本发明属于属于机械振动的测量,具体地说,涉及一种旋转类设备运行状态监控方法及系统。
背景技术:
1、旋转类设备的运行状态监控是设备全生命周期管理中的重要环节,它能够为设备的运行时长、设备寿命、无故障间隔时间等关键指标的计算提供数据支撑,从而有效地加强企业对设备的精细化管理,减少设备非计划停机、非计划停产带来的风险损失。旋转类设备的轴承使用寿命和振动故障分析受设备运行时长等多种因素的影响,ios10816定义了设备在不同运行状态下设备健康的振动速率准则,设备的寿命、无故障运行时间等关键指标的计算都需要有设备运行状态数据的支撑。现有设备的运行状态通常由人工进行分析记录,这种方式缺乏准确性,且耗时耗力。
2、目前还有一些分析方式通过采用算法分析设备的运行状态,但是算法一般需要获取设备的电流、电压、转速等数据信息,从而增加了设备运行状态测定的实施部署的难度,尤其是对于已经安装运行的哑设备,几乎无法在设备安装运行后再次安装电流、电压和转速的数据采集设备。此外,市面上大多数训练模型的方法都属于一类设备统一模型,模型体积大、训练数据量多等条件。
3、本背景技术所公开的上述信息仅仅用于增加对本申请背景技术的理解,因此,其可能包括不构成本领域普通技术人员已知的现有技术。
技术实现思路
1、本发明针对现有技术中旋转类设备故障通常由人工进行分析记录,缺乏准确性,且耗时耗力的技术问题,提出了一种旋转类设备运行状态监控方法及系统,可以解决上述问题。
2、为实现上述发明目的,本发明采用下述技术方案予以实现:
3、一种旋转类设备运行状态监控方法,包括:
4、故障模型训练步骤,包括:
5、获取设备的振动信号和设备的转速;
6、对振动信号进行傅里叶变换处理,得到频域信号;
7、根据转速计算n倍频,其中n为正整数;
8、从所述频域信号中获取各倍频的幅值,并作为特征频率;
9、根据所述特征频率构建n×n的权重矩阵,所述权重矩阵的元素,其中,表示倍频的幅值,表示倍频的幅值;
10、分别提取所述权重矩阵中各行的最大值作为提取值,共得到n个提取值;
11、根据所述n个提取值判断故障类型,并将所述故障类型为所振动信号进行打标签;
12、将所述n个提取值作为输入值输入模型函数,且所述标签作为输出值,训练故障模型;
13、设备运行状态监控步骤,包括:
14、实时采集设备的振动信号和设备的转速,并输入至所述故障模型,所述故障模型输出故障标签。
15、在有的实施例中,故障模型训练步骤中,根据转速计算n倍频的方法为:
16、n倍频=n×转速/60。
17、在有的实施例中,所述故障模型包括:运行正常、停机以及运行异常,分别用不同的标签表示。
18、在有的实施例中,n个提取值分别为,运行异常至少包括不平衡故障和不对中故障,所述不平衡故障的判断方法为:
19、如果,则判断为不平衡故障,否则,不判断为不平衡故障。
20、在有的实施例中,所述不对中故障的判断方法为:
21、如果以及,或者,
22、,则判断为不对中故障,否则,不判断为不对中故障。
23、在有的实施例中,设备运行状态监控步骤中,所述故障模型输出一个或者多个故障标签。
24、在有的实施例中,旋转类设备运行状态监控方法,其特征在于,所述模型函数为:
25、。
26、在有的实施例中,所述故障模型训练步骤中,使用随机森林算法进行模型训练。
27、在有的实施例中,故障模型训练步骤中,所述振动信号至少包括设备在时域上的振动位移、振动速度以及振动加速度。
28、本发明同时提出了一种旋转类设备运行状态监控系统,包括:
29、故障模型训练模块,其用于训练故障模型;
30、设备参数采集模块,其用于采集设备的振动信号和设备的转速,并上传至智能网关;
31、设备运行状态监控模块,其根据所述智能网关接收的数据,输出故障标签;
32、所述旋转类设备运行状态监控系统按照前面任一条所记载的监控方法进行故障模型训练和设备运行状态监控。
33、与现有技术相比,本发明的优点和积极效果是:
34、本发明的旋转类设备运行状态监控方法,输入参数仅需采集设备的振动信号和设备的转速,对旋转类设备的改造成本小,仅需在设备壳体安装振动传感器即可实现采集数据。
35、通过对振动信号变换到频域,以及利用转速计算出设备振动的n倍频,并获取n倍频的能量幅值,构建权重矩阵,权重矩阵的元素采用相除进行确定,是为了求最大值为了提出各频谱在整个数列中的权重,通过最大最小权重获取各个值的参数变量,通过线性变换的方式将原始特征投影到新的特征空间,将特征进行放大,使得更明显,进而能够从较小值的数据中精准地分析出故障数据,本方案故障检出精度更高。
36、本方法的模型通过针对单一设备的不同工况和不同负载进行训练,从而对该设备的运行状况有一个比较完整的概括,模型体积小、训练数据量少等特点,后续更改工况时也可以很容易实现根据新的工况重新生成新的模型。
37、结合附图阅读本发明的具体实施方式后,本发明的其他特点和优点将变得更加清楚。
1.一种旋转类设备运行状态监控方法,其特征在于,包括:
2.根据权利要求1所述的旋转类设备运行状态监控方法,其特征在于,故障模型训练步骤中,根据转速计算n倍频的方法为:
3.根据权利要求1所述的旋转类设备运行状态监控方法,其特征在于,所述故障模型包括:运行正常、停机以及运行异常,分别用不同的标签表示。
4.根据权利要求3所述的旋转类设备运行状态监控方法,其特征在于,n个提取值分别为,运行异常至少包括不平衡故障和不对中故障,所述不平衡故障的判断方法为:
5.根据权利要求4所述的旋转类设备运行状态监控方法,其特征在于,所述不对中故障的判断方法为:
6.根据权利要求4所述的旋转类设备运行状态监控方法,其特征在于,设备运行状态监控步骤中,所述故障模型输出一个或者多个故障标签。
7.根据权利要求1-6任一项所述的旋转类设备运行状态监控方法,其特征在于,
8.根据权利要求1-6任一项所述的旋转类设备运行状态监控方法,其特征在于,所述故障模型训练步骤中,使用随机森林算法进行模型训练。
9.根据权利要求1-6任一项所述的旋转类设备运行状态监控方法,其特征在于,故障模型训练步骤中,所述振动信号至少包括设备在时域上的振动位移、振动速度以及振动加速度。
10.一种旋转类设备运行状态监控系统,其特征在于,包括: