CN112525334B - 一种动设备振动多稳态检测方法 - Google Patents
一种动设备振动多稳态检测方法 Download PDFInfo
- Publication number
- CN112525334B CN112525334B CN202011297662.1A CN202011297662A CN112525334B CN 112525334 B CN112525334 B CN 112525334B CN 202011297662 A CN202011297662 A CN 202011297662A CN 112525334 B CN112525334 B CN 112525334B
- Authority
- CN
- China
- Prior art keywords
- vibration
- data
- value
- multistable
- detected
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Abstract
一种动设备振动多稳态检测方法，包括以下步骤：步骤1：将需检测的振动数据转换至均值空间，并计算最大移动均值比和最大的中间值；步骤2：判断步骤1计算得到的最大移动均值比是否超过预设的阈值；若超过阈值，则继续进入步骤3；反之，则检测的振动并非多稳态，结束判断；步骤3：若满足超过的条件，则检测的振动为多稳态；反之，则检测的振动并非多稳态，振动特征值历史数据中存在突变点。本发明实现了动设备振动多稳态检测识别。本发明通过将振动特征数据转换至均值空间检测振动中是否存在多稳态，基于多稳态振动存在明显“数据分层”特性，针对性的提取了均值比特征识别多稳态。
Description
技术领域
本发明属于机械设备状态监测与预测性维护领域，特别涉及一种动设备振动多稳态检测方法。
背景技术
离心式压缩机、往复式压缩机、输油泵等是石化流程行业中典型的机械动设备。目前这些动设备大部分都已经安装了振动监测系统，从而实时监测运行状态。目前对设备健康状态预警的主要手段是通过设定振动报警阈值，当振动超出报警阈值即触发报警，说明设备健康状态出现异常。由于离心式压缩机、往复式压缩机、部分变频输油泵等设备存在改变工艺或工况的情况，导致此类设备的振动表现为多稳态，即存在多种运行工况下的振动水平。若对这类设备如果设置统一的报警阈值，将无法准确检测动设备真实的异常状态。因此需要对动设备的振动数据进行多稳态检测，检测动设备振动多稳态的通用方法为通过引入动设备的运行工况数据，直接根据运行工况分类，检测并划分动设备的多稳态振动。由于目前绝大部分的振动监测系统并没有接入动设备的运行工况数据，导致基于工况检测并划分多稳态振动的方法无法广泛应用。为了实现动设备多稳态振动的准确预警，需要解决仅基于振动数据检测多稳态的问题。
发明内容
本发明的目的在于提供一种动设备振动多稳态检测方法，以解决上述问题。
为实现上述目的，本发明采用以下技术方案：
一种动设备振动多稳态检测方法，包括以下步骤：
步骤1：采集动设备上振动数据作为检测数据，将需检测的振动数据转换至均值空间，并计算最大移动均值比和最大的中间值；
步骤2：判断步骤1计算得到的最大移动均值比是否超过预设的阈值；若超过阈值，则继续进入步骤3；反之，则检测的振动并非多稳态，结束判断；
步骤3：继续判断振动特征值历史数据中大于最大中间值的数量是否超过振动特征值历史数据的总量的三分之一；若满足超过的条件，则检测的振动为多稳态；反之，则检测的振动并非多稳态，振动特征值历史数据中存在突变点。
进一步的，步骤1中，需检测的振动数据是动设备上振动传感器采集的振动信号计算得到特征值历史数据，其中特征值包括：速度有效值、加速度有效值、加速度峰值、包络峰值和位移峰值；振动特征值历史数据V＝[v1,v2,v3,…,vn]，下标为根据采集时间而定的序号；序号越小，时间越靠前。
进一步的，步骤1中，将振动特征历史数据转换至均值空间的具体步骤如下：
1)初始化相关中间变量；移动均值比mvmr初始化为空，移动中间值mvmean初始化为空，移动窗序号i初始化为winnum；
winnum为计算均值数据长度，取值范围为5～20；
2)判断特征序列是否大于两倍的窗长winnum，若大于则继续后续计算步骤，进入3)，反之则得到最大滑动均值比maxmvmr＝0、最大中间值maxmean＝0；
3)判断i是否小于(n-winnum)，若小于，则计算V中第i个数据前winnum个数据的均值得到mx1，并计算V中第i个数据后winnum个数据的均值得到mx2；若不小于，则进入步骤5)；
4)将max(mx1,mx2)除min(mx1,mx2)的结果保存入mvmr中、将mean(mx1,mx2)的结果保存入mvmean，同时i自增1，继续进入步骤3)；
5)计算maxmvmr＝max(mvmr)，maxmean＝max(mvmean)；输出最大移动均值比maxmvmr和最大中间值maxmean；
上述max()表示计算最大值；min()表示计算最小值；mean()表示计算均值。
进一步的，步骤2中，预设阈值thr取值范围大于1，，thr大小表示检测多稳态数据的表现程度，若thr越大，则表示所需要检测的多稳态数据表现更明显；反之，则表示所需要检测的多稳态数据表现较明显；实际应用中thr取值范围为：1.5～5。
进一步的，动设备振动多稳态至多会存在2-3种稳态，每一种稳态数量几乎占振动特征值历史数据总量的三分之一。
与现有技术相比，本发明有以下技术效果：
本发明实现了动设备振动多稳态检测识别。本发明通过将振动特征数据转换至均值空间检测振动中是否存在多稳态，基于多稳态振动存在明显“数据分层”特性，针对性的提取了均值比特征识别多稳态。同时通过判断单一稳态数据量是否满足最小数据量要求，区分多稳态数据和突变数据，有效避免多稳态数据的误检测。本发明在未使用动设备工况和工艺数据的前提下，仅仅基于振动数据即可准确的识别振动数据的多稳态，为振动后续的准确预警提供了有效的预处理方法。
附图说明
图1一种动设备振动多稳态检测方法整体流程图；
图2某动设备典型多稳态振动数据检测结果；
图3某动设备典型多稳态振动数据检测结果；
图4某动设备非多稳态振动数据检测结果。
具体实施方式
以下结合附图对本发明进一步说明：
请参阅图1至图4，一种动设备振动多稳态检测方法，包括以下步骤：
步骤1：采集动设备上振动数据作为检测数据，将需检测的振动数据转换至均值空间，并计算最大移动均值比和最大的中间值；
步骤2：判断步骤1计算得到的最大移动均值比是否超过预设的阈值；若超过阈值，则继续进入步骤3；反之，则检测的振动并非多稳态，结束判断；
步骤3：继续判断振动特征值历史数据中大于最大中间值的数量是否超过振动特征值历史数据的总量的三分之一；若满足超过的条件，则检测的振动为多稳态；反之，则检测的振动并非多稳态，振动特征值历史数据中存在突变点。图1为一种动设备振动多稳态检测方法的整体流程。首先将振需检测的振动数据转换至均值空间，并计算输出最大移动均值比和最大中间值。其次判断最大移动均值比是否超过预设阈值，若超过阈值，则继续后续流程；反之，则振动并非多稳态，提前结束流程。继续判断振动数据中大于最大中间值的数量是否超过振动特征总量的三分之一，若超过，则振动为多稳态；反之，则振动并非多稳态。
步骤1中，需检测的振动数据是动设备上振动传感器采集的振动信号计算得到特征值历史数据，其中特征值包括：速度有效值、加速度有效值、加速度峰值、包络峰值和位移峰值；振动特征值历史数据V＝[v1,v2,v3,…,vn]，下标为根据采集时间而定的序号；序号越小，时间越靠前。
步骤1中，将振动特征历史数据转换至均值空间的具体步骤如下：
1)初始化相关中间变量；移动均值比mvmr初始化为空，移动中间值mvmean初始化为空，移动窗序号i初始化为winnum；
winnum为计算均值数据长度，取值范围为5～20；
2)判断特征序列是否大于两倍的窗长winnum，若大于则继续后续计算步骤，进入3)，反之则得到最大滑动均值比maxmvmr＝0、最大中间值maxmean＝0；
3)判断i是否小于(n-winnum)，若小于，则计算V中第i个数据前winnum个数据的均值得到mx1，并计算V中第i个数据后winnum个数据的均值得到mx2；若不小于，则进入步骤5)；
4)将max(mx1,mx2)除min(mx1,mx2)的结果保存入mvmr中、将mean(mx1,mx2)的结果保存入mvmean，同时i自增1，继续进入步骤3)；
5)计算maxmvmr＝max(mvmr)，maxmean＝max(mvmean)；输出最大移动均值比maxmvmr和最大中间值maxmean；
上述max()表示计算最大值；min()表示计算最小值；mean()表示计算均值。
步骤2中，预设阈值thr取值范围大于1，thr大小表示检测多稳态数据的表现程度，若thr越大，则表示所需要检测的多稳态数据表现更明显；反之，则表示所需要检测的多稳态数据表现较明显；实际应用中thr取值范围为：1.5～5。
动设备振动多稳态至多会存在2-3种稳态，每一种稳态数量几乎占振动特征值历史数据总量的三分之一。
图2为某动设备典型多稳态振动数据检测结果。图中振动数据计算的最大均值比是2.4，超过了预设阈值2，并且超过最大中间值的振动数量占比为48％，大于三分之一，所以识别振动为多稳态，由振动数据情况可知识别结果准确。
图3为某动设备典型多稳态振动数据检测结果。图中振动数据计算的最大均值比是3.1，超过了预设阈值2，并且超过最大中间值的振动数量占比为50.1％，大于三分之一，所以识别振动为多稳态，由振动数据情况可知识别结果准确。
图4为某动设备典型多稳态振动数据检测结果。图中振动数据计算的最大均值比是1.43，并未超过预设阈值2，所以识别振动非多稳态，由振动数据情况可知识别结果准确。
Claims (2)
1.一种动设备振动多稳态检测方法，其特征在于，包括以下步骤：
步骤1：采集动设备上振动数据作为检测数据，将需检测的振动数据转换至均值空间，并计算最大移动均值比和最大的中间值；
所述将需检测的振动数据转换至均值空间的具体步骤如下：
1)初始化相关中间变量；移动均值比mvmr初始化为空，移动中间值mvmean初始化为空，移动窗序号i初始化为winnum；
winnum为计算均值数据长度，取值范围为5～20；
2)判断特征序列是否大于两倍的窗长winnum，若大于则继续后续计算步骤，进入3)，反之则得到最大滑动均值比maxmvmr＝0、最大中间值maxmean＝0；
3)判断i是否小于(n-winnum)，若小于，则计算V中第i个数据前winnum个数据的均值得到mx1，并计算V中第i个数据后winnum个数据的均值得到mx2；若不小于，则进入步骤5)；
4)将max(mx1,mx2)除min(mx1,mx2)的结果保存入mvmr中、将mean(mx1,mx2)的结果保存入mvmean，同时i自增1，继续进入步骤3)；
5)计算maxmvmr＝max(mvmr)，maxmean＝max(mvmean)；输出最大移动均值比maxmvmr和最大中间值maxmean；
上述max( )表示计算最大值；min( )表示计算最小值；mean( )表示计算均值；
步骤2：判断步骤1计算得到的最大移动均值比是否超过预设的阈值；若超过阈值，则继续进入步骤3；反之，则检测的振动并非多稳态，结束判断；
步骤3：继续判断振动特征值历史数据中大于最大中间值的数量是否超过振动特征值历史数据的总量的三分之一；若满足超过的条件，则检测的振动为多稳态；反之，则检测的振动并非多稳态，振动特征值历史数据中存在突变点；
通过将振动特征数据转换至均值空间检测振动中是否存在多稳态，基于多稳态振动存在明显的数据分层特性，针对性的提取均值比特征识别多稳态；通过判断单一稳态数据量是否满足最小数据量要求，区分多稳态数据和突变数据，有效避免多稳态数据的误检测；在未使用动设备工况和工艺数据的前提下，仅仅基于振动数据即可准确的识别振动数据的多稳态；
步骤1中，需检测的振动数据是动设备上振动传感器采集的振动信号计算得到特征值历史数据，其中特征值包括：速度有效值、加速度有效值、加速度峰值、包络峰值和位移峰值；振动特征值历史数据V＝[v1,v2,v3,…,vn]，下标为根据采集时间而定的序号；序号越小，时间越靠前；
步骤2中，预设阈值thr取值范围大于1，thr大小表示检测多稳态数据的表现程度，若thr越大，则表示所需要检测的多稳态数据表现更明显；反之，则表示所需要检测的多稳态数据表现较明显；实际应用中thr取值范围为：1.5～5。
2.根据权利要求1所述的一种动设备振动多稳态检测方法，其特征在于，动设备振动多稳态至多会存在2-3种稳态，每一种稳态数量几乎占振动特征值历史数据总量的三分之一。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011297662.1A CN112525334B (zh) | 2020-11-18 | 2020-11-18 | 一种动设备振动多稳态检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011297662.1A CN112525334B (zh) | 2020-11-18 | 2020-11-18 | 一种动设备振动多稳态检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112525334A CN112525334A (zh) | 2021-03-19 |
| CN112525334B true CN112525334B (zh) | 2023-06-02 |
Family
ID=74981224
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011297662.1A Active CN112525334B (zh) | 2020-11-18 | 2020-11-18 | 一种动设备振动多稳态检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112525334B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102052964A (zh) * | 2010-11-18 | 2011-05-11 | 华北电力大学 | 汽轮发电机组转子振动反相矢量稳态性实时辨识方法 |
| JP2011242168A (ja) * | 2010-05-14 | 2011-12-01 | Toshiba Corp | 原子炉の出力監視装置及びその方法 |
| CN102269785A (zh) * | 2010-06-02 | 2011-12-07 | 阿海珐输配电英国有限公司 | 在线铁磁共振检测的方法和系统 |
| CN109901537A (zh) * | 2019-03-18 | 2019-06-18 | 北京大通惠德科技有限公司 | 用于边缘计算侧的机械设备运行状态监测方法和系统 |
| CN111006757A (zh) * | 2019-12-11 | 2020-04-14 | 东方电气风电有限公司 | 一种风力发电机组稳态振动在线监测方法及监测系统 |
Family Cites Families (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1049050A3 (de) * | 1999-04-29 | 2004-05-06 | Loher Aktiengesellschaft | Mikrosystem zur lokalen Zustandsüberwachung und Zustandsdiagnose von Maschinen, Anlagen und/oder Baugruppen, insbesondere von Antriebssystemen |
| JP4388532B2 (ja) * | 2006-07-10 | 2009-12-24 | 東海旅客鉄道株式会社 | 鉄道車両の異常検知装置 |
| CN102288286B (zh) * | 2011-06-16 | 2012-10-03 | 中国科学院沈阳自动化研究所 | 一种振动加速度传感器齿轮箱测点精度分析与评价方法 |
| CN104811373B (zh) * | 2015-02-08 | 2018-03-20 | 北京博华信智科技股份有限公司 | 一种多功能实时同步采集物联网网关 |
| WO2017159784A1 (ja) * | 2016-03-17 | 2017-09-21 | Ntn株式会社 | 状態監視システムおよび風力発電装置 |
| CN107218997A (zh) * | 2017-05-16 | 2017-09-29 | 南京南瑞继保电气有限公司 | 一种基于工况识别的水电机组振动监测通道异常检测方法 |
| CN108520134A (zh) * | 2018-03-30 | 2018-09-11 | 天津大学 | 一种发动机噪声源权重分析方法 |
| CN108680244B (zh) * | 2018-04-26 | 2020-06-09 | 浙江大学 | 一种旋转机械振动无线监测装置及方法 |
| CN108709635B (zh) * | 2018-08-17 | 2020-07-28 | 国家电网有限公司 | 确定旋转机械振动信号主要频率成分信息的方法及装置 |
| JP2020165871A (ja) * | 2019-03-29 | 2020-10-08 | 株式会社ジェイテクト | 転がり軸受の診断方法、及び転がり軸受の診断装置 |
| CN110188143A (zh) * | 2019-04-04 | 2019-08-30 | 上海发电设备成套设计研究院有限责任公司 | 一种发电厂引风机振动故障诊断方法 |
| CN110108431B (zh) * | 2019-05-22 | 2021-07-16 | 西安因联信息科技有限公司 | 一种基于机器学习分类算法的机械设备故障诊断方法 |
| CN110298455B (zh) * | 2019-06-28 | 2023-06-02 | 西安因联信息科技有限公司 | 一种基于多变量估计预测的机械设备故障智能预警方法 |
| CN110865998A (zh) * | 2019-11-13 | 2020-03-06 | 湖南纬拓信息科技有限公司 | 一种旋转设备运行工况智能分类方法 |
| CN111120348A (zh) * | 2019-12-25 | 2020-05-08 | 中国石化销售股份有限公司华南分公司 | 基于支持向量机概率密度估计的离心泵故障预警方法 |
| CN111289243A (zh) * | 2020-03-03 | 2020-06-16 | 南京高精齿轮集团有限公司 | 一种判定齿轮箱异响的方法、系统及存储介质 |
| CN111318576B (zh) * | 2020-03-04 | 2022-01-04 | 西安因联信息科技有限公司 | 一种基于工况信号触发的咬钢冲击数据滤除方法 |
| CN111412977A (zh) * | 2020-03-09 | 2020-07-14 | 华南理工大学 | 一种机械设备振动感知数据的预处理方法 |
-
2020
- 2020-11-18 CN CN202011297662.1A patent/CN112525334B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011242168A (ja) * | 2010-05-14 | 2011-12-01 | Toshiba Corp | 原子炉の出力監視装置及びその方法 |
| CN102269785A (zh) * | 2010-06-02 | 2011-12-07 | 阿海珐输配电英国有限公司 | 在线铁磁共振检测的方法和系统 |
| CN102052964A (zh) * | 2010-11-18 | 2011-05-11 | 华北电力大学 | 汽轮发电机组转子振动反相矢量稳态性实时辨识方法 |
| CN109901537A (zh) * | 2019-03-18 | 2019-06-18 | 北京大通惠德科技有限公司 | 用于边缘计算侧的机械设备运行状态监测方法和系统 |
| CN111006757A (zh) * | 2019-12-11 | 2020-04-14 | 东方电气风电有限公司 | 一种风力发电机组稳态振动在线监测方法及监测系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112525334A (zh) | 2021-03-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101135614B (zh) | 异常监控设备和方法 | |
| CN110648480B (zh) | 一种基于变化速率的单变量报警系统及方法 | |
| CN110608187A (zh) | 基于频率特征变化的轴流压气机失速喘振预测装置 | |
| CN112580267A (zh) | 基于多分支特征融合网络的航空发动机喘振预测方法 | |
| CN110057406B (zh) | 一种多尺度自适应的机械设备趋势预警方法 | |
| CN111852837B (zh) | 基于聚类的往复式压缩机自适应故障监测方法 | |
| CN109615126A (zh) | 一种轴承剩余寿命预测方法 | |
| CN117195018B (zh) | 基于多传感器的矿用水泵智能监测系统 | |
| CN111307206B (zh) | 一种基于多源信息融合的压缩机喘振自动识别方法 | |
| CN115220396B (zh) | 一种数控机床智能监控方法及系统 | |
| CN112525334B (zh) | 一种动设备振动多稳态检测方法 | |
| CN110991074B (zh) | 一种位移传感器测量数据有效性的判定方法 | |
| CN112017409A (zh) | 一种机械设备振动短时增长幅度的趋势预警方法 | |
| CN117235557A (zh) | 基于大数据分析的电气设备故障快速诊断方法 | |
| CN114487361A (zh) | 一种油液在线监测系统 | |
| CN117072460A (zh) | 一种基于振动数据和专家经验的离心泵状态监测方法 | |
| CN114674363B (zh) | 一种基于工业物联网的渣浆泵流速可靠度预测系统 | |
| CN112525336B (zh) | 一种机械设备振动连续增长的自动化检测方法 | |
| CN111577552B (zh) | 一种高低速插值拟合的风电机组振动信号归一化方法 | |
| CN116464691A (zh) | 适用于液压漏油的监测方法和系统、设备、介质 | |
| CN112861957A (zh) | 一种油井运行状态检测方法及装置 | |
| CN112525337A (zh) | 一种针对机械压力机振动监测数据预处理方法 | |
| CN113934601A (zh) | 一种开关柜验收机器人状态评估方法和系统 | |
| CN113513304A (zh) | 一种基于抽油机电功图的平衡度检测方法 | |
| CN111965502A (zh) | 一种电容型套管局部放电检测方法 |
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 |