CN115839846B - 一种基于无线传感器的设备故障预警诊断方法 - Google Patents

Abstract

本发明涉及设备故障预警诊断技术领域，特别涉及一种基于无线传感器的设备故障预警诊断方法，整个系统包括预警模块、异常检测模块、典型故障诊断模块和案例故障比对模块，典型故障诊断模块包括故障识别模块和故障表示模块。本发明建立合理的振动故障预警及诊断方法，在保障故障预警和诊断所需的振动特征值和波形数据的基础上,尽可能的延长无线传感器电池续航能力，基于无线温振传感器采集的特征数据和波形数据，检测设备可能存在的振动异常，并对可能存在的典型机械故障如不平衡、不对中、轴承故障、松动等进行诊断。

Description

一种基于无线传感器的设备故障预警诊断方法

技术领域

本发明涉及设备故障预警诊断技术领域，特别涉及一种基于无线传感器的设备故障预警诊断方法。

背景技术

随着物联网技术的发展，无线温度振动传感器在机械故障诊断中应用越来越普及，但应用无线温度振动传感器进行故障诊断，存在传输原始波形耗时长、电池电量消耗大，并且采集的温振数据易受到工况等参数变化的影响，给数据的精确采集和故障诊断带来困难。

为此，本申请设计了一种基于无线传感器的设备故障预警诊断系统及方法，建立合理的振动故障预警及诊断方法，在保障故障预警和诊断所需的振动特征值和波形数据的基础上,尽可能的延长无线传感器电池续航能力；基于无线温振传感器采集的特征数据和波形数据，检测设备可能存在的振动异常，并对可能存在的典型机械故障如不平衡、不对中、轴承故障、松动等进行诊断。

发明内容

本发明为了弥补现有技术中的不足，提供了一种基于无线传感器的设备故障预警诊断方法。

本发明是通过如下技术方案实现的：

一种基于无线传感器的设备故障预警诊断系统，包括预警模块、异常检测模块、典型故障诊断模块和案例故障比对模块，所述典型故障诊断模块包括故障识别模块和故障表示模块。

一种基于无线传感器的设备故障预警诊断方法，基于上述的无线传感器的设备故障预警诊断系统，包括以下步骤：

S1，预警模块通过无线温度振动传感器定时采集三轴振动的基础振动和温度特征值数据，包括振动x轴加速度峰值、振动y轴加速度峰值、振动z轴加速度峰值、振动x轴速度有效值、振动y轴速度有效值、振动z轴速度有效值、振动x轴位移峰峰值、振动y轴位移峰峰值、振动z轴位移峰峰值、温度共计10维特征数据；若采集三轴振动基础振动和温度数据的同时，同步有转速数据的采集，则增加一列特征维度转速；

S2，如在预警模块中，超出了检测阈值区间，证明传感器采集的三轴加速度峰值、速度有效值、位移峰峰值和温度值偏离了设备正常运行区间，是设备出现了异常的机械故障现象或是传感器采集信号异常或受到干扰所致，为甄别设备是否真实出现了机械故障，当预警模块产生预警信息时,触发传感器进行时频域特征值的采集，进行设备异常检测模块的计算，判定设备运转是否存在振动异常；为判定产生异常振动的原因，触发传感器进行原始振动波形数据的采集；

S3，若在异常检测模块中触发了原始振动波形数据的采集，则进行典型故障诊断模块的计算；

S4，通过案例对比模块分析是否属于案例库中的相应的故障类型。

进一步地，为了更好的实现本发明，所述S1中预警模块具体工作流程为，

S11，构造n维观测向量X_obs=[x1,x2,x3,...,x10,x11];其中x1~x10为三轴振动特征和温度值数据，x11为对应的转速数据；

S12，通过采集一段时间的振动温度数据m条，组成过程记忆矩阵D_n*m，表示设备正常运行时，振动、温度的特征数据记录；

S13，记m条历史数据中某一条观测记录X_obs的预测向量为X_est，其中X_est=D*W，W为权值向量 ，并根据非线性状态估计建模理论，求解

,其中/>

为两向量间的欧式距离运算；

S14，求解预测结果

；

S15，定义观测向量与预测向量的残差为：

，并对残差进行分析，利用概率统计的3sigma原则，求得/>

的上界和下界，即

；

S16，利用检测阈值区间

对实时采集的振动温度特征值数据进行预测；当超出检测阈值区间时，产生提示预警信息。

进一步地，为了更好的实现本发明，所述S2中时频域特征值的采集为采集加速度时频域特征值，其中时域特征值包括：均值、有效值、最大值、最小值、峰峰值、峭度值、波形指标、峰值指标、脉冲指标、裕度指标、峭度指标、倾斜度、方根幅值、平均幅值，频域特征值指标包括：转频1X幅值、转频2X幅值、转频3X幅值、转频4X幅值、频段[0~100Hz]有效值、频段[100~500Hz]有效值、频段[500~1000Hz]有效值；

记时频域特征值为序列Y={Y1,Y2,...Yi,...,Yn},i=1~n, 其中Yi 为上述某个时域特征值或频域特征值指标；

预先采集设备正常运行阶段的振动时频域特征数据m条，记为

，并从中选择得到设备正常运转过程中的k个参照/>

，,i=1,2,...,k；

根据触发采集的某个时频域特征值序列

，进行设备异常检测模块的计算，首先定义距离相似度、主频相似度、线性相似度的概念；

距离相似度:

，其中/>

为设备正常运转过程中的某个参照，/>

为一常系数，/>

；

主频相似度:取时频域指标中的频域特征值指标序列记为Z，并定义频域检测阈值cl；

，/>

；其中/>

为一常系数，/>

；

线性相似度：

，其中Cov为计算两个序列的协方差，std为计算序列的标准差，/>

；

基于上述三种相似度量计算最终的加权相似度为:

，其中/>

；

对设备正常运转过程中的k个参照分别上述加权相似度，并求得最大的加权相似度为

；

定义异常检测的判断阈值c2，如果

，则判定设备运转存在振动异常,为判定产生异常振动的原因，触发传感器进行原始振动波形数据的采集。

进一步地，为了更好的实现本发明，所述S3中的典型故障诊断模块的具体计算方法为，

S31，根据设备运行工况的特点，对于变转速运行设备：取额定转速的80%以上的振动数据进行后续运算；对于定速设备,取额定转速振动数据进行后续运算；

S32，获取待监测设备的机械传动结构，进行设备结构库模块的关联；若监测设备为电机，获取电机轴承型号信息，并通过设备结构库中，获取得到轴承的内圈BPFI、外圈BPFO、滚动体BSF、保持架FTF参数；若监测设备为齿箱，从设备结构库中获取齿轮的啮合参数，如齿轮速比，啮合齿轮齿数；并将结构库中的轴承或齿轮部件关联到设备的振动测点上；

S33，故障识别模块工作，采集的波形数据，将信号由时域波形表示变换为频域表示：如有限长序列的DFT运算为：

，X(k)为变化后信号的频域表示，表示振动信号中幅值与频率的对应关系，为提高运算速度，利用快速傅里叶变换算法(fft)进行求解；

通过采集获取的转速信息结合S32中关联的轴承、齿轮参数信息，自动计算对应的轴承故障特征频率，为f_BPFI,f_BPFO,f_BSF,f_FTF.对于齿轮计算对应的啮合频率f_mi；

根据转速信息，提取设备1~4倍转频f1,f2,f3,f4处对应的fft频率幅值a1,a2,a3,a4；

同时依据转速计算各部件处的轴承、齿轮故障特征频率，并分别计算对应频率上的幅值记为amp_bpfi,amp_bpfo,amp_bsf,amp_ftf,amp_fmi；

为防止误识别或识别频率不精确，求取各故障频率对应的幅值时，在一定的频率窗口内进行寻找谱峰，以f_BPPI为例说明，对应检测窗口为(f_BPFI -3deltF ~f_BPFI + 3deltF),则amp_bpfi=max{X[f_BPFI -3deltF ~f_BPFI + 3deltF]}，deltF为采集波形对应的频率分辨率=采样频率/采样点数；

为了防止异常单一频率成分对故障频率识别造成的干扰，同时检测f_BPFI*2，f_BPFI*3， f_BPFI*4各自对应的+-3deltF窗口区域内的谱峰值amp_bpfi_2,amp_bpfi_3,amp_bpfi_4；

定义故障幅值检测阈值threshold，取threshold=0.5；

If amp_bpfi>threshold and amp_bpfi_2>threshold/2 and amp_bpfi_3>threshold/2 and amp_bpfi_4>threshold/2，则判定,诊断信号的频谱中存在故障为轴承内圈的特征成分；

S34，故障表示模块工作，构建故障频率特征、特征幅值-关系强度-故障描述的三元组表示。

进一步地，为了更好的实现本发明，所述S4中的案例对比模块的具体分析方法为：

S41，案例库的比对，需要事先存储对应设备型号下的故障波形数据若干，包含设备运行转速、监测设备的结构、型号、数据的采样设置，从故障案例中寻找同待监测设备相同型号、转速波动范围内的案例数据，并依据异常检测模块中的描述，对存储的故障波形提取时频域特征值序列

；

S42，对触发传感器进行原始振动波形数据的采集，同样依据异常检测模块中的描述，计算提取时频域特征值

；依据异常检测模块中相似度的计算步骤计算得corr>0.8，则判定触发采集的波形与案例库中的波形较为相似，属于对应案例库中的故障类型，否则不属于该案例库中的故障。

本发明的有益效果是：

本发明通过建立振动基础数据、时频域特征值数据和波形数据分级采集策略，并利用对应的数据判断设备的预警及故障诊断。

1：避免了大量无效特征数据和波形数据的采集，大幅延长了无线传感器电池续航能力。

2：利用相似性理论的方法，通过历史数据的记忆与比对，无需案例数据和机理经验的支持，可快速检测设备预警。

3：对于典型故障的故障诊断，无需人工参与，诊断设备是否存在典型故障，并预判故障的严重程度。

附图说明

图1为本发明的故障表示模块识别结果进行关联显示的示意图；

图2为本发明的案例比对模块的工作示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的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。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

在本发明的描述中，需要说明的是，术语“中”、“上”、“下”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

此外，术语“水平”、“竖直”等术语并不表示要求部件绝对水平或悬垂，而是可以稍微倾斜。如“水平”仅仅是指其方向相对“竖直”而言更加水平，并不是表示该结构一定要完全水平，而是可以稍微倾斜。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“设置”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接。可以是机械连接，也可以是电性连接。可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

下面结合附图，对本发明的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。

图1-图2为本发明的一种实施例，该实施例为一种基于无线传感器的设备故障预警诊断方法，包括以下步骤：

S1，预警模块通过无线温度振动传感器定时采集三轴振动的基础振动和温度特征值数据，包括振动x轴加速度峰值、振动y轴加速度峰值、振动z轴加速度峰值、振动x轴速度有效值、振动y轴速度有效值、振动z轴速度有效值、振动x轴位移峰峰值、振动y轴位移峰峰值、振动z轴位移峰峰值、温度共计10维特征数据；若采集三轴振动基础振动和温度数据的同时，同步有转速数据的采集，则增加一列特征维度转速；

S2，如在预警模块中，超出了检测阈值区间，证明传感器采集的三轴加速度峰值、速度有效值、位移峰峰值和温度值偏离了设备正常运行区间，是设备出现了异常的机械故障现象或是传感器采集信号异常或受到干扰所致，为甄别设备是否真实出现了机械故障，当预警模块产生预警信息时,触发传感器进行时频域特征值的采集，进行设备异常检测模块的计算，判定设备运转是否存在振动异常；为判定产生异常振动的原因，触发传感器进行原始振动波形数据的采集；

S3，若在异常检测模块中触发了原始振动波形数据的采集，则进行典型故障诊断模块的计算；

S4，通过案例对比模块分析是否属于案例库中的相应的故障类型。

S1中预警模块具体工作流程为，

S11，构造n维观测向量X_obs=[x1,x2,x3,...,x10,x11];其中x1~x10为三轴振动特征和温度值数据，x11为对应的转速数据；

S12，通过采集一段时间的振动温度数据m条，组成过程记忆矩阵D_n*m，表示设备正常运行时，振动、温度的特征数据记录；

S13，记m条历史数据中某一条观测记录X_obs的预测向量为X_est，其中X_est=D*W，W为权值向量 ，并根据非线性状态估计建模理论，求解

,其中/>

为两向量间的欧式距离运算；

S14，求解预测结果

；

S15，定义观测向量与预测向量的残差为：

，并对残差进行分析，利用概率统计的3sigma原则，求得/>

的上界和下界，即

；

S16，利用检测阈值区间

对实时采集的振动温度特征值数据进行预测；当超出检测阈值区间时，产生提示预警信息。

S2中时频域特征值的采集为采集加速度时频域特征值，其中时域特征值包括：均值、有效值、最大值、最小值、峰峰值、峭度值、波形指标、峰值指标、脉冲指标、裕度指标、峭度指标、倾斜度、方根幅值、平均幅值，频域特征值指标包括：转频1X幅值、转频2X幅值、转频3X幅值、转频4X幅值、频段[0~100Hz]有效值、频段[100~500Hz]有效值、频段[500~1000Hz]有效值；

记时频域特征值为序列Y={Y1,Y2,...Yi,...,Yn},i=1~n, 其中Yi 为上述某个时域特征值或频域特征值指标；

预先采集设备正常运行阶段的振动时频域特征数据m条，记为

，并从中选择得到设备正常运转过程中的k个参照/>

，,i=1,2,...,k；

根据触发采集的某个时频域特征值序列

，进行设备异常检测模块的计算，首先定义距离相似度、主频相似度、线性相似度的概念；

距离相似度:

，其中/>

为设备正常运转过程中的某个参照，/>

为一常系数，/>

；

主频相似度:取时频域指标中的频域特征值指标序列记为Z，并定义频域检测阈值cl；

，/>

；其中/>

为一常系数，/>

；

线性相似度：

，其中Cov为计算两个序列的协方差，std为计算序列的标准差，/>

；

基于上述三种相似度量计算最终的加权相似度为:

，其中/>

；

对设备正常运转过程中的k个参照分别上述加权相似度，并求得最大的加权相似度为

；

定义异常检测的判断阈值c2，如果

，则判定设备运转存在振动异常,为判定产生异常振动的原因，触发传感器进行原始振动波形数据的采集。

S3中的典型故障诊断模块的具体计算方法为，

S31，根据设备运行工况的特点，对于变转速运行设备：取额定转速的80%以上的振动数据进行后续运算；对于定速设备,取额定转速振动数据进行后续运算；

S32，获取待监测设备的机械传动结构，进行设备结构库模块的关联；若监测设备为电机，获取电机轴承型号信息，并通过设备结构库中，获取得到轴承的内圈BPFI、外圈BPFO、滚动体BSF、保持架FTF参数；若监测设备为齿箱，从设备结构库中获取齿轮的啮合参数，如齿轮速比，啮合齿轮齿数；并将结构库中的轴承或齿轮部件关联到设备的振动测点上；

S33，故障识别模块工作，采集的波形数据，将信号由时域波形表示变换为频域表示：如有限长序列的DFT运算为：

，X(k)为变化后信号的频域表示，表示振动信号中幅值与频率的对应关系，为提高运算速度，利用快速傅里叶变换算法(fft)进行求解；

通过采集获取的转速信息结合S32中关联的轴承、齿轮参数信息，自动计算对应的轴承故障特征频率，为f_BPFI,f_BPFO,f_BSF,f_FTF.对于齿轮计算对应的啮合频率f_mi；

根据转速信息，提取设备1~4倍转频f1,f2,f3,f4处对应的fft频率幅值a1,a2,a3,a4；

同时依据转速计算各部件处的轴承、齿轮故障特征频率，并分别计算对应频率上的幅值记为amp_bpfi,amp_bpfo,amp_bsf,amp_ftf,amp_fmi；

为防止误识别或识别频率不精确，求取各故障频率对应的幅值时，在一定的频率窗口内进行寻找谱峰，以f_BPPI为例说明，对应检测窗口为(f_BPFI -3deltF ~f_BPFI + 3deltF),则amp_bpfi=max{X[f_BPFI -3deltF ~f_BPFI + 3deltF]}，deltF为采集波形对应的频率分辨率=采样频率/采样点数；

为了防止异常单一频率成分对故障频率识别造成的干扰，同时检测f_BPFI*2，f_BPFI*3， f_BPFI*4各自对应的+-3deltF窗口区域内的谱峰值amp_bpfi_2,amp_bpfi_3,amp_bpfi_4；

定义故障幅值检测阈值threshold，取threshold=0.5；

If amp_bpfi>threshold and amp_bpfi_2>threshold/2 and amp_bpfi_3>threshold/2 and amp_bpfi_4>threshold/2，则判定,诊断信号的频谱中存在故障为轴承内圈的特征成分；

S34，故障表示模块工作，构建故障频率特征、特征幅值-关系强度-故障描述的三元组表示。

S4中的案例对比模块的具体分析方法为：

S41，案例库的比对，需要事先存储对应设备型号下的故障波形数据若干，包含设备运行转速、监测设备的结构、型号、数据的采样设置，从故障案例中寻找同待监测设备相同型号、转速波动范围内的案例数据，并依据异常检测模块中的描述，对存储的故障波形提取时频域特征值序列

；

S42，对触发传感器进行原始振动波形数据的采集，同样依据异常检测模块中的描述，计算提取时频域特征值

；依据异常检测模块中相似度的计算步骤计算得corr>0.8，则判定触发采集的波形与案例库中的波形较为相似，属于对应案例库中的故障类型，否则不属于该案例库中的故障。

在故障表示模块中，如图1所示，故障可定义如<（f_BPFI，amp_bpfi）,R,轴承内圈损伤>,其中R为故障特征幅值amp_bpfi与轴承内圈损伤的关系强度，计算为R=amp_bpfi/(同工况下设备正常状态下的幅值)。

类似的，如对于电机轴不平衡故障，频谱中常表现为1倍的发电机转频。构建特征（故障频率特征,特征幅值)-关系强度-故障描述的三元组表示,如<(f₁,5),R1,发电机轴不平衡>,其中R1表示故障特征表现与发电机不平衡之间的关系强度，R1=同工况情况下，不平衡故障情况下故障幅值/机组正常状态下的基频幅值；

同样，对于发电机不对中故障，频谱有时也表现出转频1X、2X的转频成分，记为f₁，f₂，如构建特征<（f₁，f₂，5,10），R2,发电机轴不对中>,其中R2为同工况下不对中故障对应下的故障幅值/正常状态下的幅值加权平均，

，其中/>

为机组正常状态下的1~2转频幅值，/>

参数为不对中故障对应的转频幅值，一般的/>

。

同样，对于结构松动故障，频域一般表现出转频1~n倍成分，定义前4倍的的转频f1,f2,f3,f4对应的幅值为a1,a2,a3,a4，求转频倍频平均值a=(a1+a2+a3+a4)/4;构建特征<（f₁，f₂，f₃，f₄，a），R3,结构松动>,

，一般的a1为机组正常状态下1~4倍转频幅值的平均值。

同理对于齿轮损类故障也可定义如，<（f_mi，amp_fmi）,R,齿轮损伤>。

对各种故障类型对应的关系强度进行判断，如R<2.5判断设备运行正常；如R>=2.5判断设备存在对应故障类型，故障等级为预警；若R>10判断设备存在对应等级的故障，故障等级为报警。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，本领域普通技术人员对本发明的技术方案所做的其他修改或者等同替换，只要不脱离本发明技术方案的精神和范围，均应涵盖在本发明的权利要求范围当中。

Claims (2)

1.一种基于无线传感器的设备故障预警诊断方法，其特征在于，采用基于无线传感器的设备故障预警诊断系统，系统包括预警模块、异常检测模块、典型故障诊断模块和案例故障比对模块，典型故障诊断模块包括故障识别模块和故障表示模块；包括以下步骤：

S1，预警模块通过无线温度振动传感器定时采集三轴振动的基础振动和温度特征值数据，包括振动x轴加速度峰值、振动y轴加速度峰值、振动z轴加速度峰值、振动x轴速度有效值、振动y轴速度有效值、振动z轴速度有效值、振动x轴位移峰峰值、振动y轴位移峰峰值、振动z轴位移峰峰值、温度共计10维特征数据；若采集三轴振动基础振动和温度数据的同时，同步有转速数据的采集，则增加一列特征维度转速；

S2，如在预警模块中，超出了检测阈值区间，证明传感器采集的三轴加速度峰值、速度有效值、位移峰峰值和温度值偏离了设备正常运行区间，是设备出现了异常的机械故障现象或是传感器采集信号异常或受到干扰所致，为甄别设备是否真实出现了机械故障，当预警模块产生预警信息时,触发传感器进行时频域特征值的采集，进行设备异常检测模块的计算，判定设备运转是否存在振动异常；为判定产生异常振动的原因，触发传感器进行原始振动波形数据的采集；

S3，若在异常检测模块中触发了原始振动波形数据的采集，则进行典型故障诊断模块的计算；

S4，通过案例故障比对模块分析是否属于案例库中的相应的故障类型；

所述S1中预警模块具体工作流程为，

S11，构造n维观测向量X_obs=[x1,x2,x3,...,x10,x11];其中x1~x10为三轴振动特征和温度值数据，x11为对应的转速数据；

S12，通过采集一段时间的振动温度数据m条，组成过程记忆矩阵D_n*m，表示设备正常运行时，振动、温度的特征数据记录；

S13，记m条历史数据中某一条观测记录X_obs的预测向量为X_est，其中X_est=D*W，W为权值向量 ，并根据非线性状态估计建模理论，求解

,其中/>

为两向量间的欧式距离运算；

S14，求解预测结果

；

S15，定义观测向量与预测向量的残差为：

，并对残差进行分析，利用概率统计的3sigma原则，求得/>

的上界和下界，即

；

S16，利用检测阈值区间

对实时采集的振动温度特征值数据进行预测；当超出检测阈值区间时，产生提示预警信息；

所述S2中时频域特征值的采集为采集加速度时频域特征值，其中时域特征值包括：均值、有效值、最大值、最小值、峰峰值、峭度值、波形指标、峰值指标、脉冲指标、裕度指标、峭度指标、倾斜度、方根幅值、平均幅值，频域特征值指标包括：转频1X幅值、转频2X幅值、转频3X幅值、转频4X幅值、频段[0~100Hz]有效值、频段[100~500Hz]有效值、频段[500~1000Hz]有效值；

记时频域特征值为序列Y={Y1,Y2,...Yi,...,Yn},i=1~n, 其中Yi 为上述某个时域特征值或频域特征值指标；

预先采集设备正常运行阶段的振动时频域特征数据m条，记为

，并从中选择得到设备正常运转过程中的k个参照/>

，i=1,2,...,k；

根据触发采集的某个时频域特征值序列

，进行设备异常检测模块的计算，首先定义距离相似度、主频相似度、线性相似度的概念；

距离相似度:

，其中/>

为设备正常运转过程中的某个参照，/>

为一常系数，/>

；

主频相似度:取时频域指标中的频域特征值指标序列记为Z，并定义频域检测阈值cl；

，/>

；其中/>

为一常系数，/>

；

线性相似度：

，其中Cov为计算两个序列的协方差，std为计算序列的标准差，/>

；

基于上述三种相似度量计算最终的加权相似度为:

，其中

；

对设备正常运转过程中的k个参照分别上述加权相似度，并求得最大的加权相似度为

；

定义异常检测的判断阈值c2，如果

，则判定设备运转存在振动异常,为判定产生异常振动的原因，触发传感器进行原始振动波形数据的采集；

所述S3中的典型故障诊断模块的具体计算方法为，

S31，根据设备运行工况的特点，对于变转速运行设备：取额定转速的80%以上的振动数据进行后续运算；对于定速设备,取额定转速振动数据进行后续运算；

S32，获取待监测设备的机械传动结构，进行设备结构库模块的关联；若监测设备为电机，获取电机轴承型号信息，并通过设备结构库中，获取得到轴承的内圈BPFI、外圈BPFO、滚动体BSF、保持架FTF参数；若监测设备为齿轮箱，从设备结构库中获取齿轮的啮合参数，如齿轮速比，啮合齿轮齿数；并将结构库中的轴承或齿轮部件关联到设备的振动测点上；

S33，故障识别模块工作，采集的波形数据，将信号由时域波形表示变换为频域表示；

通过采集获取的转速信息结合S32中关联的轴承、齿轮参数信息，自动计算对应的轴承故障特征频率，为f_BPFI,f_BPFO,f_BSF,f_FTF，对于齿轮计算对应的啮合频率f_mi；

根据转速信息，提取设备1~4倍转频f1,f2,f3,f4处对应的fft频率幅值a1,a2,a3,a4；

同时依据转速计算各部件处的轴承、齿轮故障特征频率，并分别计算对应频率上的幅值记为amp_bpfi,amp_bpfo,amp_bsf,amp_ftf,amp_fmi；

为防止误识别或识别频率不精确，求取各故障频率对应的幅值时，在一定的频率窗口内进行寻找谱峰，以f_BPFI为例说明，对应检测窗口为(f_BPFI -3deltF ~f_BPFI + 3deltF),则amp_bpfi=max{X[f_BPFI -3deltF ~f_BPFI + 3deltF]}，deltF为采集波形对应的频率分辨率=采样频率/采样点数；

为了防止异常单一频率成分对故障频率识别造成的干扰，同时检测f_BPFI*2，f_BPFI*3， f_BPFI*4各自对应的+-3deltF窗口区域内的谱峰值amp_bpfi_2,amp_bpfi_3,amp_bpfi_4；

定义故障幅值检测阈值threshold，取threshold=0.5；

If amp_bpfi>threshold and amp_bpfi_2>threshold/2 and amp_bpfi_3>threshold/2 and amp_bpfi_4>threshold/2，则判定,诊断信号的频谱中存在故障为轴承内圈的特征成分；

S34，故障表示模块工作，构建特征-关系强度-故障描述的三元组表示，所述特征包括故障频率特征和特征幅值。

2.根据权利要求1所述的基于无线传感器的设备故障预警诊断方法，其特征在于：

所述S4中的案例故障比对模块的具体分析方法为：

S41，案例库的比对，需要事先存储对应设备型号下的故障波形数据若干，包含设备运行转速、监测设备的结构、型号、数据的采样设置，从故障案例中寻找同待监测设备相同型号、转速波动范围内的案例数据，并依据异常检测模块中的描述，对存储的故障波形提取时频域特征值序列

；

S42，对触发传感器进行原始振动波形数据的采集，同样依据异常检测模块中的描述，计算提取时频域特征值

；依据异常检测模块中相似度的计算步骤计算得corr>0.8，则判定触发采集的波形与案例库中的波形较为相似，属于对应案例库中的故障类型，否则不属于该案例库中的故障。

Images