一种基于RBF算法的三防通风设备故障预测系统技术方案

一种基于RBF算法的三防通风设备故障预测系统，自动控制领域的故障诊断技术。包括振动传感器(1)、转速传感器(2)、温度传感器(3)、风压流量计(4)、数据采集器(5)、三防数据接收模块(6)、故障参数特征提取模块(7)、故障判定及预测模块(8)振动传感器(1)、转速传感器(2)、温度传感器(3)、风压流量计(4)均与数据采集器(5)通过电线连接，传输两线制电流环、异步串口总线、频率信号数据，数据采集器(5)通过以太网连接到一台高性能服务器上。三防数据接收模块(6)、故障参数特征提取模块(7)、故障判定及预测模块(8)均部署在一台高性能计算服务器上。优点在于，解决了当前人防所的风机维护工作效率差、准确率低、人防指挥所通风机维护保障等问题。

【技术实现步骤摘要】
一种基于RBF算法的三防通风设备故障预测系统
本专利技术涉及自动控制领域的故障诊断技术，具体针对三防通风设备故障预测系统。
技术介绍
人防指挥所在战争时期是非常重要的指挥中枢，因此人防所具有较高的隐蔽等级和防护等级。大部分人防所位于地下或山体的密闭空间内，密闭空间的通风是保证战斗人员生存的必要条件，人防指挥所的通风设施比较复杂，与普通民用建筑相比，增加了战时的隔绝和滤毒功能，更加注重安全功能。因此人防指挥所的风机是通风系统的最关键的设备，一旦失效或发生故障，如果处于战时，后果不可想象。人防指挥所的风机一般均为轴流风机，风量大、转换风压高，且需长时间稳定工作。根据一般性统计，人防所的风机出现的主要故障有五大类：基座松动，转子不平衡、转轴不对中、转轴摩擦、油膜涡动。人防所风机的这五类的故障占到了总故障数目的95％，对这五类故障的预测和诊断具有决定性的意义。目前人防所风机采用人工维护检修，以物理特性或电气间接参数判断风机的状态，检测手段准确率低且操作复杂，风机运行质量得不到有效保障。人防所的通风系统覆盖面积较大，通风管道较长，从经济和可维护性方面考虑，在每一处风机和管道上均安装传感器不合理，但为了保证能准确有效的预测风机故障，其关键的运行信息必须不能漏采。根据已有经验判断，风机故障主要来源于两方面，机械类故障和电气类故障，风机出现故障时主要表现有风量变小或不稳定、振动并发出杂音、冒烟着火等。事实上，在风机出现故障之前的相当长的一段时间内，风机的运行参数异常就已经能说明其将要出生故障，如无规律性的自振可能代表其固定基座螺栓已经松动，扇叶转速不稳可能说明轴承中心偏离，电机发热则说明转子线圈破损等，因此风机和通风系统中安装必要传感器进行在线监测，并根据传感器数据进行智能分析就可以风机的故障做出准确有效的判断。
技术实现思路
本专利技术的目的在于提供基于RBF算法的三防通风设备故障预测系统，解决了当前人防所的风机维护工作效率差、准确率低、人防指挥所通风机维护保障等问题。针对人防所的通风结构和通风要求，该系统实现了在故障未发生时预测风机设备的故障剩余时间及故障类型的判定，并以报表的形式提供给维护人员进行辅助决策，为人防所的正常运行提供有力的保障。本专利技术从传感器类型的选取、参数种类的限定进行了数据来源的定义，提出一种采用短时FFT方法来提取潜在故障信号，用RBF模型预估故障发生概率，并用逆模控制器输出故障预测结果，保障了系统的安全运行。本专利技术采取了如图1所示技术方案。本专利技术分为软件和硬件两个子系统，硬件子系统的作用是将物理信号通过传感器转化为模拟信号或总线数字信号通过数据采集器上传至一台高性能服务器，硬件子系统共由振动传感器1、转速传感器2、温度传感器3、风压流量计4、数据采集器5组成，硬件子系统中的振动传感器(1)、转速传感器2、温度传感器3、风压流量计4均与数据采集器5通过电线连接，传输两线制电流环、异步串口总线、频率信号数据，数据采集器5通过以太网连接到一台高性能服务器上。三轴振动传感器1、转速传感器2、温度传感器3、风量流量计4分别安装在风机的基座、风机扇叶内外表面、风机电机外表面、风机直连管道的入口或出口，用来采集风机的振动情况、风机转速、风机电机的运行时温度、风机风量。软件子系统部署于一台高性能计算服务器上，软件子系统共由三防数据接收模块6、故障参数特征提取模块7、故障判定及预测模块8组成。振动传感器1、转速传感器2、温度传感器3、风压流量计4数据会被数据采集器5采集，数据采集器5将从风机和风道中采集到的通风系统运行参数数据发送到一台高性能服务器上，高性能服务器上部署的三防数据接收模块6用于接收数据采集器5采集的原始数据；故障参数特征提取模块7进行原始数据的预处理以及故障特征提取，并对故障信号进行滤波，得到稳定的判据；故障判定及预测模块8利用故障参数特征提取模块7的数据，建立RBF神经网络模型并用逆模控制器输出故障预测结果。本专利技术针对人防所的大型通风机采用三轴振动传感器1、转速传感器2、温度传感器3、风量流量计4四种传感器采集故障信号，并结合三防自动化OPC服务器提供的风机电压、电流、三相不平衡度等参数进行智能分析。其中三轴振动传感器1安装在风机的基座上，用来采集风机的振动情况，三轴振动传感器1采用温漂小，灵敏度较高的三轴加速度计为核心部件，检测范围不低于15g/s；转速传感器2采用霍尔磁传感器，安装于风机扇叶内外表面，采样速率不低于100KHZ；温度传感器3安装在风机电机的外表面处，采用接触式PT100变送器，温度测量范围为-50至300度；风量流量计4安装于风机直连管道的入口或出口，采用孔板式差压变送器测量并进行累积。风机的电参数由三防自动化OPC服务器提供。人防所风机状态监测传感器分布如图2所示。进风机房有两台风机，分别安装振动传感器1、转速传感器2、温度传感器3，在进风管道处安装一台风流量计4。发电机房、防化试验室、排风机房各有一台风机，安装振动传感器1、转速传感器2、温度传感器3，在排风口处安装一台风量计。振动传感器1、转速传感器2、温度传感器3、风压流量计4得到的信号为原始电信号，需经过数据预处理进行数据量程转换，并经过去噪滤波和数据提取后，才能得到风机的潜在故障特征信号。数据的处理过程如图3所示。振动传感器1、转速传感器2、温度传感器3、风压流量计4采集到的电信号带有噪声且强度较小，此时需引入信号增益器将信号多级放大，并进行解调，之后用滤波和降噪电路去除低频干扰，经过模数转换后转成数字信号，之后将数字信号再用均方差数字滤波算法去除随机噪声，得到振动传感器1、转速传感器2、温度传感器3、风压流量计4的准确采集值。为使各信号处于同一量纲上方便比较，将振动传感器1、转速传感器2、温度传感器3、风压流量计4的实际有效值通过量程迁移的方法转成一个0至1的系统值。风机正常运行时，传感器的信号是周期性和平稳的，在将要出现故障时，会有一些突变性的、非周期性的暂态特征，为捕捉这些故障奇异信号，尤其是带有偏移变化趋势的信号时，需要将原始信号在频域展开。传统的傅利叶分析(FFT)只能分析连续信号的特定点频谱展开特征，本专利技术引入一种局部窗口的短时傅利叶分析算法(STFT)，将突变信号或奇异信号进行分段采样，并分解成有限宽度的平稳信号，得到信号非平稳特征的变换特性。经过STFT变换后，原始信号中风机的正常信号都被滤除，只留下风机的潜在故障特征信号，最后将故障特征信号转成向量并进行序列化。故障特征信号代表系统出现了将要发生故障的可能性，但故障在何时会发生、故障的程度如何还需要进一步去判断。风机的运行系统受多个参数制约，是一个非线性多变量的时变系统，其运行模型很难用数学公式去精确表述，因此采用解析定值公式的方法很难达到满意的预测结果。本专利技术建立一种RBF算法神经网络模型，此模型根据当前传感器参数动态，调整风机系统的故障预测结果，采用逆模算法实现风机故障的预测。附图说明图1为通风设备故障预测结构图。图2为风机状态监测传感器分布图。图3风机传感器数据预处理过程图。图4基于RBF的风机故障预测模型工作流程图。图5逆模控制器工作流程图。图中,振动传感器1、转速传感器2、温度传感器3、风压流量计4、数据采集器5、三防数据接收模块6本文档来自技高网...

【技术保护点】
1.一种基于RBF算法的三防通风设备故障预测系统，其特征在于，包括振动传感器(1)、转速传感器(2)、温度传感器(3)、风压流量计(4)、数据采集器(5)、三防数据接收模块(6)、故障参数特征提取模块(7)、故障判定及预测模块(8)振动传感器(1)、转速传感器(2)、温度传感器(3)、风压流量计(4)均与数据采集器(5)通过电线连接，传输两线制电流环、异步串口总线、频率信号数据，数据采集器(5)通过以太网连接到一台高性能服务器上；三轴振动传感器(1)、转速传感器(2)、温度传感器(3)、风量流量计(4)分别安装在风机的基座、风机扇叶内外表面、风机电机外表面、风机直连管道的入口或出口，用来采集风机的振动情况、风机转速、风机电机的运行时温度、风机风量；三防数据接收模块(6)、故障参数特征提取模块(7)、故障判定及预测模块(8)均部署在一台高性能计算服务器上；振动传感器(1)、转速传感器(2)、温度传感器(3)、风压流量计(4)数据会被数据采集器(5)采集，数据采集器(5)将从风机和风道中采集到的通风系统运行参数数据发送到一台高性能服务器上，高性能服务器上部署的三防数据接收模块(6)用于接收数据采集器(5)采集的原始数据；故障参数特征提取模块(7)进行原始数据的预处理以及故障特征提取，并对故障信号进行滤波，得到稳定的判据；故障判定及预测模块(8)利用故障参数特征提取模块(7)的数据，建立RBF神经网络模型并用逆模控制器输出故障预测结果。...

【技术特征摘要】
1.一种基于RBF算法的三防通风设备故障预测系统，其特征在于，包括振动传感器(1)、转速传感器(2)、温度传感器(3)、风压流量计(4)、数据采集器(5)、三防数据接收模块(6)、故障参数特征提取模块(7)、故障判定及预测模块(8)振动传感器(1)、转速传感器(2)、温度传感器(3)、风压流量计(4)均与数据采集器(5)通过电线连接，传输两线制电流环、异步串口总线、频率信号数据，数据采集器(5)通过以太网连接到一台高性能服务器上；三轴振动传感器(1)、转速传感器(2)、温度传感器(3)、风量流量计(4)分别安装在风机的基座、风机扇叶内外表面、风机电机外表面、风机直连管道的入口或出口，用来采集风机的振动情况、风机转速、风机电机的运行时温度、风机风量；三防数据接收模块(6)、故障参数特征提取模块(7)、故障判定及预测模块(8)均部署在一台高性能计算服务器上；振动传感器(1)、转速传感器(2)、温度传感器(3)、风压流量计(4)数据会被数据采集器(5)采集，数据采集器(5)将从风机和风道中采集到的通风系统运行参数数据发送到一台高性能服务器上，高性能服务器上部署的三防数据接收模块(6)用于接收数据采集器(5)采集的原始数据；故障参数特征提取模块(7)进行原始数据的预处理以及故障特征提取，并对故障信号进行滤波，得到稳定的判据；故障判定及预测模块(8)利用故障参数特征提取模块(7)的数据，建立RBF神经网络模型并用逆模控制器输出故障预测结果。2.根据权利要求...

【专利技术属性】
技术研发人员：邓泽先，何明星，王丽娜，
申请(专利权)人：冶金自动化研究设计院，
类型：发明
国别省市：北京,11