轴承故障预警方法和装置制造方法及图纸

本发明专利技术提供一种轴承故障预警方法和装置，包括：获取轴承在最近时间段内的多个第一轴承温度、旋转设备的与每一个第一轴承温度对应的第一工作状态参数组合，每一个第一工作状态参数组合中包括至少一个第一工作参数；对多个第一轴承温度进行趋势提取，得到一个第二轴承温度，并对各个第一工作状态参数组合进行趋势提取，得到一个第二工作状态参数组合，其中，第二工作状态参数组合中包括至少一个第二工作参数；采用收敛状态的回归模型对第二工作状态参数组合进行处理，输出第三轴承温度；根据第二轴承温度和第三轴承温度，确定轴承是否存在故障。本方案能够早期发现轴承的故障征兆，以能够提早进行必要的保障措施，避免更为严重的故障发生。

Bearing Fault Early Warning Method and Device

The invention provides a bearing fault early warning method and device, which includes: acquiring multiple first bearing temperatures in the latest period of time, the first working state parameter combination of rotating equipment corresponding to each first bearing temperature, and at least one first working parameter in each first working state parameter combination; extracting trend of multiple first bearing temperatures, and obtaining. To a second bearing temperature, and extract the trend of each first working state parameter combination, get a second working state parameter combination, in which the second working state parameter combination includes at least one second working parameter; use the regression model of convergence state to process the second working state parameter combination, output the third bearing temperature; according to the second bearing temperature Degree and third bearing temperature to determine whether there is a fault in the bearing. The scheme can detect the bearing fault symptoms early, so as to carry out necessary safeguard measures early and avoid more serious failure.

【技术实现步骤摘要】
轴承故障预警方法和装置
本专利技术涉及工业生产
，尤其涉及一种轴承故障预警方法和装置。
技术介绍
目前，旋转设备广泛应用于能源、化工等各个工业生产领域。例如，典型的旋转设备有风力发电机组的传动和能量转化系统、火力发电机组的汽轮机和发电机、大型工业过程中的泵与风机系统等等。其中，这些旋转设备中设置有轴承，而轴承是故障发生的主要部件之一。现有技术中，由于无法早期发现轴承的故障征兆，因而只能是在轴承出现故障之后再进行相关维修。然而，轴承故障可能会造成旋转设备无法正常工作等严重问题，进而还会增加维修工期以及维修成本等等。因此，如何早期发现轴承的故障征兆，以能够提早进行必要的保障措施，避免更为严重的故障发生，则成为当前亟需解决的问题。
技术实现思路
本专利技术提供一种轴承故障预警方法和装置，能够早期发现轴承的故障征兆，以能够提早进行必要的保障措施，避免更为严重的故障发生。一方面，本专利技术提供一种轴承故障预警方法，包括：获取轴承在最近的时间段内的多个第一轴承温度，并获取旋转设备的与每一个所述第一轴承温度对应的第一工作状态参数组合，其中，每一个所述第一工作状态参数组合中包括至少一个第一工作参数；对所述多个第一轴承温度进行趋势提取，得到一个第二轴承温度，并对各个所述第一工作状态参数组合进行趋势提取，得到一个第二工作状态参数组合，其中，所述第二工作状态参数组合中包括至少一个第二工作参数；采用预设的收敛状态的回归模型对所述第二工作状态参数组合进行处理，输出第三轴承温度；根据所述第二轴承温度和所述第三轴承温度，确定所述轴承是否存在故障。进一步地，对所述多个第一轴承温度进行趋势提取，得到一个第二轴承温度，包括：确定所述多个第一轴承温度中的最小轴承温度和最大轴承温度；将所述最小轴承温度和所述最大轴承温度所构成的区间划分为N个第一子区间，其中，N为大于1的正整数；确定所述至少两个第一轴承温度落在每个所述第一子区间内的第一个数；选择所述第一个数排名在前M的M个第一子区间，其中，M为大于1且小于等于N的正整数；计算落在所述M个第一子区间内的各个第一轴承温度的第一平均值，并将所述第一平均值作为所述第二轴承温度。进一步地，根据所述第二轴承温度和所述第三轴承温度，确定所述轴承是否存在故障，包括：计算所述第二轴承温度和所述第三轴承温度之间的第一差值；根据所述第一差值和预设第一阈值，确定所述轴承是否存在故障。进一步地，根据所述第一差值和预设第一阈值，确定所述轴承是否存在故障，包括：若所述第一差值小于所述第一阈值，则确定所述轴承不存在故障；若所述第一差值大于等于所述第一阈值，则确定所述轴承存在故障。进一步地，若所述第一差值大于等于所述第一阈值，则确定所述轴承存在故障，包括：若所述第一差值大于等于所述第一阈值，获取所述第一差值的增长趋势信息；若所述增长趋势信息表征所述第一差值持续增长，则确定所述轴承存在故障。进一步地，所述方法还包括：重复执行以下所有步骤，直至得到收敛状态的回归模型：获取所述轴承在预设时间段内的多个第四轴承温度，并获取所述旋转设备的与每一个所述第四轴承温度对应的第三工作状态参数组合，其中，所述第三工作状态参数组合中包括至少一个第三工作参数；对所述多个第四轴承温度进行趋势提取，得到第五轴承温度，并对各个所述第三工作状态参数组合进行趋势提取，得到第四工作状态参数组合，其中，所述第四工作状态参数组合中包括至少一个第四工作参数；采用预设的回归模型对所述第四工作状态参数组合进行处理，输出第六轴承温度；计算所述第五轴承温度和所述第六轴承温度之间的第二差值；若所述第二差值大于等于预设第二阈值，则根据所述第五轴承温度和所述第六轴承温度对所述回归模型进行深度学习训练，得到训练后的回归模型；其中，在所述第二差值小于所述第二阈值时，得到收敛状态的回归模型。另一方面，本专利技术提供了一种轴承故障预警装置，包括：获取单元，用于获取轴承在最近的时间段内的多个第一轴承温度，并获取旋转设备的与每一个所述第一轴承温度对应的第一工作状态参数组合，其中，每一个所述第一工作状态参数组合中包括至少一个第一工作参数；提取单元，用于对所述多个第一轴承温度进行趋势提取，得到一个第二轴承温度，并对各个所述第一工作状态参数组合进行趋势提取，得到一个第二工作状态参数组合，其中，所述第二工作状态参数组合中包括至少一个第二工作参数；处理单元，用于采用预设的收敛状态的回归模型对所述第二工作状态参数组合进行处理，输出第三轴承温度；确定单元，用于根据所述第二轴承温度和所述第三轴承温度，确定所述轴承是否存在故障。进一步地，所述提取单元，包括：第一确定模块，用于确定所述多个第一轴承温度中的最小轴承温度和最大轴承温度；划分模块，用于将所述最小轴承温度和所述最大轴承温度所构成的区间划分为N个第一子区间，其中，N为大于1的正整数；第二确定模块，用于确定所述至少两个第一轴承温度落在每个所述第一子区间内的第一个数；选择模块，用于选择所述第一个数排名在前M的M个第一子区间，其中，M为大于1且小于等于N的正整数；第一计算模块，用于计算落在所述M个第一子区间内的各个第一轴承温度的第一平均值，并将所述第一平均值作为所述第二轴承温度。进一步地，所述确定单元，包括：第二计算模块，用于计算所述第二轴承温度和所述第三轴承温度之间的第一差值；第三确定模块，用于根据所述第一差值和预设第一阈值，确定所述轴承是否存在故障。进一步地，所述第三确定模块，用于若所述第一差值小于所述第一阈值，则确定所述轴承不存在故障；若所述第一差值大于等于所述第一阈值，则确定所述轴承存在故障。进一步地，所述第三确定模块，用于若所述第一差值大于等于所述第一阈值，获取所述第一差值的增长趋势信息；若所述增长趋势信息表征所述第一差值持续增长，则确定所述轴承存在故障。进一步地，所述装置还包括：模型训练单元；所述模型训练单元，包括：获取模块，用于获取所述轴承在预设时间段内的多个第四轴承温度，并获取所述旋转设备的与每一个所述第四轴承温度对应的第三工作状态参数组合，其中，所述第三工作状态参数组合中包括至少一个第三工作参数；提取模块，用于对所述多个第四轴承温度进行趋势提取，得到第五轴承温度，并对各个所述第三工作状态参数组合进行趋势提取，得到第四工作状态参数组合，其中，所述第四工作状态参数组合中包括至少一个第四工作参数；处理模块，用于采用预设的回归模型对所述第四工作状态参数组合进行处理，输出第六轴承温度；第三计算模块，用于计算所述第五轴承温度和所述第六轴承温度之间的第二差值；优化模块，用于若所述第二差值大于等于预设第二阈值，则根据所述第五轴承温度和所述第六轴承温度对所述回归模型进行深度学习训练，得到训练后的回归模型，并触发所述获取模块，直至得到收敛状态的回归模型；其中，在所述第二差值小于所述第二阈值时，得到收敛状态的回归模型。本专利技术提供了一种轴承故障预警方法和装置，通过获取轴承在最近的时间段内的多个第一轴承温度，从而可对多个第一轴承温度进行趋势提取，以得到轴承在最近的时间段内的一个实际的趋势数据，也即第二轴承温度，以及通过获取旋转设备的与每一个第一轴承温度对应的第一工作状态参数组合，从而可对多个第一工作状态参数组合进行趋势提取，以得到旋转设备在最近的时间段内的工作状态趋势本文档来自技高网...

【技术保护点】
1.一种轴承故障预警方法，其特征在于，包括：获取轴承在最近的时间段内的多个第一轴承温度，并获取旋转设备的与每一个所述第一轴承温度对应的第一工作状态参数组合，其中，每一个所述第一工作状态参数组合中包括至少一个第一工作参数；对所述多个第一轴承温度进行趋势提取，得到一个第二轴承温度，并对各个所述第一工作状态参数组合进行趋势提取，得到一个第二工作状态参数组合，其中，所述第二工作状态参数组合中包括至少一个第二工作参数；采用预设的收敛状态的回归模型对所述第二工作状态参数组合进行处理，输出第三轴承温度；根据所述第二轴承温度和所述第三轴承温度，确定所述轴承是否存在故障。

【技术特征摘要】
1.一种轴承故障预警方法，其特征在于，包括：获取轴承在最近的时间段内的多个第一轴承温度，并获取旋转设备的与每一个所述第一轴承温度对应的第一工作状态参数组合，其中，每一个所述第一工作状态参数组合中包括至少一个第一工作参数；对所述多个第一轴承温度进行趋势提取，得到一个第二轴承温度，并对各个所述第一工作状态参数组合进行趋势提取，得到一个第二工作状态参数组合，其中，所述第二工作状态参数组合中包括至少一个第二工作参数；采用预设的收敛状态的回归模型对所述第二工作状态参数组合进行处理，输出第三轴承温度；根据所述第二轴承温度和所述第三轴承温度，确定所述轴承是否存在故障。2.根据权利要求1所述的方法，其特征在于，对所述多个第一轴承温度进行趋势提取，得到一个第二轴承温度，包括：确定所述多个第一轴承温度中的最小轴承温度和最大轴承温度；将所述最小轴承温度和所述最大轴承温度所构成的区间划分为N个第一子区间，其中，N为大于1的正整数；确定所述至少两个第一轴承温度落在每个所述第一子区间内的第一个数；选择所述第一个数排名在前M的M个第一子区间，其中，M为大于1且小于等于N的正整数；计算落在所述M个第一子区间内的各个第一轴承温度的第一平均值，并将所述第一平均值作为所述第二轴承温度。3.根据权利要求1所述的方法，其特征在于，根据所述第二轴承温度和所述第三轴承温度，确定所述轴承是否存在故障，包括：计算所述第二轴承温度和所述第三轴承温度之间的第一差值；根据所述第一差值和预设第一阈值，确定所述轴承是否存在故障。4.根据权利要求3所述的方法，其特征在于，根据所述第一差值和预设第一阈值，确定所述轴承是否存在故障，包括：若所述第一差值小于所述第一阈值，则确定所述轴承不存在故障；若所述第一差值大于等于所述第一阈值，则确定所述轴承存在故障。5.根据权利要求4所述的方法，其特征在于，若所述第一差值大于等于所述第一阈值，则确定所述轴承存在故障，包括：若所述第一差值大于等于所述第一阈值，获取所述第一差值的增长趋势信息；若所述增长趋势信息表征所述第一差值持续增长，则确定所述轴承存在故障。6.根据权利要求1-5任一项所述的方法，其特征在于，所述方法还包括：重复执行以下所有步骤，直至得到收敛状态的回归模型：获取所述轴承在预设时间段内的多个第四轴承温度，并获取所述旋转设备的与每一个所述第四轴承温度对应的第三工作状态参数组合，其中，所述第三工作状态参数组合中包括至少一个第三工作参数；对所述多个第四轴承温度进行趋势提取，得到第五轴承温度，并对各个所述第三工作状态参数组合进行趋势提取，得到第四工作状态参数组合，其中，所述第四工作状态参数组合中包括至少一个第四工作参数；采用预设的回归模型对所述第四工作状态参数组合进行处理，输出第六轴承温度；计算所述第五轴承温度和所述第六轴承温度之间的第二差值；若所述第二差值大于等于预设第二阈值，则根据所述第五轴承...

【专利技术属性】
技术研发人员：于萍，
申请(专利权)人：中科诺维北京科技有限公司，
类型：发明
国别省市：北京,11