【技术实现步骤摘要】
多光纤光栅传感器转子机组故障特征数据库的建立方法
[0001]本专利技术属于大型旋转装置监测
，具体涉及一种基于多光纤光栅传感器的转子机组故障特征数据库的建库方法及系统。
技术介绍
[0002]随着科技水平的提高，机械设备不断朝着高速、重载、高稳定性的方向发展，机械结构日趋复杂，工作环境也愈加恶劣。转子广泛应用于旋转机组中，尤其是发动机组。不平衡、不对中、动静摩擦、松动都是转子机组的常见故障，对发动机组的安全稳定运行构成了严重的威胁，甚至危害人们的生命安全。因此，对转子进行故障监测具有重大意义。
[0003]当前常见的故障诊断大多通过提取振动信息特征参数，并对特征参数进行分类，判断出转子的故障类型。相比构建故障数据库，该方法诊断速度较慢，适用于定期对大量数据进行分析，不利用长期对设备进行实时快速的诊断。并且仅通过单一振动信号参量对故障进行判定，容易出现误判的情况。
[0004]既有专利有通过校验后的动力学模型参数构建故障数据库，再通过特征提取方法，用特征值代替振动数据。该方法无聚类分析算法，需要预先根据实际数据划分好故障类别，在已知故障数据分类不明确的情况下，该方法难以实施。并且该方法下数据库不能进行自动更新，在遇到新类型故障情况下，无法将该故障加入数据库。
[0005]还有专利利用多小波技术进行特征提取，然后用K
‑
means算法进行聚类分析，构建特征库。该专利技术的仅对振动信号单一参量进行聚类分析，容易出现误判的情况，准确率不高。
技术实现思路
[0...
【技术保护点】
【技术特征摘要】
1.一种多光纤光栅传感器转子机组故障特征数据库的建立方法，其特征在于，包括：S1、对采集的传感器实时信息进行解调，得到对应的振动信号和温度值；S2、通过基于经验模态分解EMD对振动信号进行特征分解，并进行Hilbert变换得到相应的边际谱能量特征值；S3、通过融合了贝叶斯公式的改进K
‑
means算法将边际谱能量特征值和温度值一一对应，并进行数据融合和聚类分析；S4、将分类后的振动特征值和温度值分类存入数据库，建立故障特征数据库；其中步骤S3具体包括以下步骤：S31、随机选取一个经Hilbert变换的边际谱能量特征值作为第一个聚类中心，计算所有边际谱能量特征值和该第一个聚类中心之间的欧式距离，并根据计算结果选取下一个聚类中心，重复该步骤，直到K个聚类中心被选出；S32、计算其余边际谱能量特征值到K个聚类中心的距离，并将它们归类到最近的聚类中心所属的类别中；S33、重新计算出新的K个聚类中心，如果相邻两次聚类中心没有任何变化，则聚类结束，否则进入下一次迭代；S34、通过贝叶斯公式将一一对应的边际谱能量特征值和温度值进行融合，计算每个边际谱能量特征值对应的后验概率，若后验概率大于预设值，则保持所在聚类的类别，否则调整为正常状态,若原来为正常状态，后验概率大于预设值,则通过人工判断将其加入K
‑
1个聚类中的一种。2.根据权利要求1所述的多光纤光栅传感器转子机组故障特征数据库的建立方法，其特征在于，步骤S34中具体通过贝叶斯公式特征在于，步骤S34中具体通过贝叶斯公式计算后验概率，其中B为边际谱能量特征值，C为与B对应的温度值，B、C之间是相互独立的，i，j取值为0或者1，其中A0表示转子正常，A1表示转子故障，利用先验知识计算先验概率P(A
i
)和条件概率P(B∨C|A
i
)；根据转子部位对温度参量划分阈值，大于阈值认为是故障温度，小于阈值则认为正常温度。3.根据权利要求1所述的多光纤光栅传感器转子机组故障特征数据库的建立方法，其特征在于，步骤S2具体包括以下步骤：S21、通过EMD对振动信号h(t)进行特征分解，用三次样条线将极大值点连接形成上包络线，将极小值连接形成下包络线；求出上下包络线的平均值a
i
，b
i
＝h(t)
‑
a
i
，若b
i
满足特征模态函数的两个条件，则将b
i
记成第一个分量IMF，另记为c1；进一步进行特征分解得到多个分量IMF，并将得到的各个IMF分类记为c
i
(t)，其中i＝1
…
n，n为自然数；S22、对各个IMF分量c
i
进行Hilbert变换，得到Hilbert时频谱，并计算Hilbert边际谱，得到分解后特征相应的边际谱能量特征值。4.一种基于多光纤光栅传感器转子机组故障特征数据库的构建系统，其特征在于，包括：解调模块，用于对采集的传感器实时信息进行解调，得到对应的振动信号和温度值；特征分解模块...
【专利技术属性】
技术研发人员：甘维兵，张寅杰，张翠，郭会勇，刘芳，周爱，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：
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。