一种基于精细化故障模型的旋转机械振动故障智能诊断方法技术

本发明专利技术公开了一种基于精细化故障模型的旋转机械振动故障智能诊断方法，包括以下步骤：步骤S1，根据旋转机械的结构和工作原理不同，对旋转机械进行分类；步骤S2，对不同类型的旋转机械，根据故障机理不同，对振动故障进行分类；步骤S3，根据故障的发生部位、发生原因和处理方式不同等，对故障进行细分；步骤S4，根据故障机理、故障特征和故障案例，确定完整的精细化故障模型；步骤S5，当设备出现异常振动时，对故障模型的征兆可信度和故障可信度进行计算，对设备当前状态进行智能诊断，确定设备的故障模型。采用精细化故障模型来诊断旋转机械的振动故障，能够实现故障原因、诊断结果和具体处理方案的高度集成，保证了故障诊断过程的可理解性和故障处理的可操作性以及故障处理的及时准确。

An Intelligent Diagnosis Method for Vibration Faults of Rotating Machinery Based on Fine Fault Model

The invention discloses an intelligent diagnosis method for vibration faults of rotating machinery based on refined fault model, which includes the following steps: 1) classifying rotating machinery according to its different structure and working principle; (2) classifying vibration faults of different types of rotating machinery according to different fault mechanisms; Classify the faults; Firstly, subdivide the faults according to the location, cause and treatment of the faults; Fourthly, according to the fault mechanism, fault characteristics and fault cases, determine a complete refined fault model; Fifthly, when the equipment has abnormal vibration, the reliability of the fault model's symptoms. And the reliability of the fault is calculated, the current state of the equipment is diagnosed intelligently, and the fault model of the equipment is determined. Using refined fault model to diagnose vibration faults of rotating machinery can achieve a high degree of integration of fault causes, diagnosis results and specific treatment schemes, and ensure the comprehensibility of fault diagnosis process and the operability of fault treatment, as well as the timely and accurate treatment of faults.

【技术实现步骤摘要】
一种基于精细化故障模型的旋转机械振动故障智能诊断方法
本专利技术涉及旋转机械振动故障智能诊断
，具体涉及一种基于精细化故障模型的振动故障智能诊断方法。
技术介绍
大型旋转机械，如汽轮发电机组、水轮发电机组和烟气轮机组等，普遍安装了振动监测故障诊断系统对振动进行实时监测，出现异常时进行分析和诊断。诊断主要依靠专家进行人工诊断，有的系统具有初步的智能诊断功能，如采用模糊诊断、神经网络诊断和基于规则的诊断等。目前，已经从理论上证明基于统计学的模糊诊断和神经网络等方法是错误的，得到的诊断结果一般是各种故障都存在，只是可信度大小不一样，没有实际意义。基于故障因果关系的故障树、正向推理诊断、规则诊断和黑灰白筛选诊断等，方向是正确的，但都存在一些问题。如故障树难以准确预估故障发生的概率，正向推理难以界定故障的边界条件；规则诊断存在组合爆炸问题，黑灰白筛选诊断主要依靠专家经验，难以实现智能化等。同时，这些智能诊断方法，通常无法对诊断结论进行说明，诊断结果通常是大的故障分类，如不平衡、动静碰摩和不对中等，提出的故障处理意见一般是单一故障的所有可能解决方案，如动平衡、调整间隙和轴系对中等，没有先后本文档来自技高网...

【技术保护点】
1.一种基于精细化故障模型的旋转机械振动故障智能诊断方法，其特征在于，包括以下步骤：步骤S1，根据旋转机械的结构和工作原理不同，对旋转机械进行分类；步骤S2，对不同类型的旋转机械，根据故障机理不同，对振动故障进行分类；步骤S3，根据故障的发生部位、发生原因和处理方式不同等，对故障进行细分；步骤S4，根据故障机理、故障特征和故障案例，确定完整的精细化故障模型；步骤S5，当设备出现异常振动时，对故障模型的征兆可信度和故障可信度进行计算，对设备当前状态进行智能诊断，确定设备的故障模型。

【技术特征摘要】
1.一种基于精细化故障模型的旋转机械振动故障智能诊断方法，其特征在于，包括以下步骤：步骤S1，根据旋转机械的结构和工作原理不同，对旋转机械进行分类；步骤S2，对不同类型的旋转机械，根据故障机理不同，对振动故障进行分类；步骤S3，根据故障的发生部位、发生原因和处理方式不同等，对故障进行细分；步骤S4，根据故障机理、故障特征和故障案例，确定完整的精细化故障模型；步骤S5，当设备出现异常振动时，对故障模型的征兆可信度和故障可信度进行计算，对设备当前状态进行智能诊断，确定设备的故障模型。2.根据权利要求1所述的振动故障智能诊断方法，其特征在于，在所述步骤S1中，所述旋转机械，包括汽轮发电机组、水轮发电机组、风力发电机组、烟气轮机、压缩机组、泵、燃气轮机、风机、齿轮箱和电机等。3.根据权利要求1所述的振动故障智能诊断方法，其特征在于，在所述步骤S2中，所述根据故障机理对振动故障进行分类，例如，对于汽轮发电机组，通常振动故障可分为不平衡、不对中、松动、大轴弯曲、部件脱落、共振、基础振动、油膜振荡、汽流激振和动静碰摩等。4.根据权利要求1所述的振动故障智能诊断方法，其特征在于，在所述步骤S3中，所述对故障进行细分，如根据故障的发生部位不同，汽轮发电机组不平衡故障可分为高中压转子不平衡、低压转子不平衡和发电机转子不平衡等；根据发生原因不同，不平衡故障可分为一阶质量不平衡、二阶质量不平衡和综合不平衡等；根据处理方式不同，不平衡故障可分为暂态不平衡和永久不平衡等。只要在故障的发生部位、发生原因和处理方式等方面存在任何的不同，都需要当作新的一种故障模型。5.根据权利要求1所述的振动故障智能诊断方法，其特征在于，在所述步骤S4中，主要根据故障案例和故障机理，建立完整的精细化故障模型。某种故障模型是否存在，主要取决于故障案例和故障机理。大部分将来发生的故障与机组已经发生过的故障具有相似性，根据故障案例，可以诊断大多数故障。有的故障是...

【专利技术属性】
技术研发人员：阮跃，
申请(专利权)人：北京振测智控科技有限公司，
类型：发明
国别省市：北京,11