故障检测方法、装置、计算机设备和存储介质与流程

本申请涉及设备检测，具体涉及一种故障检测方法、装置、计算机设备和存储介质。

背景技术：

1、随着社会经济和科技水平的进步，在工业、制造业中用于生产的机械设备也不断向大型化、精密化和自动化的方向发展，为保障这些机械的安全正常运作，避免因劣化、磨损等故障造成严重的经济财产损失，机械设备的故障诊断方法正在日益被人们所重视。由于机械设备的振动信号蕴含了设备工作过程的大量信息，机械设备故障诊断方法因此大多基于设备的振动信号进行。

2、目前常用的机械设备故障诊断方法主要依靠监督式的分类和回归模型，即在对某一设备进行故障诊断前需要收集涵盖其不同运行条件的训练数据。然而在实际问题中，设备运行状态千变万化，很难保证其训练数据集的完整性，实际问题的紧迫性也不允许长时间收集训练数据用于诊断模型的训练。尤其是对于高频采样的振动数据，模型的训练和预测成本较高，难以较好地完成对机械设备的故障诊断。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种故障检测方法、装置、计算机设备和存储介质，用以解决现有的故障检测方法存在的故障诊断效果不够理想的问题。

2、第一方面，本申请提供一种故障检测方法，包括：

3、获取待检测的目标设备的初始振动信号，并基于所述初始振动信号确定各历史时段的振动特征值；

4、基于所述振动特征值的时序变化特征从所述历史时段中筛选出异常时段；

5、从所述初始振动信号中提取所述异常时段对应的异常振动信号；

6、基于所述异常振动信号的解调结果确定所述目标设备的故障检测结果。

7、作为本申请的一种可行实施例，所述基于所述异常振动信号的解调结果确定所述目标设备的故障检测结果，包括：

8、计算所述异常振动信号的阶次包络解调谱；

9、对所述阶次包络解调谱的坐标投影结果进行聚类，得到若干阶次谱簇；

10、基于各所述阶次谱簇的特征信息对所述阶次包络解调谱进行过滤处理，得到目标包络解调谱；

11、基于目标包络解调谱的阶次特征确定所述目标设备的故障检测结果。

12、作为本申请的一种可行实施例，所述对所述阶次包络解调谱的坐标投影结果进行聚类，得到若干阶次谱簇，包括：

13、对所述阶次包络解调谱的横坐标投影结果进行聚类，得到第一聚类谱簇；

14、对所述阶次包络解调谱的纵坐标投影结果进行聚类，得到第二聚类谱簇；

15、将所述第一聚类谱簇和所述第二聚类谱簇确定为所述阶次谱簇；

16、所述基于各所述阶次谱簇的特征信息对所述阶次包络解调谱进行过滤，得到目标包络解调谱，包括：

17、基于所述阶次谱簇中的第一聚类谱簇的特征信息，和/或第二聚类谱簇的特征信息对所述阶次包络解调谱进行过滤，得到目标包络解调谱。

18、作为本申请的一种可行实施例，所述基于所述阶次谱簇中的第一聚类谱簇的特征信息，和/或第二聚类谱簇的特征信息对所述阶次包络解调谱进行过滤，得到过滤后的包络解调谱，包括；

19、基于所述阶次谱簇中的第一聚类谱簇的起止位置对所述阶次包络解调谱进行带通滤波处理，得到带通包络解调谱；

20、基于所述阶次谱簇中的第二聚类谱簇的谱强度对所述带通包络解调谱进行筛选，得到目标包络解调谱。

21、作为本申请的一种可行实施例，所述计算所述异常振动信号的阶次包络解调谱，包括：

22、基于所述目标设备的转速信息对所述异常振动信号进行等相位重采样处理，得到重采样振动信号；

23、对所述重采样振动信号的包络线进行傅里叶变换处理，得到所述异常振动信号的阶次包络解调谱。

24、作为本申请的一种可行实施例，所述振动特征值包括有效值、峰值、峰峰值、峭度、峰值因子、脉冲因子、强度、峭度谱均值、峭度谱峭度中的至少两种；

25、所述基于所述振动特征值的时序变化特征从所述历史时段中筛选出异常时段，包括：

26、基于各历史时段对应的振动特征值计算各所述振动特征值对应的信息熵；

27、基于各所述振动特征值对应的信息熵从所述振动特征值中确定出目标振动特征值；

28、基于各所述历史时段对应的目标振动特征值的时序变化特征从所述历史时段中筛选出异常时段。

29、作为本申请的一种可行实施例，所述基于各所述历史时段对应的目标振动特征值的时序变化特征从所述历史时段中筛选出异常时段，包括：

30、基于各所述历史时段对应的目标振动特征值的时序变化特征计算各历史时段对应的预测振动特征值；所述时序变化特征是基于所述目标振动特征值的时序先验分布提取得到；

31、基于所述目标振动特征值和所述预测振动特征值的比较结果从所述历史时段中筛选出异常时段。

32、第二方面，本申请提供一种故障检测装置，包括：

33、获取模块，用于获取待检测的目标设备的初始振动信号，并基于所述初始振动信号确定各历史时段的振动特征值；

34、筛选模块，用于基于所述振动特征值的时序变化特征从所述历史时段中筛选出异常时段；

35、提取模块，用于从所述初始振动信号中提取所述异常时段对应的异常振动信号；

36、检测模块，用于基于所述异常振动信号的解调结果确定所述目标设备的故障检测结果。

37、第三方面，本申请还提供一种计算机设备，所述计算机设备包括：

38、一个或多个处理器；

39、存储器；以及

40、一个或多个应用程序，其中所述一个或多个应用程序被存储于所述存储器中，并配置为由所述处理器执行上述任一项提供的故障检测方法。

41、第四方面，本申请还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行上述任一项所述的故障检测方法。

42、本申请实施例提供的故障检测方法，基于机械设备的振动信号计算各历史时段的振动特征值，然后利用振动特征值的时序变化特征筛选出可能存在故障的异常时段，从而从初始振动信号中提取数量更少的异常振动信号用于后续的故障检测，提高了对机械故障的检测效率以及效果，有效解决了现有技术中针对数据量较多的原始振动信号进行故障检测时，数据量太多导致机械设备故障诊断效果差，效率低的问题。

技术特征：

1.一种故障检测方法，其特征在于，包括：

2.根据权利要求1所述的故障检测方法，其特征在于，所述基于所述异常振动信号的解调结果确定所述目标设备的故障检测结果，包括：

3.根据权利要求2所述的故障检测方法，其特征在于，所述对所述阶次包络解调谱的坐标投影结果进行聚类，得到若干阶次谱簇，包括：

4.根据权利要求3所述的故障检测方法，其特征在于，所述基于所述阶次谱簇中的第一聚类谱簇的特征信息，和/或第二聚类谱簇的特征信息对所述阶次包络解调谱进行过滤，得到过滤后的包络解调谱，包括；

5.根据权利要求2所述的故障检测方法，其特征在于，所述计算所述异常振动信号的阶次包络解调谱，包括：

6.根据权利要求1～5任一项所述的故障检测方法，其特征在于，所述振动特征值包括有效值、峰值、峰峰值、峭度、峰值因子、脉冲因子、强度、峭度谱均值、峭度谱峭度中的至少两种；

7.根据权利要求6所述的故障检测方法，其特征在于，所述基于各所述历史时段对应的目标振动特征值的时序变化特征从所述历史时段中筛选出异常时段，包括：

8.一种故障检测装置，其特征在于，包括：

9.一种计算机设备，其特征在于，所述计算机设备包括：

10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行权利要求1至7任一项所述的故障检测方法。

技术总结
本申请提供一种故障检测方法、装置、计算机设备和存储介质，方法包括：获取待检测的目标设备的初始振动信号，并基于初始振动信号确定各历史时段的振动特征值；基于振动特征值的时序变化特征从历史时段中筛选出异常时段；从初始振动信号中提取异常时段对应的异常振动信号；基于异常振动信号的解调结果确定目标设备的故障检测结果。本申请实施例通过从初始振动信号中提取数量更少的异常振动信号用于后续的故障检测，提高了对机械故障的检测效率以及效果，有效解决了现有技术中针对数据量较多的原始振动信号进行故障检测时，数据量太多导致机械设备故障诊断效果差，效率低的问题。

技术研发人员：徐驰,李惠军,汪凌峰
受保护的技术使用者：利维智能（深圳）有限公司
技术研发日：
技术公布日：2024/1/14