一种振动设备的故障诊断方法及系统技术方案

本发明专利技术公开了一种振动设备的故障诊断方法及系统，振动设备非周期振动和/或外形非对称，涉及设备故障诊断领域。本方法包括：在质心平面两侧的振动设备外壳上各布置一组振动传感器，每组振动传感器均包括多个振动传感器，每个振动传感器采集设备的动态振动信号，质心平面平行于振动设备基座所在平面；对每个振动传感器所采集的动态振动信号进行分析后，获得特征加权信号，根据所有特征加权信号生成振动设备的轮廓特征信号；基于非线性流形学习方法对轮廓特征信号进行降维处理，获得振动设备的低维特征描述；采用分类器对低维特征描述进行分类，得到故障诊断结果。本发明专利技术有效降低原始振动数据中的次要和干扰信息，获得稳定准确的故障诊断结果。

A fault diagnosis method and system for vibration equipment

The invention discloses a fault diagnosis method and system for vibration equipment, and the non periodic vibration and / or asymmetrical shape of the vibration equipment are involved in the field of equipment fault diagnosis. The method includes: each vibration sensor is arranged on the shell of the vibration equipment on both sides of the center of the center of the center of mass. Each vibration sensor includes a number of vibration sensors. Each vibration sensor collects the dynamic vibration signal of the equipment. The plane of the center of mass is parallel to the flat surface of the base seat of the vibration equipment; and the collection of each vibration sensor is collected. After the dynamic vibration signal is analyzed, the feature weighted signal is obtained, and the contour characteristic signals of the vibration equipment are generated according to all the characteristic weighted signals. Based on the nonlinear manifold learning method, the contour feature signal is reduced and the low dimensional feature description of the vibration equipment is obtained. The mining classifier is used to classify the low dimensional feature description. Class, get the fault diagnosis result. The invention effectively reduces the secondary and interference information in the original vibration data, and obtains stable and accurate fault diagnosis results.

【技术实现步骤摘要】
一种振动设备的故障诊断方法及系统
本专利技术涉及设备故障诊断领域，具体是涉及一种振动设备的故障诊断方法及系统。
技术介绍
故障诊断技术被广泛应用于机械振动设备的运行状态分析和健康管理，目前用于机械振动设备的故障诊断方法，多是针对旋转振动设备、冲击振动设备、往复振动设备等，这些设备的原始振动信息具有明显的周期性或变化特性，故障诊断也多是在频域对振动信号进行分析，如傅里叶变换、小波分析等，或是采用神经网络等方法，部分诊断方法也会结合时域信息，进行特征级融合或决策级融合。对于某些外形不对称且振动信号非周期的振动设备，现有的设备振动故障诊断方法效果并不理想。例如，船舶的机械振动设备众多且结构复杂，故障诊断困难，目前对于船用非对称非周期振动设备的故障诊断相关研究较少，多是着眼于对原始振动信息的特征选择和特征变换，难以获得准确的故障诊断结果，其主要难点在于：船舶机械振动设备的故障诊断基于设备运行的大量参数信息，通常通过放置的各类振动传感器采集大量原始振动数据，而这些原始数据不仅包含大量冗余信息和干扰信息，而且这些原始数据包括起关键作用的主要特征信息和起辅助作用的次要特征信息，大量冗余和次要信息的本文档来自技高网...

【技术保护点】
一种振动设备的故障诊断方法，所述振动设备非周期振动和/或外形非对称，其特征在于，所述方法包括：在质心平面两侧的所述振动设备外壳上各布置一组振动传感器，每组振动传感器均包括多个振动传感器，每组振动传感器环绕垂直轴布置，所述垂直轴穿过质心且垂直于所述质心平面，每个振动传感器采集设备的动态振动信号，所述质心平面平行于所述振动设备基座所在平面；对每个振动传感器所采集的动态振动信号进行分析后，获得特征加权信号，根据所有特征加权信号生成所述振动设备的轮廓特征信号；基于非线性流形学习方法对轮廓特征信号进行降维处理，获得所述振动设备的低维特征描述；采用分类器对低维特征描述进行分类，得到故障诊断结果。

【技术特征摘要】
1.一种振动设备的故障诊断方法，所述振动设备非周期振动和/或外形非对称，其特征在于，所述方法包括：在质心平面两侧的所述振动设备外壳上各布置一组振动传感器，每组振动传感器均包括多个振动传感器，每组振动传感器环绕垂直轴布置，所述垂直轴穿过质心且垂直于所述质心平面，每个振动传感器采集设备的动态振动信号，所述质心平面平行于所述振动设备基座所在平面；对每个振动传感器所采集的动态振动信号进行分析后，获得特征加权信号，根据所有特征加权信号生成所述振动设备的轮廓特征信号；基于非线性流形学习方法对轮廓特征信号进行降维处理，获得所述振动设备的低维特征描述；采用分类器对低维特征描述进行分类，得到故障诊断结果。2.如权利要求1所述的振动设备的故障诊断方法，其特征在于：所述动态振动信号包括瞬时位移、速度和加速度。3.如权利要求2所述的振动设备的故障诊断方法，其特征在于：对每个振动传感器所采集的瞬时位移、速度、加速度、以及每个振动传感器与所述振动设备质心的距离进行非线性多重加权组合，得到每个振动传感器的特征加权信号。4.如权利要求2所述的振动设备的故障诊断方法，其特征在于，第g个振动传感器的特征加权信号V(t)g为：其中，t为时间，(xc，yc，zc)为所述振动设备质心的坐标，g＝1，...，P，一组振动传感器的数量为P个，(xg，yg，zg)为第g个振动传感器的坐标，和分别为第g个振动传感器的瞬时位移、速度和加速度，α、β和γ分别为瞬时位移、速度和加速度的一次加权系数，κ1和κ2分别为速度和加速度的二次加权系数。5.如权利要求1至4任一项所述的振动设备的故障诊断方法，其特征在于，根据所有特征加权信号生成所述振动设备的轮廓特征信号包括：在一段时间内对每个振动传感器的特征加权信号采样N次，两组振动传感器在第i次采样时的所有特征加权信号分别构成第i个样本点和其中，i＝1，...，N，两组振动传感器分别包括D和M个振动传感器，在每组振动传感器中，V(i)g为第g个振动传感器在第i次采样时的特征加权信号，和构成所述轮廓特征信号。6.如权利要求5所述的振动设备的故障诊断方法，其特征在于：基于局部...

【专利技术属性】
技术研发人员：郑伟，叶瑞平，方明杰，
申请(专利权)人：中国船舶重工集团公司第七一九研究所，
类型：发明
国别省市：湖北,42