一种设备故障识别方法、装置、设备及计算机系统制造方法及图纸

本发明专利技术提供了一种设备故障识别方法、装置、设备及计算机系统，所述方法包括：获取设备的振动信号；将所述振动信号输入到健康状态指标函数，得到所述设备的健康状态指标数据；将所述健康状态指标数据输入到预设的故障识别模型进行故障识别；根据故障识别模型输出的结果确定故障类别。利用本发明专利技术提供的技术方案无需安装测速仪等测速设备，即可实现对运行条件恶劣的设备的故障检测。

A Method, Device, Equipment and Computer System for Fault Recognition of Equipment

The invention provides a method, device, equipment and computer system for equipment fault identification, which includes: acquiring the vibration signal of equipment; inputting the vibration signal into the health status index function to obtain the health status index data of the equipment; inputting the health status index data into the preset fault identification model for fault identification; and identifying the fault according to the fault recognition. The output of each model determines the fault category. The technical scheme provided by the invention can realize the fault detection of equipment in bad operating conditions without installing speed measuring equipment such as speed measuring instrument.

【技术实现步骤摘要】
一种设备故障识别方法、装置、设备及计算机系统
本专利技术涉及故障检测领域，具体涉及一种设备故障识别方法、装置、设备及计算机系统。
技术介绍
随着科技的进步，人们已经研究出一些针对振动设备进行故障检测的方法。对于运行条件恶劣(高磁场，高辐射，高温等)的设备的使用寿命往往比正常条件下的设备的使用寿命更不容易预测，并且，对于一些位置设置得比较隐秘的设备或其零部件，比较难用传统的人工检验方法检测。所以需要一套远程检测方法。最常见的就是通过加速器对振动设备的振动信号进行分析并从中获取故障信息。理论上来讲振动信号先通过FFT(快速傅立叶变换)等方法从时域信号转换成频域信号，再找出每个设备失效模式所对应的特征频率。而在实际应用上跟失效模式相对应的特征频率不是那么的容易找，即使找到，它们与相邻频率的差别也不一定十分的明显。所以以往的研究主要是通过不同的信号处理方法找出或加强特征频率上的信息。最常用的比如包络谱分析等。包络检测或幅度解调是从调幅信号中提取调制信号的技术。这样做的主要问题是需要振动速度恒定或能够很准确的测量。但很少有人在运行条件恶劣的设备上安装很精确的测速仪，容易造成测速仪的使用寿命缩减甚至不能获得准确的检测结果。所以很多已有的算法不能很好的应用。
技术实现思路
本专利技术提出了一种设备故障识别方法、装置、设备及计算机系统，将设备产生的振动信号经过处理后输入到预设的故障识别模型，根据故障识别模型识别出的结果确定故障类别，无需安装测速仪等测速设备，即可实现对运行条件恶劣的设备的故障检测。本专利技术具体是以如下技术方案实现的：第一方面，本专利技术提供了一种设备故障识别方法，包括：获取设备的振动信号；将所述振动信号输入到健康状态指标函数，得到所述设备的健康状态指标数据；将所述健康状态指标数据输入到预设的故障识别模型进行故障识别；根据故障识别模型输出的结果确定故障类别。可选的，所述振动信号包括：时域振动信号和/或由所述时域振动信号转换成的频域振动信号和时频域振动信号。可选的，所述预设的故障识别模型包括：基于样本设备的健康状态指标数据和所述样本设备的故障类别标识在预设深度神经网络中训练得到的模型，所述样本设备的健康状态指标数据与所述样本设备的故障类别标识一一对应。可选的，在将所述振动信号输入到健康状态指标函数之前，所述方法还包括：对所述振动信息进行预处理；所述预处理至少包括如下之一：滤波、增强、降噪。可选的，所述设备包括如下至少之一：轴承、齿轮、齿轮箱、电动机、发动机、风机、风扇、泵、钻头、车床。可选的，所述健康状态指标函数至少包括下述之一：峰态系数函数、偏态系数函数、峰值系数函数、余隙系数函数、波形系数函数、脉冲指示器函数、变化方差函数、余隙分母函数、绝对值平均值函数。可选的，在所述根据故障识别模型输出的结果确定故障类别之后，还包括：对所述故障类别进行记录、提示或/和报警。第二方面，本专利技术提供了一种设备故障识别装置，包括：信号获取模块，用于获取设备的振动信号；健康状态指标获取模块，用于将所述振动信号输入到健康状态指标函数，得到所述设备的健康状态指标数据；故障识别模块，用于将所述健康状态指标数据输入到预设的故障识别模型进行故障识别；故障类别确定模块，用于根据故障识别模型输出的结果确定故障类别。可选的，所述装置还包括：预处理模块，用于对所述振动信息进行预处理；相应的，所述健康状态指标获取模块，用于将预处理后的振动信号输入到健康状态指标函数，得到所述设备的健康状态指标数据。可选的，所述装置还包括：故障类别处理模块，用于对所述故障类别进行记录、提示或/和报警。第三方面，本专利技术提供了一种设备故障识别设备，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现所述第一方面和第二方面所述的设备故障识别方法或装置。第四方面，本专利技术提供了一种计算机系统，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现所述第一方面和第二方面所述的设备故障识别方法或装置。本专利技术提供了一种数据处理的方法、装置、设备及计算机系统，具有如下技术效果：本专利技术将设备产生的振动信号经过处理后输入到预设的故障识别模型，根据故障识别模型识别出的结果确定故障类别，无需安装测速仪等测速设备，即可实现对运行条件恶劣的设备的故障检测。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。图1是本专利技术实施例提供的一种设备故障识别方法的流程图；图2是本专利技术实施例提供的一种多层神经网络的结构示意图；图3是本专利技术现有技术提供的一种神经网络的结构示意图；图4是本专利技术实施例提供的一种设备故障识别装置的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。请参阅图1，图1是本专利技术实施例提供的一种设备故障识别方法的流程图，本说明书提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的系统或服务器产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。具体的如图1所示，所述方法可以包括：S101：获取设备的振动信号。需要说明的是，在本说明书实施例中所提到的设备是设备和设备的零部件的统称。具体可以为以下任意设备：轴承、齿轮、齿轮箱、电动机、发动机、风机、风扇、泵、钻头、车床，具体可以是CT(电子计算机断层扫描)机的球管、冷却泵及其系统、风机、固定架、转动架、轴承、发电机、探测器、病床；MR(核磁共振)机的各线圈、冷却泵及其系统、风机、固定架、轴承、发电机、探测器、扫描器、病床；PET(正电子发射型计算机断层显像)机的冷却泵及其系统、风机、固定架、轴承、发电机、探测器、扫描器、病床。需要强调的是，本专利技术的方法中的设备并不限于上述例举出的设备，还可以是其他能够根据设备的振动信号判断故障类别的设备，本专利技术对此不作限定。具体的，可以通过安装在设备上或者设备周围的传感器获取其振动信号。进一步的，例如可以在冷却泵的外壁安装一个三轴震动传感器。在该步骤中，振动信号的获取可本文档来自技高网...

【技术保护点】
1.一种设备故障识别方法，其特征在于，所述方法包括：获取设备的振动信号；将所述振动信号输入到健康状态指标函数，得到所述设备的健康状态指标数据；将所述健康状态指标数据输入到预设的故障识别模型进行故障识别；根据故障识别模型输出的结果确定故障类别。

【技术特征摘要】
1.一种设备故障识别方法，其特征在于，所述方法包括：获取设备的振动信号；将所述振动信号输入到健康状态指标函数，得到所述设备的健康状态指标数据；将所述健康状态指标数据输入到预设的故障识别模型进行故障识别；根据故障识别模型输出的结果确定故障类别。2.根据权利要求1所述的方法，其特征在于，所述振动信号包括：时域振动信号和/或由所述时域振动信号转换成的频域振动信号和时频域振动信号。3.根据权利要求1所述的方法，其特征在于，所述预设的故障识别模型包括：基于样本设备的健康状态指标数据和所述样本设备的故障类别标识在预设神经网络中训练得到的模型，所述样本设备的健康状态指标数据与所述样本设备的故障类别标识一一对应。4.根据权利要求1所述的方法，其特征在于，在将所述振动信号输入到健康状态指标函数之前，所述方法还包括：对所述振动信息进行预处理；所述预处理至少包括如下之一：滤波、增强、降噪。5.根据权利要求1所述的方法，其特征在于，所述设备包括如下至少之一：轴承、齿轮、齿轮箱、电动机、发动机、风机、风扇、泵、钻头、车床。6.根据权利要求1所述的方法，其特征在于，所述健康状态指标函数至少包括下述之一：峰态系数函数、偏态系数函数、峰值系数函数、余隙系数函数、波形系数函数、脉...

【专利技术属性】
技术研发人员：梁欣然，周翔，
申请(专利权)人：上海联影智能医疗科技有限公司，
类型：发明
国别省市：上海,31