一种机械设备振动短时增长幅度的趋势预警方法技术

一种机械设备振动短时增长幅度的趋势预警方法，包括以下步骤：步骤1，选取设备固定时长内历史振动特征数据；步骤2，实时高点值判断；步骤3，对步骤2中判断为实时高点后，对数据单调性验证；步骤4，短时增幅计算；步骤5，判断deltaTrend的大小，进而输出不同类型的报警。本发明专利技术利用机械设备振动特征增长幅度进行趋势预警，相较于传统的基于报警门限的报警方式可提升报警的准确性，减少误报和漏报问题。

【技术实现步骤摘要】
一种机械设备振动短时增长幅度的趋势预警方法
本专利技术属于机械设备振动预警领域，特别涉及一种机械设备振动短时增长幅度的趋势预警方法。
技术介绍
石油化工、冶金、水泥、造纸等流程化生产行业，具有大量的电机、泵、风机、减速机等高价值机械设备和部件。这些设备或部件在流程化生产工业中占据着极其重要的地位，它们一旦出现故障停机将会造成巨大的经济损失。目前大多数机械设备或部件已经在设备上安装了各类传感器(包括振动传感器、压力传感器、温度传感器等)以监控设备状态和运行情况。现有的主要监控手段还是对各个信号设置报警门限，监测异常情况，这种方式容易导致误报和漏报，越来越难以满足对大量机械设备状态监测的要求；除此之外也出现了利用信号的增长趋势监控设备异常状态的方法，但是现有的增长趋势计算准确性还有待改进，并且增长趋势所对应的时长跨度选择非常关键，有的机械设备异常导致的增长持续数天，有的持续数周，有的持续数月，导致增长趋势对异常问题的检测能力大打折扣。
技术实现思路
本专利技术的目的在于提供一种机械设备振动短时增长幅度的趋势预警方法，以解决上述问题。为实现上述目的，本专利技术采用以下技术方案：一种机械设备振动短时增长幅度的趋势预警方法，包括以下步骤：步骤1，选取设备固定时长内历史振动特征数据，按照振动特征数据信号类型采集位移峰值、速度有效值和加速度峰值；步骤2，实时高点值判断：计算振动特征数据V的第95百分位值，判断V序列中最后一个值是否大于振动特征数据V的第95百分位值，若大于，则为实时高点；步骤3，对步骤2中判断为实时高点后，对数据单调性验证；步骤4，短时增幅计算：计算振动特征序列中V最后一个值与V中最小值的差，作为该振动序列的趋势增幅结果deltaTrend；步骤5，判断deltaTrend的大小，进而输出不同类型的报警。进一步的，步骤1中，设备振动监测采集振动数据为原始波形，振动特征数据V为从原始波形数据中提取得到的特征值序列。进一步的，步骤1中，选取设备当前时刻往前推移某固定时长采集的所有振动数据集合，且该段数据包含设备当前时刻采集的振动数据；同时选取该振动数据集合所对应的采集时间戳序列T；进一步的，固定时长为小于等于一天的时长，振动采集信号类型决定特征值类型，特征值类型包括位移峰值、速度有效值、加速度峰值。若采集的是位移振动信号，则所需特征为位移峰值；采集的是速度振动信号，则所需特征为速度有效值；采集的是加速度振动信号，则所需特征为加速度峰值。进一步的，步骤2中具体包括：1)计算振动特征数据V的第95百分位值qtl；qtl＝percentile(V,95)Percentile表示计算数组的百分位值，V表示振动特征序列数据，上式表示计算V的第95百分位；2)判断V序列中最后一个值是否大于qtl，若大于，则为实时高点，需继续进行后续计算步骤；反之，则不满足实时高点条件，不再继续后续计算步骤，无需判断报警结果直接输出数据正常；V序列中最后一个值对应的是实时采集的振动信号特征值结果。进一步的，步骤3中验证步骤具体包括：1)振动特征序列V一次差分后得到差分序列diffV，统计diffV中正值的数量，记为m，diffV序列的元素总数量记为S；最后计算差分正值比率r＝m/S；2)计算振动特征序列V与对应的时间戳序列的相关系数p；3)判断r是否大于阈值一并且p是否大于阈值二，若满足r大于阈值一并且p大于阈值二，则数据单调性验证通过，需继续后续的计算步骤；反之，则数据单调性验证未通过，不再继续后续计算步骤，无需判断报警结果直接输出数据正常；其中阈值一取值大于0.5，0.5表示振动特征序列中超过一半的数据点是上升趋势；阈值二取值需大于0.6，这是因为时间和振动特征相关系数为0.6以上表示振动特征序列具有很好的随时间增长的单调性，且计算的p值越大，表示振动特征序列单调递增性越强。进一步的，步骤5中，判断deltaTrend是否大于高报报警阈值HT且小于等于高高报报警阈值HHT，若满足大于高报报警阈值HT且小于等于高高报报警阈值HHT，则输出高报报警；若不满足，则判断deltaTrend是否大于高高报阈值HHT，若满足大于高高报阈值HHT，则输出高高报报警；反之，则输出正常。与现有技术相比，本专利技术有以下技术效果：本专利技术利用机械设备振动特征增长幅度进行趋势预警，相较于传统的基于报警门限的报警方式可提升报警的准确性，减少误报和漏报问题。本专利技术在计算增长幅度之前考虑了实时振动特征是否满足高点，以及验证了振动特征数据是否具备单调性，因此可以保证计算得到的增长幅值能准确表示设备振动特征真实增长趋势，进而保证增长趋势计算的准确性。由于利用了短时间内的数据对设备趋势进行预警，因此可保证该算法具有较强的通用性，可应用于检测各类机械设备振动特征趋势增长异常的问题。通过本专利技术的应用，可实现机械设备振动短时趋势异常的准确发现，为设备预测性维护提供了准确的预警基础。附图说明图1机械设备振动短时增幅趋势预警整体流程图；图2某泵振动速度有效值短时增幅趋势预警结果；图3某风机振动包络峰值短时增幅趋势预警结果；具体实施方式以下结合附图对本专利技术进一步说明：请参阅图1至图3，本专利技术为解决传统的基于振动大小设置报警门限导致误报和漏报问题，以及现有的增长趋势计算准确性较低和趋势计算时长难以通用的问题，提出一种机械设备振动短时增长幅度的趋势预警技术。该方法能够利用一段短时间内设备振动特征，通过实时高点判断和单调性验证后，计算增幅大小，判断增幅是否超过报警阈值，最终实现设备短时增长趋势的异常检测，发现设备故障快速劣化问题。为实现上述目的，本专利技术采用的技术方案是：一种机械设备振动短时增幅的趋势预警技术，其特征在于，包括以下步骤：步骤一：短时历史振动特征数据准备。选取设备当前时刻往前推移某固定时长采集的所有振动数据集合(该段数据必须包含了设备当前时刻采集的振动数据)及采集时刻所对应的时间戳序列T。设备振动监测采集振动数据为原始波形，振动特征数据V为从原始波形数据中提取得到的特征值序列。其中固定时长为小于等于一天的时长，这是因为低于1天的设备振动趋势的增长能够反映设备状态的快速劣化，特征值类型包括位移峰值、速度有效值、加速度峰值，具体的由振动采集信号类型决定，若采集的是位移振动信号，则所需特征为位移峰值；采集的是速度振动信号，则所需特征为速度有效值；采集的是加速度振动信号，则所需特征为加速度峰值。步骤二：实时高点值判断。判断逻辑如下：1、首先计算振动特征数据V的第95百分位值qtl。qtl＝percentile(V,95)Percentile表示计算数组的百分位值，V表示振动特征序列数据，上式表示计算V的第95百分位。2、判断V序列中最后一个值(对应的是实时采集的振动信号特征值结果)是否大于q本文档来自技高网...

【技术保护点】
1.一种机械设备振动短时增长幅度的趋势预警方法，其特征在于，包括以下步骤：/n步骤1，选取设备固定时长内历史振动特征数据，按照振动特征数据信号类型采集位移峰值、速度有效值和加速度峰值；/n步骤2，实时高点值判断：计算振动特征数据V的第95百分位值，判断V序列中最后一个值是否大于振动特征数据V的第95百分位值，若大于，则为实时高点；/n步骤3，对步骤2中判断为实时高点后，对数据单调性验证；/n步骤4，短时增幅计算：计算振动特征序列中V最后一个值与V中最小值的差，作为该振动序列的趋势增幅结果deltaTrend；/n步骤5，判断deltaTrend的大小，进而输出不同类型的报警。/n

【技术特征摘要】
1.一种机械设备振动短时增长幅度的趋势预警方法，其特征在于，包括以下步骤：
步骤1，选取设备固定时长内历史振动特征数据，按照振动特征数据信号类型采集位移峰值、速度有效值和加速度峰值；
步骤2，实时高点值判断：计算振动特征数据V的第95百分位值，判断V序列中最后一个值是否大于振动特征数据V的第95百分位值，若大于，则为实时高点；
步骤3，对步骤2中判断为实时高点后，对数据单调性验证；
步骤4，短时增幅计算：计算振动特征序列中V最后一个值与V中最小值的差，作为该振动序列的趋势增幅结果deltaTrend；
步骤5，判断deltaTrend的大小，进而输出不同类型的报警。


2.根据权利要求1所述的一种机械设备振动短时增长幅度的趋势预警方法，其特征在于，步骤1中，设备振动监测采集振动数据为原始波形，振动特征数据V为从原始波形数据中提取得到的特征值序列。


3.根据权利要求1所述的一种机械设备振动短时增长幅度的趋势预警方法，其特征在于，步骤1中，选取设备当前时刻往前推移某固定时长采集的所有振动数据集合，且该段数据包含设备当前时刻采集的振动数据；同时选取该振动数据集合所对应的采集时间戳序列T。


4.根据权利要求3所述的一种机械设备振动短时增长幅度的趋势预警方法，其特征在于，固定时长为小于等于一天的时长，振动采集信号类型决定特征值类型，特征值类型包括位移峰值、速度有效值、加速度峰值；若采集的是位移振动信号，则所需特征为位移峰值；采集的是速度振动信号，则所需特征为速度有效值；采集的是加速度振动信号，则所需特征为加速度峰值。


5.根据权利要求1所述的一种机械设备振动短时增长幅度的趋势预警方法，其特征在于，步骤2中具体包括：
1)计算振动特征数据V的第95百分位值qtl；
...

【专利技术属性】
技术研发人员：胡翔，吕芳洲，夏立印，
申请(专利权)人：西安因联信息科技有限公司，
类型：发明
国别省市：陕西;61