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