The invention discloses a detection method for the running state of mechanical components based on sound wave monitoring and machine learning, which comprises the following steps: S1. Installing the sound pattern monitor to the device. S2. Establish mathematical model. S3. Modified mathematical model. S4. Establish model base. S5. Implement the installation. S6. Monitor monitoring and model base optimization. The invention uses different voiceprint curves of a mechanical component during operation to determine whether there is abnormal operation of the component. At the same time, machine learning is used to realize the rapid accumulation of mathematical models, and then more and more mechanical components can be detected. The invention can quickly judge whether the operation of the mechanical components is normal or not, can assist the maintenance personnel to quickly judge the fault, and can be widely used in multiple scenarios such as engine maintenance, transmission shaft maintenance, motor maintenance, fan maintenance, water pump maintenance, etc.
【技术实现步骤摘要】
一种基于声波监测和机器学习的机械构件运行状态的检测方法
本专利技术涉及一种基于声波监测和机器学习的机械构件运行状态的检测方法。
技术介绍
机械产品一般都由较多的零部件组成,零部件在空间位置上层叠交错,加之一般是非透明外壳封装,内部构件状态非直观可见,因此对机械构件运行状态进行有效的检测颇为困难。常规的检测方法是采用人工抽样检验或破坏性试验。这些方法不仅费用高、耗时费力,而且属于事后分析,不能提前实施故障诊断,导致机械设备事故的发生,并且由于人为因素造成的漏检或误判会大大降低检测识别的准确率,难以满足实时生产的需要。每种机械构件在运行时都有其特定的声纹曲线,因而可以利用机械构件在运行时不同的声纹曲线来判断该构件的运行是否存在异常情况。
技术实现思路
本专利技术要解决的技术问题是克服现有技术的缺陷,提供一种基于声波监测和机器学习的机械构件运行状态的检测方法,可以快速判断机械构件的运行正常与否。为了解决上述技术问题,本专利技术提供了如下的技术方案:本专利技术公开了一种基于声波监测和机器学习的机械构件运行状态的检测方法,其包括以下步骤:S1、将声纹监测仪分别安装到停机状态的设备、正常运行状态的设备、低负荷运行状态的设备、高负荷运行状态的设备、磨损严重状态的设备,各种异常运行的设备,并存储监测到的声纹数据;S2、分析存储下来的的声纹数据,与行业专家确认,并将运行的声纹数据与设备状态对应建立数学模型;S3、反复试验、测试、修正声纹数据与设备运行状态关系模型,直到 ...
【技术保护点】
1.一种基于声波监测和机器学习的机械构件运行状态的检测方法,其特征在于,包括以下步骤:/nS1、将声纹监测仪分别安装到停机状态的设备、正常运行状态的设备、低负荷运行状态的设备、高负荷运行状态的设备、磨损严重状态的设备,各种异常运行的设备,并存储监测到的声纹数据;/nS2、分析存储下来的的声纹数据,与行业专家确认,并将运行的声纹数据与设备状态对应建立数学模型;/nS3、反复试验、测试、修正声纹数据与设备运行状态关系模型,直到监测准确率达到90%以上;/nS4、建立模型库,将修正后的数学模型加入模型库;/nS5、对工业现场需要进行机械构件运行状态检测的设备安装声纹监测仪;并在上位分析软件中选择该设备模型库中的模型;/nS6、通过声纹监测仪监测仪正常监测设备的运行状态,采用类比判定对运行的各个状态进行判断。/n
【技术特征摘要】
1.一种基于声波监测和机器学习的机械构件运行状态的检测方法,其特征在于,包括以下步骤:
S1、将声纹监测仪分别安装到停机状态的设备、正常运行状态的设备、低负荷运行状态的设备、高负荷运行状态的设备、磨损严重状态的设备,各种异常运行的设备,并存储监测到的声纹数据;
S2、分析存储下来的的声纹数据,与行业专家确认,并将运行的声纹数据与设备状态对应建立数学模型;
S3、反复试验、测试、修正声纹数据与设备运行状态关系模型,直到监测准确率达到90%以上;
S4、建立模型库,将修正后的数学模型加入模型库;
S5、对工业现场需要进行机械构件运行状态检测的设备安装声纹监测仪;并在上位分析软件中选择该设备模型库中的模型;
S6、通过声纹监测仪监测仪正常监测设备的运行状态,采用类比判定对运行的各个状态进行判断。
2.根据权利要求1所述的检测方法,其特征在于,所述的声纹监测仪包括测振传感器、信号调理器、信号记录仪、信号分析与处理设备、通讯设备...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。