机械故障检测方法、装置及计算机可读存储介质制造方法及图纸

本发明专利技术公开了一种机械故障检测方法，包括：采集电涡流位移信号；分解所采集的电涡流位移信号，得到所述电涡流位移信号的多个窄带模式分量；从分解得到的多个窄带模式分量中选择包含故障特征信息的窄带模式分量；根据选择出的包含故障特征信息的窄带模式分量重构电涡流位移信号，得到重构电涡流位移信号；对所述重构电涡流位移信号进行解调；以及从解调后的信号中提取故障信息，并根据提取的故障信息确定机械设备的故障状态。相应地，本发明专利技术还公开了一种机械故障检测装置。通过上述方法和装置可以提高机械故障检测的准确率。

Mechanical fault detection method, device and computer readable storage medium

The invention discloses a mechanical fault detection method, which comprises: collecting eddy current displacement signal; decomposing the collected eddy current displacement signal to obtain multiple narrow-band mode components of the eddy current displacement signal; selecting narrow-band mode components containing fault feature information from multiple narrow-band mode components obtained by decomposing; selecting narrow-band mode components containing fault feature information according to the selected narrow-band mode components containing fault feature information The method can reconstruct the eddy current displacement signal to obtain the reconstructed eddy current displacement signal, demodulate the reconstructed eddy current displacement signal, extract the fault information from the demodulated signal, and determine the fault status of the mechanical equipment according to the extracted fault information. Accordingly, the invention also discloses a mechanical fault detection device. Through the above methods and devices, the accuracy of mechanical fault detection can be improved.

【技术实现步骤摘要】
机械故障检测方法、装置及计算机可读存储介质
本专利技术涉及一种机械故障检测方法、装置及计算机可读存储介质。
技术介绍
通常，为了对机械设备进行故障检测，可以在机械设备的不同部位安装传感器，并由这些传感器采集电涡流位移信号，并根据所采集的电涡流位移信号进行机械故障检测。具体地，当机械设备出现局部故障时，通过传感器测得的电涡流位移信号中将含有小部分振动特性，因此，通过分析电涡流位移信号中的振动特性即可以确定机械设备是否发生了故障。但是，由于这些振动特性容易被随机噪声和其他干扰因素淹没，因此，如何有效地从电涡流位移信号中提取机械故障特征以完成机械故障检测是一个难题。
技术实现思路
为了解决上述问题，本专利技术提供一种机械故障检测方法、装置及计算机可读存储介质。本专利技术提供的机械故障检测方法包括：采集电涡流位移信号；分解所采集的电涡流位移信号，得到所述电涡流位移信号的多个窄带模式分量；从分解得到的多个窄带模式分量中选择包含故障特征信息的窄带模式分量；根据选择出的包含故障特征信息的窄带模式分量重构电涡流位移信号，得到重构电涡流位移信号；对所述重构电涡流位移信号进行解调；以及从解调后的信号中提取故障信息，并根据提取的故障信息确定机械设备的故障状态。在本专利技术的机械故障检测方法中，通过先将采集的电涡流位移信号分解为多个窄带模式分量，再从分解得到的多个窄带模式分量选择出包含故障特征信息的窄带模式分量，去除干扰分量，然后再重构得到新的电涡流位移信号，从而可以有效去除电涡流位移信号中的随机噪声和其他干扰因素，提高故障检测的准确度。在本专利技术的实施例中，上述电涡流位移信号由安装在被测机械设备关键部位的传感器采集。通过将用于采集电涡流位移信号的传感器安装在靠近被测机械设备关键部位的位置，可以采集到被测机械设备关键部位的电涡流位移信号，实现更有效地进行机械故障检测的目的。在本专利技术的实施例中，所述分解所采集的电涡流位移信号包括：采用变分模式分解方法或者改进的变分模式分解方法分解所采集的电涡流位移信号。其中，变分模式分解可以避免传统时频分析的缺点，具有良好的滤波器组理论基础和优良的性能，且其最终效果和模式混合比经验模式分解更轻微。此外，改进的变分模式分解算法可以自适应地选择变分模式分解中使用的参数，将收集到的电涡流位移信号分解成若干个瞬时特征具有物理意义的窄带模式分量，从而提高信号的分解精度，获得更深层次的特征信息。在本专利技术的实施例中，上述从分解得到的多个窄带模式分量中选择包含故障特征信息的窄带模式分量包括：分别计算各个窄带模式分量的相关峰度积；分别将各个窄带模式分量的相关峰度积与预先设定的阈值进行比较，如果某个窄带模式分量的相关峰度积小于或等于预先设定的阈值，则确定所述窄带模式分量为干扰分量；如果某个窄带模式分量的相关峰度积大于预先设定的阈值，则确定所述窄带模式分量为包含故障特征信息的窄带模式分量。其中，相关峰度积通过如下公式确定：CKPi＝Cor(IMFi)*kur(IMFi)其中，IMFi指多个窄带模式分量中的第i个窄带模式分量；Cor(IMFi)代表IMFi的相关系数；kur(IMFi)代表IMFi的峰度。上述Cor(IMFi)和kur(IMFi)分别通过如下公式确定：其中，x(t)表示电涡流位移信号；t表示时间；μ表示平均值；σ表示标准差；E表示数学期望。其中，上述预先设定的阈值根据各个窄带模式分量中最大的相关峰度积或各个窄带模式分量平均相关峰度积设置。通过上述基于相关峰度乘积的自适应选择方法可以从多个窄带模式分量中找到包含故障特征信息的窄带模式分量，并去除电涡流位移信号中的干扰分量，从而降低随机噪声和其他干扰因素对机械故障检测的干扰。并且这种基于相关峰度乘积的自适应选择策略，能够解决因不正确的元件选择引起的误诊问题，消除妨碍机械设备检测的干扰元件。上述对所述重构电涡流位移信号进行解调包括：计算重构电涡流位移信号的频率加强能量解调谱。此时，从解调后的信号中提取故障信息并根据提取的故障信息确定机械设备的故障状态包括：根据重构电涡流信号的频率加强能量解调谱，通过线性差值方法确定故障特征频率中是否存在谱线，如果不存在，则机械设备处于正常工作状态；如果存在，则机械设备处于故障状态。其中，对于任意给定的信号x(t)，其频率加权能量解调频谱可以由如下公式计算得到：其中，是给定信号x(t)的一阶导数；x(t)表示电涡流位移信号；是的希尔伯特变换。上述频率加权能量解调的方法可以避免其他解调方法的缺点，能更准确地提取故障特征信息。对应上述方法，本专利技术还提供了一种机械故障检测装置，包括：信号采集模块401，用于采集电涡流位移信号；信号分解模块402，用于分解所采集的电涡流位移信号，得到该电涡流位移信号的多个窄带模式分量；分量选择模块403，用于从分解得到的多个窄带模式分量中选择包含故障特征信息的窄带模式分量；重构模块404，用于根据选择出的包含故障特征信息的窄带模式分量重构电涡流位移信号，得到重构电涡流位移信号；以及解调模块405，用于对上述重构电涡流位移信号进行解调，从解调后的信号中提取故障信息，并根据提取的故障信息确定机械设备的故障状态。上述机械故障检测装置中，通过先将采集的电涡流位移信号分解为多个窄带模式分量，再从分解得到的多个窄带模式分量选择出包含故障特征信息的窄带模式分量，去除干扰分量，然后再重构得到新的电涡流位移信号，从而可以有效去除电涡流位移信号中的随机噪声和其他干扰因素，提高故障检测的准确度。在本专利技术的实施例中，上述信号采集模块401包括传感器，其中，所述传感器安装在被测机械设备上，用于采集所述电涡流位移信号。在本专利技术的实施例中，上述信号采集模块401包括与传感器连接的接口，用于从所述传感器接收由传感器采集的电涡流位移信号。在本专利技术的实施例中，上述分量选择模块403包括：相关峰度积确定单元，用于分别计算各个窄带模式分量的相关峰度积；比较单元，用于分别将各个窄带模式分量的相关峰度积与预先设定的阈值进行比较；判断单元，如果某个窄带模式分量的相关峰度积小于或等于预先设定的阈值，则确定所述窄带模式分量为干扰分量；如果某个窄带模式分量的相关峰度积大于预先设定的阈值，则确定所述窄带模式分量为包含故障特征信息的窄带模式分量。通过上述基于相关峰度乘积的自适应选择方法可以从多个窄带模式分量中找到包含故障特征信息的窄带模式分量，并去除电涡流位移信号中的干扰分量，从而降低随机噪声和其他干扰因素对机械故障检测的干扰。并且这种基于相关峰度乘积的自适应选择策略，能够解决因不正确的元件选择引起的误诊问题，消除妨碍机械设备检测的干扰元件。在本专利技术的实施例中，上述解调模块405包括：频率加强能量解调谱计算单元，用于计算重构电涡流位移信号的频率加强能量解调本文档来自技高网...

【技术保护点】
1.一种机械故障检测方法，其特征在于，所述方法包括：/n采集电涡流位移信号；/n分解所采集的电涡流位移信号，得到所述电涡流位移信号的多个窄带模式分量；/n从分解得到的多个窄带模式分量中选择包含故障特征信息的窄带模式分量；/n根据选择出的包含故障特征信息的窄带模式分量重构电涡流位移信号，得到重构电涡流位移信号；/n对所述重构电涡流位移信号进行解调；以及/n从解调后的信号中提取故障信息，并根据提取的故障信息确定机械设备的故障状态。/n

【技术特征摘要】
1.一种机械故障检测方法，其特征在于，所述方法包括：
采集电涡流位移信号；
分解所采集的电涡流位移信号，得到所述电涡流位移信号的多个窄带模式分量；
从分解得到的多个窄带模式分量中选择包含故障特征信息的窄带模式分量；
根据选择出的包含故障特征信息的窄带模式分量重构电涡流位移信号，得到重构电涡流位移信号；
对所述重构电涡流位移信号进行解调；以及
从解调后的信号中提取故障信息，并根据提取的故障信息确定机械设备的故障状态。


2.根据权利要求1所述的机械故障检测方法，其特征在于，所述电涡流位移信号由安装在被测机械设备关键部位的传感器采集。


3.根据权利要求1所述的机械故障检测方法，其特征在于，所述分解所采集的电涡流位移信号包括：采用变分模式分解方法或者改进的变分模式分解方法分解所采集的电涡流位移信号。


4.根据权利要求1所述的机械故障检测方法，其特征在于，所述从分解得到的多个窄带模式分量中选择包含故障特征信息的窄带模式分量包括：
分别计算各个窄带模式分量的相关峰度积；
分别将各个窄带模式分量的相关峰度积与预先设定的阈值进行比较，
如果某个窄带模式分量的相关峰度积小于或等于预先设定的阈值，则确定所述窄带模式分量为干扰分量；
如果某个窄带模式分量的相关峰度积大于预先设定的阈值，则确定所述窄带模式分量为包含故障特征信息的窄带模式分量。


5.根据权利要求4所述的机械故障检测方法，其特征在于，所述相关峰度积通过如下公式确定：
CKPi＝Cor(IMFi)*kur(IMFi)
其中，IMFi指多个窄带模式分量中的第i个窄带模式分量；Cor(IMFi)代表IMFi的相关系数；kur(IMFi)代表IMFi的峰度。


6.根据权利要求5所述的机械故障检测方法，其特征在于，所述Cor(IMFi)和kur(IMFi)分别通过如下公式确定：






其中，x(t)表示电涡流位移信号；t表示时间；μ表示平均值；σ表示标准差；E()表示数学期望。


7.根据权利要求5所述的机械故障检测方法，其特征在于，所述预先设定的阈值根据各个窄带模式分量中最大的相关峰度积或各个窄带模式分量平均相关峰度积设置。


8.根据权利要求1所述的机械故障检测方法，其特征在于，所述对所述重构电涡流位移信号进行解调包括：计算重构电涡流位移信号的频率加强能量解调谱；以及
所述从解调后的信号中提取故障信息并根据提取的故障信息确定机械设备的故障状态包括：根据重构电涡流信号的频率加强能量解调谱，通过线性差值方法确定故障特征频率处是否存在谱线，如果不存在，则机械设备处于正常工作状态；如果存在，则机械设备处于故障状态。


9.根据权利要求8所述的机械故障检测方法，...

【专利技术属性】
技术研发人员：殷立，王棋，刘明，
申请(专利权)人：西门子中国有限公司，
类型：发明
国别省市：北京;11