CN113343388B - 一种获取稳态振动数据的方法及计算设备 - Google Patents

一种获取稳态振动数据的方法及计算设备 Download PDF

Info

Publication number
CN113343388B
CN113343388B CN202110693293.6A CN202110693293A CN113343388B CN 113343388 B CN113343388 B CN 113343388B CN 202110693293 A CN202110693293 A CN 202110693293A CN 113343388 B CN113343388 B CN 113343388B
Authority
CN
China
Prior art keywords
vibration data
data
impact
attenuation
effective
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
Application number
CN202110693293.6A
Other languages
English (en)
Other versions
CN113343388A (zh
Inventor
段志涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Anhui Ronds Science & Technology Inc Co
Original Assignee
Anhui Ronds Science & Technology Inc Co
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Anhui Ronds Science & Technology Inc Co filed Critical Anhui Ronds Science & Technology Inc Co
Priority to CN202110693293.6A priority Critical patent/CN113343388B/zh
Publication of CN113343388A publication Critical patent/CN113343388A/zh
Application granted granted Critical
Publication of CN113343388B publication Critical patent/CN113343388B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/10Geometric CAD
    • G06F30/17Mechanical parametric or variational design
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/23Clustering techniques
    • G06F18/232Non-hierarchical techniques
    • G06F18/2321Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques
    • G06F18/241Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Hardware Design (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明公开了一种获取稳态振动数据的方法,包括步骤:采集预定时间段内的振动数据,作为原始振动数据;基于预定时间间隔将原始振动数据分为多段振动数据;利用聚类模型,将多段振动数据划分为冲击类数据集和非冲击类数据集;根据冲击类数据集与非冲击类数据集,确定原始振动数据中是否包含有效冲击数据;在确定包含有效冲击数据时,确定原始振动数据中的有效冲击数据对应的冲击衰减结束时刻;获取冲击衰减结束时刻之后的振动数据,作为稳态振动数据。本发明还一并公开了相应的计算设备。根据本发明的获取稳态振动数据的方法,通过获取稳态振动数据,能避免冲击数据对设备故障诊断的干扰,有利于更准确、可靠地监测设备故障,且适用性更广。

Description

一种获取稳态振动数据的方法及计算设备
技术领域
本发明涉及故障监测技术领域,特别涉及一种获取稳态振动数据的方法及计算设备。
背景技术
轧机设备是冶金行业的重要的动设备,对其进行有效的故障状态监测,对提升工厂的智能运维水平具有很大的帮助。通用的故障监测方法,是在轧机的设备上部署振动传感器,通过采集设备运行过程中的振动信号来分析设备故障。但,轧机在咬钢过程中,由于在钢坯和轧辊接触的瞬间会产生刚性冲击,振动传感器会采集到一个冲击信号,该冲击信号的振幅明显高于设备在空载和负载工况下的振动幅值,从而会影响对设备的故障分析,对门限报警造成一定的负面影响。
因此,在实际故障诊断应用中,需要将冲击信号滤除,使用冲击信号之后的带负载的稳态振动数据来进行故障分析。
现有技术中,在对咬钢冲击数据进行滤除时,通常需要根据设备类型来选取相应的同步性高的工况数据作为判断咬钢冲击事件的依据,其对同步性要求较高,如果同步性不能满足要求,会导致冲击信号不能有效滤除。另外,如果现场不具备输入信号的接入条件,则没有办法进行数据的滤除。
为此,需要一种获取稳态振动数据的方法,以解决上述技术方案中存在的问题。
发明内容
为此,本发明提供一种获取稳态振动数据的方法,以力图解决或者至少缓解上面存在的问题。
根据本发明的一个方面,提供了一种获取稳态振动数据的方法,在计算设备中执行以获取设备运行过程中的稳态振动数据,所述设备运行过程包括多种工况,所述方法包括步骤:采集预定时间段内的振动数据,作为原始振动数据;基于预定时间间隔将所述原始振动数据分为多段振动数据;利用聚类模型,将所述多段振动数据划分为冲击类数据集和非冲击类数据集;根据所述冲击类数据集与非冲击类数据集,确定所述原始振动数据中是否包含有效冲击数据;在确定包含有效冲击数据时,确定所述原始振动数据中的有效冲击数据对应的冲击衰减结束时刻;以及获取所述冲击衰减结束时刻之后的振动数据,作为稳态振动数据。
可选地,在根据本发明的获取稳态振动数据的方法中,将所述多段振动数据划分为冲击类数据集和非冲击类数据集的步骤包括:分别计算每段振动数据对应的有效值;利用聚类模型,将多段振动数据对应的有效值划分为冲击类数据集和非冲击类数据集。
可选地,在根据本发明的获取稳态振动数据的方法中,确定所述原始振动数据中是否包含有效冲击数据的步骤包括:分别计算冲击类数据集对应的第一均值、和非冲击类数据集对应的第二均值;通过比较第一均值与第二均值,来确定所述原始振动数据中是否包含有效冲击数据。
可选地,在根据本发明的获取稳态振动数据的方法中,确定所述原始振动数据中是否包含有效冲击数据包括:当M1>3*M2时,确定原始振动数据中包含有效冲击数据;其中,M1表示第一均值,M2表示第二均值。
可选地,在根据本发明的获取稳态振动数据的方法中,确定有效冲击数据对应的冲击衰减结束时刻的步骤包括:根据第一均值和第二均值来确定衰减阈值;将每段振动数据的有效值与所述衰减阈值进行比较,以确定冲击衰减结束时刻。
可选地,在根据本发明的获取稳态振动数据的方法中,确定冲击衰减结束时刻的步骤包括:如果有效值首次低于所述衰减阈值,且该有效值之前的有效值超过所述衰减阈值,则确定该有效值对应的时间间隔,基于该时间间隔来确定冲击衰减结束时刻。
可选地,在根据本发明的获取稳态振动数据的方法中,确定冲击衰减结束时刻的步骤包括:如果连续两个有效值首次低于所述衰减阈值,且这两个有效值之前的有效值超过所述衰减阈值,则确定所述两个有效值对应的时间间隔,基于该时间间隔来确定冲击衰减结束时刻。
可选地,在根据本发明的获取稳态振动数据的方法中,根据第一均值和第二均值来确定衰减阈值的公式为:M3=(M1+M2)/2;其中,M3表示衰减阈值,M1表示第一均值,M2表示第二均值。
可选地,在根据本发明的获取稳态振动数据的方法中,所述聚类模型为k-means聚类模型。
可选地,在根据本发明的获取稳态振动数据的方法中,每段振动数据分别包括一个或多个振动加速度值,每段振动数据对应的有效值根据以下公式计算:
Figure BDA0003127487900000031
其中,n为每段振动数据中包括的振动加速度值的数量,xi为每段振动数据中的第i个振动加速度值。
可选地,在根据本发明的获取稳态振动数据的方法中,将所述原始振动数据分为多段振动数据包括:将所述原始振动数据分为128段振动数据。
可选地,在根据本发明的获取稳态振动数据的方法中,所述设备为轧机,所述设备运行过程包括轧钢过程;所述多种工况包括空载工况、咬钢工况、负载轧钢工况。
根据本发明的一个方面,提供了一种计算设备,包括:至少一个处理器;以及存储器,存储有程序指令,其中,所述程序指令被配置为适于由所述至少一个处理器执行,所述程序指令包括用于执行如上所述的获取稳态振动数据的方法的指令。
根据本发明的一个方面,提供了一种存储有程序指令的可读存储介质,当所述程序指令被计算设备读取并执行时,使得所述计算设备执行如上所述方法。
根据本发明的技术方案,提供了一种获取稳态振动数据的方法,通过获取冲击衰减结束时刻之后的振动数据作为稳态振动数据,根据稳态振动数据来提取特征指标,有利于后续对设备故障进行有效地分析和诊断,能避免冲击数据对设备故障诊断的干扰,有利于更准确、可靠地监测设备故障,及时发现设备故障。另外,本发明利用聚类模型来对多段振动数据进行分类,通过比较有效值与衰减阈值来确定冲击衰减结束时刻,这样,可以广泛适用于多种类型的设备,适用性更广。
附图说明
为了实现上述以及相关目的,本文结合下面的描述和附图来描述某些说明性方面,这些方面指示了可以实践本文所公开的原理的各种方式,并且所有方面及其等效方面旨在落入所要求保护的主题的范围内。通过结合附图阅读下面的详细描述,本公开的上述以及其它目的、特征和优势将变得更加明显。遍及本公开,相同的附图标记通常指代相同的部件或元素。
图1示出了根据本发明一个实施例的计算设备100的示意图;
图2示出了根据本发明一个实施例的获取稳态振动数据的方法200的流程图;以及
图3示出了根据本发明一个实施例的原始振动数据的示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
图1是示例计算设备100的示意框图。
如图1所示,在基本的配置102中,计算设备100典型地包括系统存储器106和一个或者多个处理器104。存储器总线108可以用于在处理器104和系统存储器106之间的通信。
取决于期望的配置,处理器104可以是任何类型的处理,包括但不限于:微处理器(UP)、微控制器(UC)、数字信息处理器(DSP)或者它们的任何组合。处理器104可以包括诸如一级高速缓存110和二级高速缓存112之类的一个或者多个级别的高速缓存、处理器核心114和寄存器116。示例的处理器核心114可以包括运算逻辑单元(ALU)、浮点数单元(FPU)、数字信号处理核心(DSP核心)或者它们的任何组合。示例的存储器控制器118可以与处理器104一起使用,或者在一些实现中,存储器控制器118可以是处理器104的一个内部部分。
取决于期望的配置,系统存储器106可以是任意类型的存储器,包括但不限于:易失性存储器(诸如RAM)、非易失性存储器(诸如ROM、闪存等)或者它们的任何组合。系统存储器106可以包括操作系统120、一个或者多个应用122以及程序数据124。在一些实施方式中,应用122可以布置为在操作系统上由一个或多个处理器104利用程序数据124执行指令。
计算设备100还包括储存设备132,储存设备132包括可移除储存器136和不可移除储存器138。
计算设备100还可以包括储存接口总线134。储存接口总线134实现了从储存设备132(例如,可移除储存器136和不可移除储存器138)经由总线/接口控制器130到基本配置102的通信。操作系统120、应用122以及数据124的至少一部分可以存储在可移除储存器136和/或不可移除储存器138上,并且在计算设备100上电或者要执行应用122时,经由储存接口总线134而加载到系统存储器106中,并由一个或者多个处理器104来执行。
计算设备100还可以包括有助于从各种接口设备(例如,输出设备142、外设接口144和通信设备146)到基本配置102经由总线/接口控制器130的通信的接口总线140。示例的输出设备142包括图形处理单元148和音频处理单元150。它们可以被配置为有助于经由一个或者多个A/V端口152与诸如显示器或者扬声器之类的各种外部设备进行通信。示例外设接口144可以包括串行接口控制器154和并行接口控制器156,它们可以被配置为有助于经由一个或者多个I/O端口158和诸如输入设备(例如,键盘、鼠标、笔、语音输入设备、触摸输入设备)或者其他外设(例如打印机、扫描仪等)之类的外部设备进行通信。示例的通信设备146可以包括网络控制器160,其可以被布置为便于经由一个或者多个通信端口164与一个或者多个其他计算设备162通过网络通信链路的通信。
网络通信链路可以是通信介质的一个示例。通信介质通常可以体现为在诸如载波或者其他传输机制之类的调制数据信号中的计算机可读指令、数据结构、程序模块,并且可以包括任何信息递送介质。“调制数据信号”可以是这样的信号,它的数据集中的一个或者多个或者它的改变可以在信号中以编码信息的方式进行。作为非限制性的示例,通信介质可以包括诸如有线网络或者专线网络之类的有线介质,以及诸如声音、射频(RF)、微波、红外(I R)或者其它无线介质在内的各种无线介质。这里使用的术语计算机可读介质可以包括存储介质和通信介质二者。
计算设备100可以实现为包括桌面计算机和笔记本计算机配置的个人计算机。当然,计算设备100也可以实现为小尺寸便携(或者移动)电子设备的一部分,这些电子设备可以是诸如蜂窝电话、数码照相机、个人数字助理(PDA)、个人媒体播放器设备、无线网络浏览设备、个人头戴设备、应用专用设备、或者可以包括上面任何功能的混合设备。甚至可以被实现为服务器,如文件服务器、数据库服务器、应用程序服务器和WEB服务器等。本发明的实施例对此均不做限制。
在根据本发明的实施例中,计算设备100被配置为执行根据本发明的获取稳态振动数据的方法200。其中,计算设备100的应用122中包含用于执行本发明的获取稳态振动数据的方法200的多条程序指令,这些程序指令可以被计算设备100读取并执行,以便计算设备100执行根据本发明的获取稳态振动数据的方法200。
图2示出了根据本发明一个实施例的获取稳态振动数据的方法200的流程图。方法200适于在计算设备(例如前述计算设备100)中执行。
需要说明的是,通过执行根据本发明的方法200,可以获取设备运行过程中的稳态振动数据,稳态振动数据是设备在负载运行过程中达到稳定状态、振动幅度较为平稳、不再发生明显变化的振动数据,也即是负载稳态振动数据。应当指出,设备运行过程包括多种工况,例如包括空载工况、冲击工况、负载工况,不同工况下的设备的振动状态不同,因而,所采集的设备的振动数据的振幅也会有一定差别。其中,负载工况对应的是负载稳态振动数据。
根据本发明的一个实施例,设备例如为轧机,轧机是冶金行业用于金属轧制过程的设备。设备运行过程例如是轧机执行的完整的轧钢处理过程。设备为轧机时,设备运行过程中的多种工况包括空载工况、咬钢工况、负载轧钢工况。这里,咬钢工况是指钢材等金属通过轧机时的运行过程,负载轧钢工况是指轧机对钢材等金属进行轧制的运行过程,空载工况即咬钢和负载之外的运行过程。需要说明的是,在咬钢工况下,钢坯与轧辊接触的瞬间会产生刚性冲击,在此情况下可以采集到咬钢数据,咬钢数据属于冲击数据。
根据本发明的方法200,可以获取冲击数据之后的稳态振动数据,也即是获取设备产生刚性冲击之后的负载稳态振动数据,以便根据稳态振动数据对设备故障进行有效分析和监测。
以下仅以轧机为例,对本发明的获取稳态振动数据的方法200进行详细描述。但,应当指出,本发明的方法200不限于轧机这一种设备。现有技术中,在设备运行过程中会产生冲击信号的设备的种类均在本发明的保护范围之内。
还应当指出,基于本发明的方法200不限于轧机这一种设备,本发明对冲击数据的种类也不做限制。在设备为轧机时,冲击数据即为咬钢工况对应的咬钢数据。在设备为其他类型的设备时,冲击数据也可以实现为与其他设备工况相关的其他类型的数据。
如图2所示,方法200始于步骤S210。
在步骤S210中,在设备运行过程中,采集预定时间段内的振动数据,作为原始振动数据。在一个实施例中,采集的振动数据为波形数据。
应当指出,所采集的预定时间段内的设备的振动数据应确保包括完整的设备运行过程数据,以使原始振动数据涵盖完整的设备运行过程数据。
在一个实施例中,预定时间段超过三次设备运行过程的时长,这样,可以确保原始振动数据包括完整的设备运行过程数据。这里,完整的设备运行过程应涵盖设备的多种工况,完整的设备运行过程数据应包含设备在多种工况下运行时的振动数据。例如,当设备为轧机时,完整的设备运行过程包含一次完整的轧制过程,其中包括空载工况、咬钢工况、负载轧钢工况。
图3示出了根据本发明一个实施例的原始振动数据的示意图。
如图3所示,原始振动数据中包含了完整的设备运行过程,其中包括与咬钢工况相对应的冲击数据、与负载轧钢工况相对应的负载稳态振动数据、以及与空载工况相对应的空载数据。根据本发明的方法200,可以提取其中的负载稳态振动数据。
随后,在步骤S220中,基于预定时间间隔将原始振动数据分为多段振动数据。这里,本发明对预定时间间隔不做具体限制。另外,本发明也不限于对原始振动数据的具体分段数目。预定时间间隔和具体分段数目可以由本领域技术人员根据实际需求自行设置。
根据一个实施例,可以基于预定时间间隔,将原始振动数据分为128段振动数据。可以理解,每段振动数据分别包括一个预定时间间隔内的振动数据。
随后,在步骤S230中,利用聚类模型,将多段振动数据划分为冲击类数据集和非冲击类数据集。
进一步而言,首先,计算每段振动数据对应的有效值(均方根值),在计算得到每段振动数据对应的有效值后,可以利用聚类模型将多段振动数据对应的有效值划分为冲击类数据集和非冲击类数据集。应当理解,冲击类数据集、非冲击类数据集分别包括一个或多个有效值。
需要说明的是,本发明利用聚类模型来对多段振动数据进行分类,适用性更广,可以广泛适用于多种类型的设备。应当指出,本发明对步骤S230中所采用的聚类模型不做具体限制,例如可以采用k-means聚类模型,但不限于此,现有技术中任何适用的聚类模型均在本发明的保护范围之内。
在一个实施例中,基于预定时间间隔划分的每段振动数据,分别包括一个或多个振动加速度值。每段振动数据对应的有效值可以根据以下公式来计算:
Figure BDA0003127487900000081
上式中,n为每段振动数据中包括的振动加速度值的数量,xi为每段振动数据中的第i个振动加速度值。
还应当指出,在步骤S210中采集的原始振动数据中不一定包含有效冲击数据,相应地,在执行步骤S230形成冲击类数据集、非冲击类数据集后,其中的冲击类数据集中也不一定包含与有效冲击数据对应的有效值。基于此,本发明还通过执行步骤S240来判断原始振动数据中是否包含有效冲击数据。
在步骤S240中,根据冲击类数据集与非冲击类数据集,来确定原始振动数据中是否包含有效冲击数据。
具体地,可以分别计算冲击类数据集中对应的第一均值(即冲击类数据集中的一个或多个有效值的平均值)、和非冲击类数据集对应的第二均值(即非冲击类数据集中的一个或多个有效值的平均值)。进而,通过比较第一均值与第二均值,来确定原始振动数据中是否包含有效冲击数据。
根据一个实施例,第一均值用M1表示,第二均值用M2表示,则,可以根据下式来确定原始振动数据中是否包含有效冲击数据:当M1>3*M2时,确定原始振动数据中包含有效冲击数据。反之,如果M1≤3*M2,则确定原始振动数据中不包含效冲击数据。如果确定不包含有效冲击数据,则需要再次采集预定时间段内的振动数据来作为原始振动数据,再次通过执行上述步骤S210~S240来确定原始振动数据中是否包含效冲击数据,直至确定原始振动数据中包含有效冲击数据为止。在确定原始振动数据中包含有效冲击数据后,可以执行下述步骤S250。
另外,应当指出,根据M1>3*M2来判断原始振动数据中是否包含有效冲击数据,是本领域技术人员根据一些实施方式中的具体情况来确定的。但,本发明不限于确定振动数据中是否包含有效冲击数据采用的上述公式。在另一些实施方式中,还可以基于其它合理的公式来判断原始振动数据中是否包含有效冲击数据。
在确定包含有效冲击数据时,执行步骤S250。在步骤S250中,确定原始振动数据中的有效冲击数据对应的冲击衰减结束时刻。具体可以通过比较基于原始振动数据分成的多段振动数据对应的有效值,来确定冲击衰减结束时刻。这里,当设备为轧机时,该冲击数据即是咬钢数据。
根据一个实施例,可以根据第一均值和第二均值来确定衰减阈值。进而,将每段振动数据的有效值与衰减阈值进行比较,可以确定冲击衰减结束时刻。
在一种实施方式中,根据第一均值和第二均值确定衰减阈值的公式为:M3=(M1+M2)/2。其中,M3表示衰减阈值,M1表示第一均值,M2表示第二均值。
在一个实施例中,可以根据以下方法来确定衰减结束时刻:如果有效值首次低于衰减阈值,且该有效值之前的有效值超过衰减阈值M3,则确定该有效值对应的时间间隔,基于该时间间隔来确定冲击衰减结束时刻。可以理解,有效值对应一段振动数据,也就对应一段振动数据对应的时间间隔。这里,可以将有效值对应的时间间隔的最后时刻确定为冲击衰减结束时刻。
在另一个实施例中,还可以根据以下方法来确定衰减结束时刻:如果连续两个有效值首次低于衰减阈值,且这两个有效值之前的有效值超过衰减阈值M3,则确定这两个有效值对应的时间间隔,基于该时间间隔来确定冲击衰减结束时刻。这里,可以将两个有效值对应的时间间隔的最后时刻确定为冲击衰减结束时刻。这样,进一步确保所确定的衰减结束时刻的准确性和可靠性。
最后,在步骤S260中,获取冲击衰减结束时刻之后的振动数据,作为稳态振动数据。这样,便获取到设备运行过程中的有效的负载稳态振动数据。
应当理解,这里获取到的负载稳态振动数据是冲击衰减结束时刻之后的振动数据,实现了对冲击数据的过滤,从而避免冲击数据对设备故障监测的干扰。
需要说明的是,在获取到负载稳态振动数据后,可以基于这段负载稳态振动数据来提取多种特征指标,例如可以提取有效值、峰值、峰峰值、峭度、歪度、频带能量等特征指标。进而,根据提取的特征指标,可以实现对设备状态的监测,例如进行超限报警等,以便及时发现设备故障。
根据本发明的获取稳态振动数据的方法200,通过获取冲击衰减结束时刻之后的振动数据作为稳态振动数据,根据稳态振动数据来提取特征指标,有利于后续对设备故障进行有效地分析和诊断,能避免冲击数据对设备故障诊断的干扰,有利于更准确、可靠地监测设备故障,及时发现设备故障。另外,本发明利用聚类模型来对多段振动数据进行分类,通过比较有效值与衰减阈值来确定冲击衰减结束时刻,这样,可以广泛适用于多种类型的设备,适用性更广。
A9、如A1-A8中任一项所述的方法,其中,所述聚类模型为k-means聚类模型。
A10、如A2所述的方法,其中,每段振动数据分别包括一个或多个振动加速度值,每段振动数据对应的有效值根据以下公式计算:
Figure BDA0003127487900000111
其中,n为每段振动数据中包括的振动加速度值的数量,xi为每段振动数据中的第i个振动加速度值。
A11、如A1-A10中任一项所述的方法,其中,将所述原始振动数据分为多段振动数据包括:将所述原始振动数据分为128段振动数据。
A12、如A1-A11中任一项所述的方法,其中,所述设备为轧机,所述设备运行过程包括轧钢过程;所述多种工况包括空载工况、咬钢工况、负载轧钢工况。
这里描述的各种技术可结合硬件或软件,或者它们的组合一起实现。从而,本发明的方法和设备,或者本发明的方法和设备的某些方面或部分可采取嵌入有形媒介,例如可移动硬盘、U盘、软盘、CD-ROM或者其它任意机器可读的存储介质中的程序代码(即指令)的形式,其中当程序被载入诸如计算机之类的机器,并被所述机器执行时,所述机器变成实践本发明的设备。
在程序代码在可编程计算机上执行的情况下,计算设备一般包括处理器、处理器可读的存储介质(包括易失性和非易失性存储器和/或存储元件),至少一个输入装置,和至少一个输出装置。其中,存储器被配置用于存储程序代码;处理器被配置用于根据该存储器中存储的所述程序代码中的指令,执行本发明的多语言垃圾文本的识别方法。
以示例而非限制的方式,可读介质包括可读存储介质和通信介质。可读存储介质存储诸如计算机可读指令、数据结构、程序模块或其它数据等信息。通信介质一般以诸如载波或其它传输机制等已调制数据信号来体现计算机可读指令、数据结构、程序模块或其它数据,并且包括任何信息传递介质。以上的任一种的组合也包括在可读介质的范围之内。
在此处所提供的说明书中,算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与本发明的示例一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下被实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员应当理解在本文所公开的示例中的设备的模块或单元或组件可以布置在如该实施例中所描述的设备中,或者可替换地可以定位在与该示例中的设备不同的一个或多个设备中。前述示例中的模块可以组合为一个模块或者此外可以分成多个子模块。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
此外,所述实施例中的一些在此被描述成可以由计算机系统的处理器或者由执行所述功能的其它装置实施的方法或方法元素的组合。因此,具有用于实施所述方法或方法元素的必要指令的处理器形成用于实施该方法或方法元素的装置。此外,装置实施例的在此所述的元素是如下装置的例子:该装置用于实施由为了实施该发明的目的的元素所执行的功能。
如在此所使用的那样,除非另行规定,使用序数词“第一”、“第二”、“第三”等等来描述普通对象仅仅表示涉及类似对象的不同实例,并且并不意图暗示这样被描述的对象必须具有时间上、空间上、排序方面或者以任意其它方式的给定顺序。
尽管根据有限数量的实施例描述了本发明,但是受益于上面的描述,本技术领域内的技术人员明白,在由此描述的本发明的范围内,可以设想其它实施例。此外,应当注意,本说明书中使用的语言主要是为了可读性和教导的目的而选择的,而不是为了解释或者限定本发明的主题而选择的。因此,在不偏离所附权利要求书的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围,对本发明所做的公开是说明性的,而非限制性的,本发明的范围由所附权利要求书限定。

Claims (10)

1.一种获取稳态振动数据的方法,在计算设备中执行以获取设备运行过程中的稳态振动数据,所述设备运行过程包括多种工况,所述方法包括步骤:
采集预定时间段内的振动数据,作为原始振动数据;
基于预定时间间隔将所述原始振动数据分为多段振动数据,其中,每段振动数据分别包括一个或多个振动加速度值;
根据以下公式分别计算每段振动数据对应的有效值:
Figure FDA0003605663900000011
其中,n为每段振动数据中包括的振动加速度值的数量,xi为每段振动数据中的第i个振动加速度值;
利用聚类模型,将所述多段振动数据对应的有效值划分为冲击类数据集和非冲击类数据集;
分别计算冲击类数据集对应的第一均值、和非冲击类数据集对应的第二均值,通过比较第一均值与第二均值,来确定所述原始振动数据中是否包含有效冲击数据;
在确定包含有效冲击数据时,确定所述原始振动数据中的有效冲击数据对应的冲击衰减结束时刻,其中包括:根据第一均值和第二均值来确定衰减阈值,将每段振动数据的有效值与所述衰减阈值进行比较,以确定冲击衰减结束时刻;以及
获取所述冲击衰减结束时刻之后的振动数据,作为稳态振动数据。
2.如权利要求1所述的方法,其中,确定所述原始振动数据中是否包含有效冲击数据包括:
当M1>3*M2时,确定原始振动数据中包含有效冲击数据;
其中,M1表示第一均值,M2表示第二均值。
3.如权利要求1所述的方法,其中,确定冲击衰减结束时刻的步骤包括:
如果有效值首次低于所述衰减阈值,且该有效值之前的有效值超过所述衰减阈值,则确定该有效值对应的时间间隔,基于该时间间隔来确定冲击衰减结束时刻。
4.如权利要求1所述的方法,其中,确定冲击衰减结束时刻的步骤包括:
如果连续两个有效值首次低于所述衰减阈值,且这两个有效值之前的有效值超过所述衰减阈值,则确定所述两个有效值对应的时间间隔,基于该时间间隔来确定冲击衰减结束时刻。
5.如权利要求1-4中任一项所述的方法,其中,根据第一均值和第二均值来确定衰减阈值的公式为:
M3=(M1+M2)/2;
其中,M3表示衰减阈值,M1表示第一均值,M2表示第二均值。
6.如权利要求1-4中任一项所述的方法,其中,所述聚类模型为k-means聚类模型。
7.如权利要求1-4中任一项所述的方法,其中,将所述原始振动数据分为多段振动数据包括:
将所述原始振动数据分为128段振动数据。
8.如权利要求1-4中任一项所述的方法,其中,
所述设备为轧机,所述设备运行过程包括轧钢过程;
所述多种工况包括空载工况、咬钢工况、负载轧钢工况。
9.一种计算设备,包括:
至少一个处理器;以及
存储器,存储有程序指令,其中,所述程序指令被配置为适于由所述至少一个处理器执行,所述程序指令包括用于执行如权利要求1-8中任一项所述的方法的指令。
10.一种存储有程序指令的可读存储介质,当所述程序指令被计算设备读取并执行时,使得所述计算设备执行如权利要求1-8中任一项所述方法。
CN202110693293.6A 2021-06-22 2021-06-22 一种获取稳态振动数据的方法及计算设备 Active CN113343388B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110693293.6A CN113343388B (zh) 2021-06-22 2021-06-22 一种获取稳态振动数据的方法及计算设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110693293.6A CN113343388B (zh) 2021-06-22 2021-06-22 一种获取稳态振动数据的方法及计算设备

Publications (2)

Publication Number Publication Date
CN113343388A CN113343388A (zh) 2021-09-03
CN113343388B true CN113343388B (zh) 2022-07-08

Family

ID=77477866

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110693293.6A Active CN113343388B (zh) 2021-06-22 2021-06-22 一种获取稳态振动数据的方法及计算设备

Country Status (1)

Country Link
CN (1) CN113343388B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106772646A (zh) * 2016-12-19 2017-05-31 吉林大学 一种地面核磁共振信号提取方法
EP3415893A1 (en) * 2017-06-16 2018-12-19 Shimadzu Corporation Evaluation method of impact test and impact tester
CN110807245A (zh) * 2019-09-26 2020-02-18 上海长庚信息技术股份有限公司 一种设备故障预警的自动建模方法和系统
CN111318576A (zh) * 2020-03-04 2020-06-23 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

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015178820A1 (en) * 2014-05-19 2015-11-26 Aktiebolaget Skf A method and device for determining properties of a bearing

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106772646A (zh) * 2016-12-19 2017-05-31 吉林大学 一种地面核磁共振信号提取方法
EP3415893A1 (en) * 2017-06-16 2018-12-19 Shimadzu Corporation Evaluation method of impact test and impact tester
CN109142101A (zh) * 2017-06-16 2019-01-04 株式会社岛津制作所 冲击试验的评估方法及冲击试验机
CN110807245A (zh) * 2019-09-26 2020-02-18 上海长庚信息技术股份有限公司 一种设备故障预警的自动建模方法和系统
CN111318576A (zh) * 2020-03-04 2020-06-23 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

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
《Reliability Analysis for CNC Machining Tools during Early Failure Period》;Chen Wei等;《Advanced Materials Research》;20150821;第458-462页 *
《隧道掘进机电控箱振动特性试验研究》;亢红波等;《西安建筑科技大学学报(自然科学版)》;20150924;第663-667页 *

Also Published As

Publication number Publication date
CN113343388A (zh) 2021-09-03

Similar Documents

Publication Publication Date Title
CN108090567B (zh) 电力通信系统故障诊断方法及装置
CN107229951B (zh) 预测用户是否存在恶意行为的方法和计算设备
CN107423613B (zh) 依据相似度确定设备指纹的方法、装置及服务器
CN110266552B (zh) 流量异常检测的方法、模型训练方法和装置
CN109977895B (zh) 一种基于多特征图融合的野生动物视频目标检测方法
CN107909156B (zh) 一种设备状态检测方法及计算设备
CN107239533B (zh) 生成异常模式、确定用户是否存在恶意行为的方法和计算设备
CN111754982A (zh) 语音通话的噪声消除方法、装置、电子设备及存储介质
CN107680344B (zh) 一种设备报警等级的获取方法及计算设备
CN111276124B (zh) 一种关键词识别方法、装置、设备及可读存储介质
CN113343388B (zh) 一种获取稳态振动数据的方法及计算设备
CN109358595A (zh) 一种it运维风险预警方法及相关装置
CN112270823B (zh) 采集与钢铁轧机的运行工况相关的振动数据的方法及系统
CN112577724A (zh) 动设备启停机阈值的确定方法、启停机监测方法及装置
CN117272139A (zh) 一种结合特征相关性与时间相关性的盾构机姿态预测方法
CN115130887B (zh) 水库大坝环境影响评价方法和装置、电子设备和存储介质
CN110198299B (zh) 一种入侵检测方法和装置
WO2018071093A1 (en) Programmable hardware security counters
CN115619138B (zh) 基于数字孪生的楼宇管控运营的方法、装置、设备及介质
CN116933002A (zh) 一种动作检测方法、装置、终端设备和存储介质
CN110472685B (zh) 对象行为持续时长预测方法及装置
CN113393710A (zh) 一种预警方法、预警装置及电子设备
CN113554075A (zh) 生成故障分类模型的方法及确定旋转设备故障类型的方法
CN112597490A (zh) 安全威胁编排响应方法、装置、电子设备及可读存储介质
CN112906776B (zh) 一种指标数据处理方法、装置和计算设备

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