转子故障分析方法及装置制造方法及图纸

本发明专利技术公开了一种转子故障分析方法及装置，所述方法包括：获取故障转子和非故障转子轴向和径向的第一位移数据；提取用于训练故障分析模型的第一位移数据的特征，构成第一特征数据集，其中所述特征的类型包括时域特征和频域特征，形成包含时域特征和频域特征的第一特征数据集；根据所述第一特征数据集中的至少部分特征，采用支持向量机算法构建故障分析模型；根据所述故障分析模型对待检测转子进行分析，得到所述待检测转子是否会发生故障的分析结果。本发明专利技术实施例通过采用支持向量机算法构建故障分析模型，来分析判断是否会发生转子故障，对可能发生故障的转子进行及时预防和维护，优化设备运维管理方法，从而避免因故障发生造成经济损失。

【技术实现步骤摘要】
转子故障分析方法及装置
本专利技术涉及转子故障诊断
，特别涉及一种基于逻辑回归算法的转子故障分析方法及装置。
技术介绍
大型旋转机械是在化工、电力和钢铁生产制造过程中的关键设备。如果旋转机械出现故障将直接影响整个生产线的运行。旋转机械由基本的转子、轴承等零部件组成。其中转子作为大型旋转机械设备的重要组成部件，长期处于高速运转以及交叉载荷的运行环境下，很容易对其表面以及结构造成一定的损伤，使其脱落，给设备安全运行带来巨大的威胁，对工业生产效率以及经济效益造成极大的影响。但由于工业生产中转子运行的不间断性，设备维护人员对设备进行检测维护只是间断和周期性的，并且还要在工业现场由专业人员进行相应的数据采集和故障诊断，这并不有利于旋转机械转子的长期监测以及诊断，所以如何采用合理有效的监测诊断方法以及便利快捷的实现路径，是判断工业现场中旋转机械转子早期是否故障的关键难题。现有的针对转子进行故障诊断的流程基本为专业人员通过安装传感器，进行振动信号的采集，再将数据进行相应的处理获得相应的频谱，通过个人的专业知识来分析转子可能存在的问题。但这存在着以下不足之处∶一是由于转子运行的长期性和连续性，对转子进行维护诊断也是周期间隔性的，这并不能有效及时的发现转子的早期故障情况，这对延长维护转子生产寿命上有着极大的不利；二是针对转子故障情况必须在现场及时的采集信号数据，再将数据带回进行相应的处理，这对于维护诊断而言存在着极大的不便利性；三是转子的维护诊断是基于专家知识，需要专业的人员，这对于早期诊断和维护而言具有太高的专业门槛。所以研究如何将工业生产上转子设备的故障诊断在线化、便利化以及程序化，对工业生产上设备维护诊断的效率提升具有非常重要的意义。
技术实现思路
有鉴于此，本专利技术实施例的目的是提供一种能够对转子脱落故障进行分析预测，以便于优化设备运维管理方法，避免因故障发生造成经济损失的转子故障分析方法及装置。为了实现上述目的，本专利技术实施例提供了一种转子故障分析方法，包括：获取故障转子和非故障转子轴向和径向的第一位移数据；提取用于训练故障分析模型的第一位移数据的特征，形成第一特征数据集；根据所述第一特征数据集中的至少部分特征，采用支持向量机算法构建故障分析模型；获取待检测转子轴向和径向的第二位移数据，并提取所述第二位移数据的特征；根据所述故障分析模型对所述第二位移数据的特征进行分析，得到所述待检测转子是否会发生故障的分析结果；其中所述特征的类型包括时域特征和频域特征。优选地，提取用于训练故障分析模型的第一位移数据的特征，形成第一特征数据集，包括：对所述第一位移数据进行预处理，得到预处理后的第一位移数据；提取所述预处理后的第一位移数据的特征；对所述特征进行筛选得到筛选后的有效特征，形成第一特征数据集。优选地，对所述第一位移数据的特征进行预处理，得到预处理后的特征，包括：将所述第一位移数据进行数据清洗，以去除异常数据和无用数据。优选地，对所述特征进行筛选得到筛选后的有效特征，形成第一特征数据集，包括：选择在故障时和非故障时具有明显差异的特征；计算所述具有明显差异的特征的相关系数；根据所述相关系数确定相关度较大的特征，并从相关度较大的特征中选择其中一个特征作为代表性特征。优选地，对所述特征进行筛选得到筛选后的有效特征，形成第一特征数据集，还包括：选取以下至少一种特征：峰峰值、峰值因子、频率方差、一倍频幅值及其能量占比、二倍频幅值及其能量占比和三倍频幅值及其能量占比。优选地，根据所述第一特征数据集中的至少部分特征，采用支持向量机算法构建故障分析模型之后，所述方法包括：采用所述数据集中除所述至少部分数据以外的数据对所述模型进行测试，并获得所述模型的精确率和召回率。优选地，其中所述时域特征包括有量纲特征和无量纲特征；其中，所述有量纲特征包括以下至少一种：均值、标准差、均方根和峰峰值；所述无量纲特征包括以下至少一种：偏度、峭度、波形因子、峰值因子、脉冲因子和裕度因子；所述频域特征包括以下至少一种特征：均方频率、重心频率、频经方差、一倍频幅值及其能量占比、二倍频幅值及其能量占比和三倍频幅值及其能量占比。优选地，所述第一位移数据包括故障邻近数据和故障远离数据。优选地，其中，所述故障转子、所述非故障转子和所述待检测转子的两端均布置有用于采集位移数据的电涡流位移传感器。本专利技术实施例还提供一种转子故障分析装置，所述装置包括：第一获取模块，用于获取故障转子和非故障转子轴向和径向的第一位移数据；提取模块，用于提取用于训练故障分析模型的第一位移数据的特征，形成第一特征数据集；建模模块，用于根据所述第一特征数据集中的至少部分特征，采用支持向量机算法构建故障分析模型；第二获取模块，用于获取待检测转子轴向和径向的第二位移数据，并提取所述第二位移数据的特征；分析模块，用于根据所述故障分析模型对所述待检测转子的特征进行分析，得到所述待检测转子是否会发生故障的分析结果；其中所述特征的类型包括时域特征和频域特征。。与现有技术相比，本专利技术实施例具有以下有益效果：获取故障转子和非故障转子轴向和径向的第一位移数据，根据包含第一位移数据的时域特征和频域特征，采用SVM算法构建故障分析模型，根据所述故障分析模型对待检测转子的第二位移数据进行计算，得到所述待检测转子是否会发生故障的分析结果；本专利技术实施例通过采用支持向量机算法构建故障分析模型，来分析判断是否会发生转子故障，对可能发生故障的转子进行及时预防和维护，优化设备运维管理方法，从而避免因故障发生的经济损失。附图说明图1(a)为本专利技术实施例的非故障机组的转子在某时间段内的轴心轨迹示意图；图1(b)为本专利技术实施例的非故障机组的转子在某时间段内的轴心轨迹示意图；图1(c)为本专利技术实施例的非故障机组的转子在下一时间段内的轴心轨迹示意图；图1(d)为本专利技术实施例的非故障机组的转子在下一时间段内的轴心轨迹示意图；图2(a)为本专利技术实施例的故障机的转子在某时间段内的轴心轨迹示意图；图2(b)为本专利技术实施例的故障机的转子在某时间段内的轴心轨迹示意图；图2(c)为本专利技术实施例的故障机的转子在下一时间段内的轴心轨迹示意图；图2(d)为本专利技术实施例的故障机的转子在下一时间段内的轴心轨迹示意图；图3(a)为本专利技术实施例的故障机的转子在某时间段内的位移数据的傅里叶变换频谱图；图3(b)为本专利技术实施例的故障机的转子在下一时间段内的位移数据的傅里叶变换频谱图；图4为本专利技术的转子故障分析方法的实施例一的转子故障分析流程图；图5为本专利技术的转子故障分析方法的实施例二的转子故障分析流程图；图6为本专利技术的转子故障分析方法的实施例二的对第一特征数据集进行分组示意图；图7为本专利技术的转子故本文档来自技高网...

【技术保护点】
1.一种转子故障分析方法，其特征在于，包括：/n获取故障转子和非故障转子轴向和径向的第一位移数据；/n提取用于训练故障分析模型的第一位移数据的特征，形成第一特征数据集；/n根据所述第一特征数据集中的至少部分特征，采用支持向量机算法构建故障分析模型；/n获取待检测转子轴向和径向的第二位移数据，并提取所述第二位移数据的特征；/n根据所述故障分析模型对所述第二位移数据的特征进行分析，得到所述待检测转子是否会发生故障的分析结果；/n其中所述特征的类型包括时域特征和频域特征。/n

【技术特征摘要】
1.一种转子故障分析方法，其特征在于，包括：
获取故障转子和非故障转子轴向和径向的第一位移数据；
提取用于训练故障分析模型的第一位移数据的特征，形成第一特征数据集；
根据所述第一特征数据集中的至少部分特征，采用支持向量机算法构建故障分析模型；
获取待检测转子轴向和径向的第二位移数据，并提取所述第二位移数据的特征；
根据所述故障分析模型对所述第二位移数据的特征进行分析，得到所述待检测转子是否会发生故障的分析结果；
其中所述特征的类型包括时域特征和频域特征。


2.根据权利要求1所述的方法，其特征在于，提取用于训练故障分析模型的第一位移数据的特征，形成第一特征数据集，包括：
对所述第一位移数据进行预处理，得到预处理后的第一位移数据；
提取所述预处理后的第一位移数据的特征；
对所述特征进行筛选得到筛选后的有效特征，形成第一特征数据集。


3.根据权利要求2所述的方法，其特征在于，对所述第一位移数据的特征进行预处理，得到预处理后的特征，包括：
将所述第一位移数据进行数据清洗，以去除异常数据和无用数据。


4.根据权利要求2所述的方法，其特征在于，对所述特征进行筛选得到筛选后的有效特征，形成第一特征数据集，包括：
选择在故障时和非故障时具有明显差异的特征；
计算所述具有明显差异的特征的相关系数；
根据所述相关系数确定相关度较大的特征，并从相关度较大的特征中选择其中一个特征作为代表性特征。


5.根据权利要求4所述的方法，其特征在于，对所述特征进行筛选得到筛选后的有效特征，形成第一特征数据集，还包括：
选取以下至少一种特征：峰峰值、峰值因子、频率方差、一倍频幅值及其能量占比、二倍频幅值及其能量占比和三倍频幅值...

【专利技术属性】
技术研发人员：李治，刘哲，吴艳萍，乔琦，
申请(专利权)人：北京航天智造科技发展有限公司，
类型：发明
国别省市：北京;11