出有效传感信号；

故障判别模块，用于计算所述有效传感信号的特征和相关度特征量不小于相关度阈值的信号分量的特征分别与各类非故障信号特征之间的匹配度，并在匹配度低于匹配度阈值时确定设备的该传感信号对应的检测点处的故障信息。

3.如权利要求2所述的减速机，其特征在于，所述拟合信号生成模块包括：

极值点获取单元，用于获取所述传感信号中所有极值点的位置关系及幅值；

端点极值获取单元，用于依据所述位置关系及幅值算出与所述传感信号端点最近的多个极值点的幅值均值和时长跨度；

虚拟极值预测单元，用于依据所述幅值均值和时长跨度通过支持向量回归机预测出端点的虚拟极值点；

其中，将处于上升趋势且幅值比邻近极大值大的端点直接作为虚拟极大值点。

4.如权利要求2所述的减速机，其特征在于，所述有效信号计算模块包括：

相关度计算单元，用于将所述多个信号分量分别与所述拟合信号进行相关度计算，得到各信号分量与所述拟合信号之间的相关度特征量；

虚拟噪声构建单元，用于将小于相关度阈值的相关度特征量对应的信号分量进行叠加，得到虚拟噪声量；

累积矩阵计算单元，用于将所述虚拟噪声量作为源估计信号分离计算式中的虚拟噪声信号，获取所述拟合信号的白化矩阵，算出所述拟合信号白化过程的累积量矩阵；

源信号提取单元，用于对所述累积量矩阵进行联合对角化得到幺正矩阵，进而得到作为有效传感信号的源信号。

5.一种自动判别故障的提升机，其特征在于，包括电动机、液压站、减速机、主轴装置、提升卷筒、深度指示器、制动器和多个第二传感器；

所述减速机为权利要求1至4中任一项所述的减速机；

所述多个第二传感器安装于所述电动机、液压站、主轴装置、提升卷筒、深度指示器、制动器中至少一个部分上，用于检测相应部分的传感信号；其中，

所述减速机的故障自动判别装置还用于对所述多个第二传感器上传的传感信号进行拟合和分解，并提取出有效传感信号，利用该有效传感信号判断提升机的对应检测点处的故障信息。

6.一种用于减速机的故障自动判别方法，其特征在于，所述减速机包括减速传动机构、传动轴、传动轴承、箱体、通气装置、润滑装置、油封以及多个第一传感器；其中，所述多个第一传感器安装于所述减速传动机构、传动轴、传动轴承、箱体、通气装置、润滑装置、油封中至少一个部分上，

该方法包括：

通过所述多个第一传感器检测并上传减速机相应部分的传感信号；

对所述传感信号进行拟合和分解，并提取出有效传感信号，利用该有效传感信号判断减速机的对应检测点处的故障信息；

将所述故障信息作为故障报警信号发送至中控系统。

7.如权利要求6所述的方法，其特征在于，所述对所述传感信号进行拟合和分解，并提取出有效传感信号，利用该有效传感信号判断减速机的对应检测点处的故障信息，包括：

对所述第一传感器上传的传感信号边缘进行趋势预测得到虚拟极值点，并将所述虚拟极值点加入所述传感信号的极值点序列中得到拟合信号；

对所述拟合信号进行分解得到多个信号分量；

依据与所述拟合信号之间的相关度特征量小于相关度阈值的信号分量来构建虚拟噪声量，依据所述虚拟噪声量提取出有效传感信号；

计算所述有效传感信号的特征和相关度特征量不小于相关度阈值的信号分量的特征分别与各类非故障信号特征之间的匹配度，并在匹配度低于匹配度阈值时确定设备的该传感信号对应的检测点处的故障信息。

8.如权利要求7所述的方法，其特征在于，所述对传感信号边缘进行趋势预测得到虚拟极值点，并将所述虚拟极值点加入所述传感信号的极值点序列中得到拟合信号，包括：

获取所述传感信号中所有极值点的位置关系及幅值；

依据所述位置关系及幅值算出与所述传感信号端点最近的多个极值点的幅值均值和时长跨度；

依据所述幅值均值和时长跨度通过支持向量回归机预测出端点的虚拟极值点；其中，

将处于上升趋势且幅值比邻近极大值大的端点直接作为虚拟极大值点。

9.如权利要求7所述的方法，其特征在于，所述依据与所述拟合信号之间的相关度特征量小于相关度阈值的信号分量来构建虚拟噪声量，依据所述虚拟噪声量提取出有效传感信号，包括：

将所述多个信号分量分别与所述拟合信号进行相关度计算，得到各信号分量与所述拟合信号之间的相关度特征量；

将小于相关度阈值的相关度特征量对应的信号分量进行叠加，得到虚拟噪声量；

将所述虚拟噪声量作为源估计信号分离计算式中的虚拟噪声信号，获取所述拟合信号的白化矩阵，算出所述拟合信号白化过程的累积量矩阵；

对所述累积量矩阵进行联合对角化得到幺正矩阵，进而得到作为有效传感信号的源信号。

10.一种用于提升机的故障自动判别方法，其特征在于，所述提升机包括电动机、液压站、减速机、主轴装置、提升卷筒、深度指示器、制动器和多个第二传感器；其中，所述多个第二传感器安装于所述电动机、液压站、减速机主轴装置、提升卷筒、深度指示器、制动器中至少一个部分上，

该方法包括：

通过所述多个第二传感器检测并上传提升机相应部分的传感信号；

对所述传感信号进行拟合和分解，并提取出有效传感信号，利用该有效传感信号判断减速机的对应检测点处的故障信息；

将所述故障信息作为故障报警信号发送至中控系统。

Images