CN113109051A - 基于振动数据极差序列的故障预警方法和系统 - Google Patents

Abstract

本发明提供了一种基于振动数据极差序列的故障预警方法和系统，包括：步骤1：选定采样频率，对产品的振动数据进行采集，获得振动数据采样点；步骤2：根据振动数据采样点值，构造极差序列；步骤3：通过计算极差序列的极差和标准差来构造判决依据，判断极差序列是否为时间敏感型数列；步骤4：根据极差序列时间敏感性判别结果确定是否进行故障预警。本发明无需对原始数据进行变换，能实时反应产品的真实变化；本发明的数据采集频率根据可接受的响应延迟进行设计，而不是产品振动频率，尤其对于高频振动，其数据量相对小得多。

Description

基于振动数据极差序列的故障预警方法和系统

技术领域

本发明涉及故障预警技术领域，具体地，涉及一种基于振动数据极差序列的故障预警方法和系统。

背景技术

故障是指产品不能执行规定功能的状态，通常指功能故障。失效是指产品丧失完成规定功能的事件。故障的发生事件分布形式可总结为“浴盆曲线”，产品寿命周期可分为三个阶段。第一阶段为初期故障期，指产品在寿命的早期因设计、制造、装配的缺陷等原因发生的故障，其故障率随着运行时长的增加而降低；第二阶段为偶发故障期，产品长时间安全运行，多发生因偶尔因素引起的故障；第三阶段为磨损故障期，故障率猛增，故障多为渐变故障，即产品性能随时间的推移逐渐变化而产生的故障，渐变故障一般可通过事前的监测或检测来预测。

基于振动数据的故障预警与诊断方法主要通过对振动信号进行傅里叶变换(FT)、快速傅里叶变换(FFT)、经验模态分解(EMD)、变分模态分解(VMD)等变换方法将振动信号进行预处理，以提取特征参数，再对特征参数的退化进行分析。这些预处理方法虽然能提取出产品的特征，但存在以下不足：(1)数据量大。采用傅里叶变换等方式需获得不少于振动频率的数据量，对于高频及超高频振动，其数据量是惊人的，往往只能针对其中一小部分进行分析，对全局数据进行分析是不实际的。(2)敏感性差。由于采用变换方法，将时域信号转变成频域信号，频域信号是某一段时间累积的结果，相对信号敏感性差。(3)结果具有很大的主观性。选择不同的采样频率进行采样，其结果显著不同，选取了错误的采样频率可能造成分析失败。(4)受噪声信号干扰。振动信号均含有噪声信号，通过傅里叶变换等方法若选取了错误的采样频率，则可能将噪声作为研究对象，造成分析失败。

专利文献CN111184251A(申请号：CN201911324832.8)公开了一种诊断吸丝带故障的处理方法，具体包括以下步骤：步骤一：数据采集；步骤二：数据预处理；步骤三：极差与标准差计算；步骤四：稳定性得分；步骤五：故障预警。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种基于振动数据极差序列的故障预警方法和系统。

根据本发明提供的基于振动数据极差序列的故障预警方法，包括：

步骤1：选定采样频率，对产品的振动数据进行采集，获得振动数据采样点；

步骤2：根据振动数据采样点值，构造极差序列；

步骤3：通过计算极差序列的极差和标准差来构造判决依据，判断极差序列是否为时间敏感型数列；

步骤4：根据极差序列时间敏感性判别结果确定是否进行故障预警，若极差序列具备时间敏感性，则表明产品已进入耗损故障期，需拆卸检测，对产品进行维护保养或预防性维修；若极差序列对时间不敏感，则表明产品运行状态稳定，继续对参数进行实时监测，无需进行预防性维修。

优选的，所述振动数据采样点值e_i为第i个采样点的数值，i＝i₀+1,i₀+2,…,n，n为振动数据采样点个数，i₀为早期过滤采样点个数；

极差序列时间敏感性判别依据包括：

计算极差：

计算平均值：

若

则该参数对时间不敏感。

优选的，所述振动数据采样点值e_i为第i个采样点的数值，i＝i₀+1,i₀+2,…,n，n为振动数据采样点个数，i₀为早期过滤采样点个数；

极差序列时间敏感性判别依据包括：

计算标准差：

计算平均值：

若

则该参数对时间不敏感。

优选的，所述采样频率为0.01Hz、0.1Hz、1Hz、10Hz、100Hz中的任一种。

优选的，所述早期过滤采样点个数i₀≥50，以滤掉因采样不均造成的判别误差。

根据本发明提供的基于振动数据极差序列的故障预警系统，包括：

模块M1：选定采样频率，对产品的振动数据进行采集，获得振动数据采样点；

模块M2：根据振动数据采样点值，构造极差序列；

模块M3：通过计算极差序列的极差和标准差来构造判决依据，判断极差序列是否为时间敏感型数列；

模块M4：根据极差序列时间敏感性判别结果确定是否进行故障预警，若极差序列具备时间敏感性，则表明产品已进入耗损故障期，需拆卸检测，对产品进行维护保养或预防性维修；若极差序列对时间不敏感，则表明产品运行状态稳定，继续对参数进行实时监测，无需进行预防性维修。

优选的，所述振动数据采样点值e_i为第i个采样点的数值，i＝i₀+1,i₀+2,…,n，n为振动数据采样点个数，i₀为早期过滤采样点个数；

极差序列时间敏感性判别依据包括：

计算极差：

计算平均值：

若

则该参数对时间不敏感。

优选的，所述振动数据采样点值e_i为第i个采样点的数值，i＝i₀+1,i₀+2,…,n，n为振动数据采样点个数，i₀为早期过滤采样点个数；

极差序列时间敏感性判别依据包括：

计算标准差：

计算平均值：

若

则该参数对时间不敏感。

优选的，所述采样频率为0.01Hz、0.1Hz、1Hz、10Hz、100Hz中的任一种。

优选的，所述早期过滤采样点个数i₀≥50，以滤掉因采样不均造成的判别误差。

与现有技术相比，本发明具有如下的有益效果：

(1)本发明可对不同振动频率的产品进行健康监测和故障预警；

(2)本发明无需对原始数据进行变换，能实时反应产品的真实变化；

(3)本发明是对数据异常进行预警，干扰信号是相对稳定的，因此干扰信号不会对分析结果产生较大影响；

(4)本发明的数据采集频率根据可接受的响应延迟进行设计，而不是产品振动频率，尤其对于高频振动，其数据量相对小得多。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为本发明的流程图；

图2为示例中某轴承5000s的加速度数据；

图3为示例中某轴承振动数据所生成的极差序列。

具体实施方式

下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。

实施例：

如图1，本发明包含如下详细步骤：

(1)选定采样频率，对产品的振动数据进行采集，采样频率根据实际情况自定义，可远小于产品振动频率；

(2)根据所采集的振动量值，构造极差序列。设振动量值为X＝{(t_i,x_i),i＝1,2,…,n}，则可构造极差序列：

其中，i₀为早期过滤采样点数，应大于50，n为累积采样次数。

(3)计算极差序列时间敏感性。

所谓参数对时间不敏感，是指参数随试验时间延长，不发生明显的变化，即各测量值近似呈现为一条水平线。因此，可通过计算测量数据的极差和标准差来判断测量参数是否近似为一条水平线。若参数满足以下两条判别依据之一，则可判定为时间非敏感型参数。

判断依据1：计算极差

计算

若

则该参数对时间不敏感。

判别依据2：计算标准差

若

则该参数对时间不敏感。

(4)若参数敏感，则表明产品已进入耗损故障期，需拆卸检测，对产品进行维护保养或预防性维修。

(5)若参数不敏感，则表明产品运行状态稳定，继续对参数进行实时监测，无需进行预防性维修。

兹举实施案例如下：

本案例以某轴承振动数据为分析对象，通过极差序列法判别该轴承是否进入耗损故障期为例，陈述本发明一种基于振动数据极差序列的故障预警方法的应用。

本案例基本信息情况如下：

在某型轴承上添加振动传感器，采样频率为0.1Hz，获得5000s的加速度数据如图2所示，此加速度数据前2700s的振幅不随时间而改变，后2300s的振幅随时间而增大。

由于采样频率为0.1Hz，故采样点个数n＝5000×0.1＝500，取过滤个数i₀＝59，生成极差序列如图3所示。

从图3中可看出，前270个采样点(对应于前2700s时间)的加速度极差值保持不变，后230个采样点(对应于后2300s时间)的加速度极差值显著增大。

对图3中的数据进行极差和标准差的计算，得极差

标准差

平均值

计算下列判决依据：

由于上述两个判决依据均大于0.1，因此，振动数据极差序列不满足以上两条判别依据之一，则该极差序列判定为时间敏感型参数，表明产品已进入耗损故障期，需进行故障预警，以提示对该轴承进行维护或预防性维修。

本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以，本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件，而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构；也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (10)

1.一种基于振动数据极差序列的故障预警方法，其特征在于，包括：

步骤1：选定采样频率，对产品的振动数据进行采集，获得振动数据采样点；

步骤2：根据振动数据采样点值，构造极差序列；

步骤3：通过计算极差序列的极差和标准差来构造判决依据，判断极差序列是否为时间敏感型数列；

步骤4：根据极差序列时间敏感性判别结果确定是否进行故障预警，若极差序列具备时间敏感性，则表明产品已进入耗损故障期，需拆卸检测，对产品进行维护保养或预防性维修；若极差序列对时间不敏感，则表明产品运行状态稳定，继续对参数进行实时监测，无需进行预防性维修。

2.根据权利要求1所述的基于振动数据极差序列的故障预警方法，其特征在于，所述振动数据采样点值e_i为第i个采样点的数值，i＝i₀+1,i₀+2,…,n，n为振动数据采样点个数，i₀为早期过滤采样点个数；

极差序列时间敏感性判别依据包括：

计算极差：

计算平均值：

若

则该参数对时间不敏感。

3.根据权利要求1所述的基于振动数据极差序列的故障预警方法，其特征在于，所述振动数据采样点值e_i为第i个采样点的数值，i＝i₀+1,i₀+2,…,n，n为振动数据采样点个数，i₀为早期过滤采样点个数；

极差序列时间敏感性判别依据包括：

计算标准差：

计算平均值：

若

则该参数对时间不敏感。

4.根据权利要求1所述的基于振动数据极差序列的故障预警方法，其特征在于，所述采样频率为0.01Hz、0.1Hz、1Hz、10Hz、100Hz中的任一种。

5.根据权利要求2或3所述的基于振动数据极差序列的故障预警方法，其特征在于，所述早期过滤采样点个数i₀≥50，以滤掉因采样不均造成的判别误差。

6.一种基于振动数据极差序列的故障预警系统，其特征在于，包括：

模块M1：选定采样频率，对产品的振动数据进行采集，获得振动数据采样点；

模块M2：根据振动数据采样点值，构造极差序列；

模块M3：通过计算极差序列的极差和标准差来构造判决依据，判断极差序列是否为时间敏感型数列；

模块M4：根据极差序列时间敏感性判别结果确定是否进行故障预警，若极差序列具备时间敏感性，则表明产品已进入耗损故障期，需拆卸检测，对产品进行维护保养或预防性维修；若极差序列对时间不敏感，则表明产品运行状态稳定，继续对参数进行实时监测，无需进行预防性维修。

7.根据权利要求6所述的基于振动数据极差序列的故障预警系统，其特征在于，所述振动数据采样点值e_i为第i个采样点的数值，i＝i₀+1,i₀+2,…,n，n为振动数据采样点个数，i₀为早期过滤采样点个数；

极差序列时间敏感性判别依据包括：

计算极差：

计算平均值：

若

则该参数对时间不敏感。

8.根据权利要求6所述的基于振动数据极差序列的故障预警系统，其特征在于，所述振动数据采样点值e_i为第i个采样点的数值，i＝i₀+1,i₀+2,…,n，n为振动数据采样点个数，i₀为早期过滤采样点个数；

极差序列时间敏感性判别依据包括：

计算标准差：

计算平均值：

若

则该参数对时间不敏感。

9.根据权利要求6所述的基于振动数据极差序列的故障预警系统，其特征在于，所述采样频率为0.01Hz、0.1Hz、1Hz、10Hz、100Hz中的任一种。

10.根据权利要求7或8所述的基于振动数据极差序列的故障预警系统，其特征在于，所述早期过滤采样点个数i₀≥50，以滤掉因采样不均造成的判别误差。

Images