CN113933035A - 基于相关性分析的旋转机械装备故障诊断方法和系统 - Google Patents

基于相关性分析的旋转机械装备故障诊断方法和系统 Download PDF

Info

Publication number
CN113933035A
CN113933035A CN202111162477.6A CN202111162477A CN113933035A CN 113933035 A CN113933035 A CN 113933035A CN 202111162477 A CN202111162477 A CN 202111162477A CN 113933035 A CN113933035 A CN 113933035A
Authority
CN
China
Prior art keywords
fault
power spectrum
mechanical equipment
component
vibration power
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
Application number
CN202111162477.6A
Other languages
English (en)
Other versions
CN113933035B (zh
Inventor
曹光明
赵振兴
代路
李少丹
劳星胜
马灿
宋苹
戴春辉
柳勇
杨小虎
陈列
廖梦然
吕伟剑
徐广展
何涛
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.)
719th Research Institute of CSIC
Original Assignee
719th Research Institute of CSIC
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 719th Research Institute of CSIC filed Critical 719th Research Institute of CSIC
Priority to CN202111162477.6A priority Critical patent/CN113933035B/zh
Publication of CN113933035A publication Critical patent/CN113933035A/zh
Application granted granted Critical
Publication of CN113933035B publication Critical patent/CN113933035B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01M13/00—Testing of machine parts
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Algebra (AREA)
  • Evolutionary Biology (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明涉及故障诊断技术领域，提供一种基于相关性分析的旋转机械装备故障诊断方法和系统。方法包括：获取运行工况下的旋转机械装备的运行振动功率谱；所述运行振动功率谱是通过将设定时段内，所述旋转机械装备的振动信号在振动频率域上变换得到的；基于所述运行振动功率谱和故障功率谱，计算得到相关系数；所述故障功率谱是设定故障下，所述旋转机械装备的故障振动功率谱；根据所述相关系数，得出所述设定故障的诊断结论。本发明一方面简化了故障诊断的运算复杂度，提升了故障诊断的效率；另一方面能够更有针对性的获取准确的故障类型，为特殊环境下的故障快速定位提供了有效的支持。

Description

基于相关性分析的旋转机械装备故障诊断方法和系统
技术领域
本发明涉及故障诊断技术领域，尤其涉及一种基于相关性分析的旋转机械装备故障诊断方法和系统。
背景技术
伴随着智能化的发展需求，现代大型机械设备一般都在重要旋转装备(例如，船舶设备中的汽轮机、发电机、推进电机等)布置多个振动传感器，分别沿不同方向对旋转机械装备进行全面的振动监测，并对监测数据进行分析，当旋转机械装备出现异常时，发出报警信号经人工确认后关停装备，并通知检修人员及时到达现场。
上述传统振动采集与分析系统有效保障了设备的安全运行，提供了异常报警的运维保障。然而故障的定位仍需检修人员根据实际情况进行拆卸检验。
受限于设备空间和拆卸条件，现有技术存在着故障定位困难、维修方案制定效率低，维修时间长等问题，进而影响设备运行的安全性与经济性。
因此，如何提供一种能够快速定位和高效检修的旋转机械设备故障诊断方法成为了业内亟需解决的技术问题。
发明内容
本发明提供一种基于相关性分析的旋转机械装备故障诊断方法和系统，用以解决现有技术中故障定位困难、维修方案制定效率低，维修时间长的缺陷，实现能够快速定位和高效检修的旋转机械设备故障诊断。
本发明提供一种基于相关性分析的旋转机械装备故障诊断方法，包括：
获取运行工况下的旋转机械装备的运行振动功率谱；所述运行振动功率谱是通过将设定时段内，所述旋转机械装备的振动信号在振动频率域上变换得到的；
基于所述运行振动功率谱和故障功率谱，计算得到相关系数；所述故障功率谱是设定故障下，所述旋转机械装备的故障振动功率谱；
根据所述相关系数，得出所述设定故障的诊断结论。
根据本发明提供的一种基于相关性分析的旋转机械装备故障诊断方法，所述运行振动功率谱包括表示所述旋转机械装备轴向振动功率的第一分量Y1和至少一个表示所述旋转机械装备径向振动功率的第二分量Y2；所述故障功率谱包括表示设定故障下，所述旋转机械装备轴向振动功率的故障轴向分量X′1和至少一个表示所述旋转机械装备径向振动功率的故障径向分量X′2；
所述第二分量与所述故障径向分量一一对应。
根据本发明提供的一种基于相关性分析的旋转机械装备故障诊断方法，所述相关系数包括第一分量相关系数η1和第二分量相关系数η2；
所述第一分量相关系数η1满足：
Figure BDA0003290186790000021
所述第二分量相关系数η1满足：
Figure BDA0003290186790000022
式中，p为所述运行振动功率谱和故障功率谱中频率的取值数量；i为所述运行振动功率谱和故障功率谱中频率的序号，且i∈[1，p]；
Y1(fi)为第一分量Y1在频率fi处的取值；X′1(fi)为故障轴向分量X′1在频率fi处的取值；
Figure BDA0003290186790000031
为第一分量Y1的均值；
Figure BDA0003290186790000032
为故障轴向分量的均值；
Y2(fi)为第二分量Y2在频率fi处的取值；X′2(fi)为故障径向分量X′2在频率fi处的取值；
Figure BDA0003290186790000033
为第二分量Y1的均值；
Figure BDA0003290186790000034
为故障径向分量的均值。
根据本发明提供的一种基于相关性分析的旋转机械装备故障诊断方法，所述相关系数的取值为第一分量相关系数η1和第二分量相关系数η2的均值。
根据本发明提供的一种基于相关性分析的旋转机械装备故障诊断方法，所述故障轴向分量X′1是在设定故障下，不同时段内所述旋转机械装备的至少两个故障振动功率谱中，轴向分量的均值；所述故障径向分量X′2是在设定故障下，不同时段内所述旋转机械装备的至少两个故障振动功率谱中，径向分量的均值。
根据本发明提供的一种基于相关性分析的旋转机械装备故障诊断方法，所述设定故障包括旋转失速与喘振、转子不平衡、转子不对中、转子裂纹、油膜涡动与振荡、动静部位摩擦以及机械性松动中的任一者或任多者组合。
本发明还提供一种基于相关性分析的旋转机械装备故障诊断系统，包括：
获取模块，用于获取运行工况下的旋转机械装备的运行振动功率谱；所述运行振动功率谱是通过将设定时段内，所述旋转机械装备的振动信号在振动频率域上变换得到的；
计算模块，用于基于所述运行振动功率谱和故障功率谱，计算得到相关系数；所述故障功率谱是设定故障下，所述旋转机械装备的故障振动功率谱；
结论模块，用于根据所述相关系数，得出所述设定故障的诊断结论。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于相关性分析的旋转机械装备故障诊断方法的步骤。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于相关性分析的旋转机械装备故障诊断方法的步骤。
本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述基于相关性分析的旋转机械装备故障诊断方法的步骤。
本发明提供的基于相关性分析的旋转机械装备故障诊断方法和系统，通过将设定时段内，所述旋转机械装备的振动功率在振动频率域上展开，得到运行振动功率谱，并与故障功率谱做相关性分析得到相关系数的技术手段，简化了故障诊断的运算复杂度，提升了故障诊断的效率；
同时，通过运行振动功率谱与特定故障的故障功率谱做相关性分析，能够更有针对性的获取准确的故障类型，为特殊环境(如船舶机械设备中，存在着空间狭小问题、拆卸条件受限的环境)下的故障快速定位提供了有效的支持。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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是本发明提供的基于相关性分析的旋转机械装备故障诊断方法的流程示意图；
图2是本发明实施例提供的旋转机械装备振动传感器采集部署示意图；
图3是本发明提供的基于相关性分析的旋转机械装备故障诊断系统的结构示意图；
图4是本发明提供的电子设备的结构示意图。
附图标记：
1：获取模块； 2：计算模块； 3：结论模块；
410：处理器； 420：通信接口； 430：存储器；
440：通信总线。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中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作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。
下面结合图1-图2描述本发明的基于相关性分析的旋转机械装备故障诊断方法。
如图1所示，本发明实施例提供一种基于相关性分析的旋转机械装备故障诊断方法，包括：
步骤101，获取运行工况下的旋转机械装备的运行振动功率谱；所述运行振动功率谱是通过将设定时段内，所述旋转机械装备的振动信号在振动频率域上变换得到的；
步骤103，基于所述运行振动功率谱和故障功率谱，计算得到相关系数；所述故障功率谱是设定故障下，所述旋转机械装备的故障振动功率谱；
步骤105，根据所述相关系数，得出所述设定故障的诊断结论。
本实施例中，诊断结论是针对设定故障进行的，实际应用本方法进行故障诊断时，可以设定多个设定故障，依次利用本实施例方法得出诊断结论。
所述诊断结论是基于所述相关系数得出的，具体来说，诊断结论既可以是相关系数值本身、归一化的相关系数值或者其它经过数学计算处理的相关系数值，又可以是根据设定阈值或集合判断得到的二值化结论(如故障、非故障)，还可以是根据设定阈值或集合判断得到的多值离散结论(如故障风险1级、2级、3级…)。
对于非二值化结论的诊断结论的多个设定故障排查场景，可以根据各设定故障的诊断结论进行排序，自风险较高的设定故障至风险较低的设定故障依次进行后续的排查维修工作。
在一个优选的实施方式中，步骤101中的所述振动功率谱包括至少两个方向的振动功率分量谱，振动功率谱的分量数量与所述旋转机械装备上设置的振动传感器数量有关。所述至少两个方向一般应为轴向和径向。
本实施例的有益效果在于：
通过将设定时段内，所述旋转机械装备的振动功率在振动频率域上展开，得到运行振动功率谱，并与故障功率谱做相关性分析得到相关系数的技术手段，简化了故障诊断的运算复杂度，提升了故障诊断的效率；
同时，通过运行振动功率谱与特定故障的故障功率谱做相关性分析，能够更有针对性的获取准确的故障类型，为特殊环境(如船舶机械设备中，存在着空间狭小问题、拆卸条件受限的环境)下的故障快速定位提供了有效的支持。
根据上述实施例，在本实施例中：
所述运行振动功率谱包括表示所述旋转机械装备轴向振动功率的第一分量Y1和至少一个表示所述旋转机械装备径向振动功率的第二分量Y2；所述故障功率谱包括表示设定故障下，所述旋转机械装备轴向振动功率的故障轴向分量X′1和至少一个表示所述旋转机械装备径向振动功率的故障径向分量X′2；
所述第二分量与所述故障径向分量一一对应。
所述相关系数包括第一分量相关系数η1和第二分量相关系数η2；
所述第一分量相关系数η1满足：
Figure BDA0003290186790000071
所述第二分量相关系数η1满足：
Figure BDA0003290186790000072
式中，p为所述运行振动功率谱和故障功率谱中频率的取值数量；i为所述运行振动功率谱和故障功率谱中频率的序号，且i∈[1，p]；
Y1(fi)为第一分量Y1在频率fi处的取值；X′1(fi)为故障轴向分量X′1在频率fi处的取值；
Figure BDA0003290186790000073
为第一分量Y1的均值；
Figure BDA0003290186790000074
为故障轴向分量的均值；
Y2(fi)为第二分量Y2在频率fi处的取值；X′2(fi)为故障径向分量X′2在频率fi处的取值；
Figure BDA0003290186790000075
为第二分量Y1的均值；
Figure BDA0003290186790000076
为故障径向分量的均值。
所述相关系数的取值为第一分量相关系数η1和第二分量相关系数η2的均值。
所述故障轴向分量X′1是在设定故障下，不同时段内所述旋转机械装备的至少两个故障振动功率谱中，轴向分量的均值；所述故障径向分量X′2是在设定故障下，不同时段内所述旋转机械装备的至少两个故障振动功率谱中，径向分量的均值。
所述设定故障包括旋转失速与喘振、转子不平衡、转子不对中、转子裂纹、油膜涡动与振荡、动静部位摩擦以及机械性松动中的任一者或任多者组合。
本实施例的有益效果在于：
通过将设定时段内，所述旋转机械装备的振动功率在振动频率域上展开，得到运行振动功率谱，并与故障功率谱做相关性分析得到相关系数的技术手段，简化了故障诊断的运算复杂度，提升了故障诊断的效率；
同时，通过运行振动功率谱与特定故障的故障功率谱做相关性分析，能够更有针对性的获取准确的故障类型，为特殊环境(如船舶机械设备中，存在着空间狭小问题、拆卸条件受限的环境)下的故障快速定位提供了有效的支持。
根据上述任一实施例，下面将以船舶中的旋转机械装备场景为例，提供更为具体的说明。
本实施例提供一种基于相关性分析的船舶旋转机械装备的故障诊断系统。
正如背景技术介绍的，传统船舶振动采集与分析系统有效保障了船舶的安全运行，但是当检修人员及时到达现场后，船舶由于空间狭小、拆卸条件等限制因素，很难快速的进行故障定位，导致难以制定有效的维修方案，造成重要旋转机械装备的长时间停机，严重影响船舶运行的安全性与经济性。
本实施例提供一种基于相关性分析的船舶旋转机械装备的故障诊断系统：
首先，梳理旋转机械装备的常见的故障模式，针对各故障模式在实验室监测其轴向、水平向、垂直向三个方向的振动信号，并进行功率谱分析，构建该旋转机械装备的故障功率谱库；
其次，在船舶上围绕该旋转机械装备部署振动传感器实时监测轴向、水平向、垂直向三个方向的振动信号，并进行功率谱分析；
最后，将实时监测的三个方向的振动功率谱分别与故障功率谱库中各故障模式对应的三个方向的振动功率谱进行持续的相关性分析，当旋转机械装备出现故障报警时，检修人员根据相关性分析结果进行故障诊断，能够有效提高维修方案的准确性，保障船舶的安全。
具体地，本实施例的方法包括：
步骤一：振动传感器采集部署
在旋转机械装备的附近沿轴向、水平向、垂直向三个方向部署振动传感器，通过采集工控机监测三个方向的振动信号。
步骤二：故障功率谱库构建
在船舶上，旋转机械装备的常见故障模式主要包括转子不平衡、转子不对中、转子裂纹、油膜涡动与振荡、动静部位摩擦、机械性松动、旋转失速与喘振七类。由于旋转机械装备主要功能是由旋转动作完成的，当出现上述七类故障时，一般伴随着异常的振动。
在实验室内，设置旋转机械装备上述七类故障模式。针对每一类故障模式，在多个[ta，tb]时间段，监测轴向、水平向、垂直三道时序振动信号V1(t)、V2(t)、V3(t)。在采集工控机上，基于MATLAB、LabView或者Origin等软件，对三道时序信号分别进行功率谱分析(以MATLAB为例，可以采用pwelch函数)；具体过程如下：
首先，某段时间[ta，tb]，三个振动传感器采集的时序信号共有m个数据，分别为：
V1(m)＝[V1(ta)...V1(tb)]；
V2(m)＝[V2(ta)...V2(tb)]；
V3(m)＝[V3(ta)...V3(tb)]。
针对每个振动传感器采集的时序信号，基于MATLAB、LabView或者Origin等软件，对k道时序信号V1(m)、V2(m)、V3(m)分别进行功率谱分析，将频率域均分为(p-1)份，形成三个振动传感器在时间[ta，tb]的功率谱：
X1(ta～tb)＝[X1(f1),X1(f2),X1(f3)...X1(fp)]；
X2(ta～tb)＝[X2(f1),X2(f2),X2(f3)...X2(fp)]；
X3(ta～tb)＝[X3(f1),X3(f2),X3(f3)...X3(fp)]。
式中，
Figure BDA0003290186790000101
Figure BDA0003290186790000102
其中，fs为频率域总宽度，由传感器的采样频率决定；在一个优选的实施方式中，fs取值为传感器采样频率的1/2。
其次，针对每个[ta，tb]时间段进行上述分析，得到一系列[ta，tb]时间段内的三个方向振动传感器的功率谱，分别通过平均化处理，得到三个方向振动传感器在此种故障模式下的功率谱X1′(ta～tb)、X2′(ta～tb)、X3′(ta～tb)。其中，
X1′(ta～tb)＝[X1′(f1),X1′(f2),X1′(f3)...X1′(fp)]；
X2′(ta～tb)＝[X2′(f1),X2′(f2),X2′(f3)...X2′(fp)]；
f3′(ta～tb)＝[X3′(f1),X3′(f2),X3′(f3)...X3′(fp)]。
最后，在七类故障模式分别进行上述处理，并将七类故障模式对应的三个方向的振动功率谱输入数据库，形成该旋转机械装备的故障功率谱库。
步骤三：运行工况下振动实时监测与相关性分析
在船舶上部署服务器，存入该旋转机械装备的故障功率谱库，并对该旋转机械装备在运行工况下进行实时监测，并按照步骤二，持续计算[ta，tb]时间段内的三个方向振动传感器的功率谱Y1(ta～tb)、Y2(ta～tb)、Y3(ta～tb)。其中，
Y1(ta～tb)＝[Y1(f1),Y1(f2),Y1(f3)...Y1(fp)]；
Y2(ta～tb)＝[Y2(f1),Y2(f2),Y2(f3)...Y2(fp)]；
Y3(ta～tb)＝[Y3(f1),Y3(f2),Y3(f3)...Y3(fp)]。
在服务器上，基于MATLAB、LabView或者Origin等软件，将实时监测的[ta，tb]时间段内三个方向的振动功率谱分别与故障功率谱库中七类故障模式对应的三个方向的振动功率谱进行持续的相关性分析，计算相关系数：
Figure BDA0003290186790000111
Figure BDA0003290186790000112
Figure BDA0003290186790000113
其中，
Figure BDA0003290186790000114
分别为[Y1(f1),Y1(f2),Y1(f3)...Y1(fp)]、[Y2(f1),Y2(f2),Y2(f3)...Y2(fp)]、[Y3(f1),Y3(f2),Y3(f3)...Y3(fp)]的平均值；
Figure BDA0003290186790000115
分别为[X1′(f1),X1′(f2),X1′(f3)...X1′(fp)]、[X2′(f1),X2′(f2),X2′(f3)...X2′(fp)]、[X3′(f1),X3′(f2),X3′(f3)...X3′(fp)]的平均值。
因此，可以得到每一类故障模式下三个方向的振动功率谱相关系数η1(ta～tb)、η2(ta～tb)、η3(ta～tb)，设定平均相关系数η′(ta～tb)，
Figure BDA0003290186790000116
也就是说，在[ta，tb]时间段内，可以得到七类故障模式对应的振动功率谱平均相关系数η′1(ta～tb)、η′2(ta～tb)…η′7(ta～tb)。
步骤四：根据相关性分析结果进行故障诊断
当旋转机械装备出现故障报警时，检修人员根据故障所发生的[ta，tb]时间段内的振动功率谱平均相关系数的具体值，从大到小依次对各系数对应的故障模式进行诊断，并制定相应维修方案，能够有效提高维修方案的准确性，保障船舶的安全。
本实施例的有益效果在于：
通过将旋转机械装备振动的实时监测功率谱与故障功率谱库进行持续相关性分析，当旋转机械装备出现故障报警时，检修人员根据相关性分析结果进行故障诊断，有效提高维修方案的准确性。
下面对本发明提供的基于相关性分析的旋转机械装备故障诊断装置进行描述，下文描述的基于相关性分析的旋转机械装备故障诊断装置与上文描述的基于相关性分析的旋转机械装备故障诊断方法可相互对应参照。
本发明实施例提供一种基于相关性分析的旋转机械装备故障诊断系统，包括：
获取模块1，用于获取运行工况下的旋转机械装备的运行振动功率谱；所述运行振动功率谱是通过将设定时段内，所述旋转机械装备的振动信号在振动频率域上变换得到的；
计算模块2，用于基于所述运行振动功率谱和故障功率谱，计算得到相关系数；所述故障功率谱是设定故障下，所述旋转机械装备的故障振动功率谱；
结论模块3，用于根据所述相关系数，得出所述设定故障的诊断结论。
本实施例的有益效果在于：
通过将设定时段内，所述旋转机械装备的振动功率在振动频率域上展开，得到运行振动功率谱，并与故障功率谱做相关性分析得到相关系数的技术手段，简化了故障诊断的运算复杂度，提升了故障诊断的效率；
同时，通过运行振动功率谱与特定故障的故障功率谱做相关性分析，能够更有针对性的获取准确的故障类型，为特殊环境(如船舶机械设备中，存在着空间狭小问题、拆卸条件受限的环境)下的故障快速定位提供了有效的支持。
图4示例了一种电子设备的实体结构示意图，如图4所示，该电子设备可以包括：处理器(processor)410、通信接口(Communications Interface)420、存储器(memory)430和通信总线440，其中，处理器410，通信接口420，存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令，以执行基于相关性分析的旋转机械装备故障诊断方法，该方法包括：获取运行工况下的旋转机械装备的运行振动功率谱；所述运行振动功率谱是通过将设定时段内，所述旋转机械装备的振动信号在振动频率域上变换得到的；基于所述运行振动功率谱和故障功率谱，计算得到相关系数；所述故障功率谱是设定故障下，所述旋转机械装备的故障振动功率谱；根据所述相关系数，得出所述设定故障的诊断结论。
此外，上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的基于相关性分析的旋转机械装备故障诊断方法，该方法包括：获取运行工况下的旋转机械装备的运行振动功率谱；所述运行振动功率谱是通过将设定时段内，所述旋转机械装备的振动信号在振动频率域上变换得到的；基于所述运行振动功率谱和故障功率谱，计算得到相关系数；所述故障功率谱是设定故障下，所述旋转机械装备的故障振动功率谱；根据所述相关系数，得出所述设定故障的诊断结论。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的基于相关性分析的旋转机械装备故障诊断方法，该方法包括：获取运行工况下的旋转机械装备的运行振动功率谱；所述运行振动功率谱是通过将设定时段内，所述旋转机械装备的振动信号在振动频率域上变换得到的；基于所述运行振动功率谱和故障功率谱，计算得到相关系数；所述故障功率谱是设定故障下，所述旋转机械装备的故障振动功率谱；根据所述相关系数，得出所述设定故障的诊断结论。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；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：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种基于相关性分析的旋转机械装备故障诊断方法，其特征在于，包括：
获取运行工况下的旋转机械装备的运行振动功率谱；所述运行振动功率谱是通过将设定时段内，所述旋转机械装备的振动信号在振动频率域上变换得到的；
基于所述运行振动功率谱和故障功率谱，计算得到相关系数；所述故障功率谱是设定故障下，所述旋转机械装备的故障振动功率谱；
根据所述相关系数，得出所述设定故障的诊断结论。
2.根据权利要求1所述的基于相关性分析的旋转机械装备故障诊断方法，其特征在于，所述运行振动功率谱包括表示所述旋转机械装备轴向振动功率的第一分量Y1和至少一个表示所述旋转机械装备径向振动功率的第二分量Y2；所述故障功率谱包括表示设定故障下，所述旋转机械装备轴向振动功率的故障轴向分量X′1和至少一个表示所述旋转机械装备径向振动功率的故障径向分量X′2；
所述第二分量与所述故障径向分量一一对应。
3.根据权利要求2所述的基于相关性分析的旋转机械装备故障诊断方法，其特征在于，所述相关系数包括第一分量相关系数η1和第二分量相关系数η2；
所述第一分量相关系数η1满足：
Figure FDA0003290186780000011
所述第二分量相关系数η1满足：
Figure FDA0003290186780000012
式中，p为所述运行振动功率谱和故障功率谱中频率的取值数量；i为所述运行振动功率谱和故障功率谱中频率的序号，且i∈[1，p]；
Y1(fi)为第一分量Y1在频率fi处的取值；X′1(fi)为故障轴向分量X′1在频率fi处的取值；
Figure FDA0003290186780000021
为第一分量Y1的均值；
Figure FDA0003290186780000022
为故障轴向分量的均值；
Y2(fi)为第二分量Y2在频率fi处的取值；X′2(fi)为故障径向分量X′2在频率fi处的取值；
Figure FDA0003290186780000023
为第二分量Y1的均值；
Figure FDA0003290186780000024
为故障径向分量的均值。
4.根据权利要求3所述的基于相关性分析的旋转机械装备故障诊断方法，其特征在于，所述相关系数的取值为第一分量相关系数η1和第二分量相关系数η2的均值。
5.根据权利要求2所述的基于相关性分析的旋转机械装备故障诊断方法，其特征在于，所述故障轴向分量X′1是在设定故障下，不同时段内所述旋转机械装备的至少两个故障振动功率谱中，轴向分量的均值；所述故障径向分量X′2是在设定故障下，不同时段内所述旋转机械装备的至少两个故障振动功率谱中，径向分量的均值。
6.根据权利要求1至5中任一项所述的基于相关性分析的旋转机械装备故障诊断方法，其特征在于，所述设定故障包括旋转失速与喘振、转子不平衡、转子不对中、转子裂纹、油膜涡动与振荡、动静部位摩擦以及机械性松动中的任一者或任多者组合。
7.一种基于相关性分析的旋转机械装备故障诊断系统，其特征在于，包括：
获取模块，用于获取运行工况下的旋转机械装备的运行振动功率谱；所述运行振动功率谱是通过将设定时段内，所述旋转机械装备的振动信号在振动频率域上变换得到的；
计算模块，用于基于所述运行振动功率谱和故障功率谱，计算得到相关系数；所述故障功率谱是设定故障下，所述旋转机械装备的故障振动功率谱；
结论模块，用于根据所述相关系数，得出所述设定故障的诊断结论。
8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述基于相关性分析的旋转机械装备故障诊断方法的步骤。
9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述基于相关性分析的旋转机械装备故障诊断方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述基于相关性分析的旋转机械装备故障诊断方法的步骤。
CN202111162477.6A 2021-09-30 2021-09-30 基于相关性分析的旋转机械装备故障诊断方法和系统 Active CN113933035B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111162477.6A CN113933035B (zh) 2021-09-30 2021-09-30 基于相关性分析的旋转机械装备故障诊断方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111162477.6A CN113933035B (zh) 2021-09-30 2021-09-30 基于相关性分析的旋转机械装备故障诊断方法和系统

Publications (2)

Publication Number Publication Date
CN113933035A true CN113933035A (zh) 2022-01-14
CN113933035B CN113933035B (zh) 2023-08-29

Family

ID=79277772

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111162477.6A Active CN113933035B (zh) 2021-09-30 2021-09-30 基于相关性分析的旋转机械装备故障诊断方法和系统

Country Status (1)

Country Link
CN (1) CN113933035B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101358397B1 (ko) * 2012-09-27 2014-02-05 주식회사 가온솔루션 가속도 센서 및 출력 전력에 기반하는 풍력 발전기의 고장진단장치 및 고장 진단 방법
CN106226049A (zh) * 2016-07-13 2016-12-14 广东石油化工学院 一种基于波形指标的旋转机械故障诊断方法
US20190095781A1 (en) * 2017-09-23 2019-03-28 Nanoprecise Sci Corp. System and method for automated fault diagnosis and prognosis for rotating equipment
JP2020134479A (ja) * 2019-02-26 2020-08-31 日本電産株式会社 異常検出方法および異常検出装置
CN112098093A (zh) * 2020-09-15 2020-12-18 丽水市特种设备检测院 一种轴承故障特征识别方法及识别系统
WO2021035638A1 (zh) * 2019-08-29 2021-03-04 亿可能源科技（上海）有限公司 旋转机械设备故障诊断方法、系统及存储介质
CN113092114A (zh) * 2021-04-08 2021-07-09 陕西科技大学 一种轴承故障诊断方法、装置及存储介质
CN113158896A (zh) * 2021-04-21 2021-07-23 中国民航大学 一种传递路径下的滚动轴承滚动体微弱故障特征提取方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101358397B1 (ko) * 2012-09-27 2014-02-05 주식회사 가온솔루션 가속도 센서 및 출력 전력에 기반하는 풍력 발전기의 고장진단장치 및 고장 진단 방법
CN106226049A (zh) * 2016-07-13 2016-12-14 广东石油化工学院 一种基于波形指标的旋转机械故障诊断方法
US20190095781A1 (en) * 2017-09-23 2019-03-28 Nanoprecise Sci Corp. System and method for automated fault diagnosis and prognosis for rotating equipment
JP2020134479A (ja) * 2019-02-26 2020-08-31 日本電産株式会社 異常検出方法および異常検出装置
WO2021035638A1 (zh) * 2019-08-29 2021-03-04 亿可能源科技（上海）有限公司 旋转机械设备故障诊断方法、系统及存储介质
CN112098093A (zh) * 2020-09-15 2020-12-18 丽水市特种设备检测院 一种轴承故障特征识别方法及识别系统
CN113092114A (zh) * 2021-04-08 2021-07-09 陕西科技大学 一种轴承故障诊断方法、装置及存储介质
CN113158896A (zh) * 2021-04-21 2021-07-23 中国民航大学 一种传递路径下的滚动轴承滚动体微弱故障特征提取方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
LEI LU: "Dominant feature selection for the fault diagnosis of rotary machines using modified genetic algorithm and empirical mode decomposition", 《JOURNAL OF SOUND AND VIBRATION》, vol. 344, pages 464 - 483 *
李献伟 等: "利用振动功率谱诊断磨煤机减速器故障的研究", 《山西电力》, no. 3, pages 54 - 56 *

Also Published As

Publication number Publication date
CN113933035B (zh) 2023-08-29

Similar Documents

Publication Publication Date Title
US7089154B2 (en) Automatic machinery fault diagnostic method and apparatus
CN107192446B (zh) 风力发电机组塔筒固有频率监测方法
RU2551388C2 (ru) Контроль осевой вибрации для обнаружения несоосности валов в турбомашинных установках
WO2014018727A1 (en) Method and system for monitoring rotating blade health
CN1910434A (zh) 在机械中诊断机械问题的方法和装置
CN112487910A (zh) 核电汽轮机系统故障预警方法及系统
Abdelrhman et al. A review of vibration monitoring as a diagnostic tool for turbine blade faults
CN114061743A (zh) 风力发电机组的振动监测方法、装置、设备及介质
CN112459971A (zh) 风力发电机组塔筒的异常振动检测方法
KR20210006832A (ko) 기계고장 진단 방법 및 장치
Sahoo et al. Health monitoring of wind turbine blades through vibration signal using advanced signal processing techniques
JP2003149043A (ja) 回転機械の振動診断方法及び装置
CN114412726A (zh) 风电机组变桨轴承检测方法、装置及风力机组
CN111594394B (zh) 风电机组主轴温度预警方法及装置
CN113933035A (zh) 基于相关性分析的旋转机械装备故障诊断方法和系统
EP3712577B1 (en) Apparatus for equipment monitoring
JP2003344150A (ja) 回転機械の軸振動解析による状態診断方法及び装置
CN115372039A (zh) 汽轮发电机组振动故障诊断系统的构建方法和应用方法
Mustafa et al. Experimental research on machinery fault simulator (MFS): A review
CN102879085B (zh) 汽轮发电机组低频振动非稳态实时预警方法
CN205449521U (zh) 基于emd降噪的吸油烟机故障诊断的系统
CN112360702B (zh) 一种振动数据的集中监测方法及装置
CN109977726A (zh) 信号包络线提取方法、装置、风电机组的状态监测方法
CN111400959A (zh) 风力发电机组的叶片故障诊断方法及装置
Zhou et al. A knowledge base system for rotary equipment fault detection and diagnosis

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