一种机械设备异音监测方法及系统技术方案

本发明专利技术涉及一种机械设备异音监测方法及系统，包括：S1：采集被测机械设备的声音信号和图像信号；S2：识别所述声音信号是否含有异常噪声；S3：若存在，则对所述异常噪声进行声源定位处理；S4：根据所述异常噪声的产生方向和噪声强度、以及所述图像信号，进行声场成像处理；S5：对所述声音信号以及声场成像处理后的信息进行数据分析及故障诊断。本发明专利技术通过监测机械设备的异音，不仅能够确定设备的故障部件，还能有效地诊断其故障原因，使维修有目的地进行，以减少计划外停堆，从而尽可能地避免影响到核电机组的正常运作。到核电机组的正常运作。到核电机组的正常运作。

【技术实现步骤摘要】
一种机械设备异音监测方法及系统


[0001]本专利技术涉及设备检测
，尤其涉及一种机械设备异音监测方法及系统。

技术介绍

[0002]在核电站中，机械设备种类繁多，且连续工作时间长，机械设备难免会出现故障。通常机械设备出现故障，会导致设备产生异响，而这种异响通常作为判断故障存在的基础。比如，当响声处于沉闷状态并伴有一定的振动现象时，较容易判断识别出故障是存在的。当设备所发出的异常噪声很轻微或复杂时，工作人员将无法有效地识别其是否存在异常噪声，给故障诊断带来难度，不能及时准确识别设备的早期故障。异响问题时有发生，严重影响核电站机组运行安全性、稳定性、可靠性及负荷率。

技术实现思路

[0003]本专利技术要解决的技术问题在于，针对现有技术存在的至少一个缺陷，提供一种机械设备异音监测方法及系统。
[0004]本专利技术解决其技术问题所采用的技术方案是：构造一种机械设备异音监测方法，包括：
[0005]S1：采集被测机械设备的声音信号和图像信号；
[0006]S2：识别所述声音信号是否含有异常噪声；
[0007]S3：若存在，则对所述异常噪声进行声源定位处理，以确认所述异常噪声的产生方向和噪声强度；
[0008]S4：根据所述异常噪声的产生方向和噪声强度、以及所述图像信号，进行声场成像处理，以实现对所述异常噪声的产生方向及噪声强度的成像化；
[0009]S5：对所述声音信号以及声场成像处理后的信息进行数据分析及故障诊断，以识别出所述机械设备发生机械故障的部件。
[0010]优选地，在本专利技术所述的机械设备异音监测方法中，所述S1还包括：
[0011]S11：对所述声音信号进行预处理；
[0012]S12：对所述图像信号进行图像矢量化处理和像素角度转换处理。
[0013]优选地，在本专利技术所述的机械设备异音监测方法中，所述S11包括：
[0014]对所述声音信号进行去除直流分量、归一化处理、滤波和预加重处理中的一种或多种处理措施组合。
[0015]优选地，在本专利技术所述的机械设备异音监测方法中，所述S11之后还包括：参照所述机械设备中的部件在正常工作或工作异常时发出的声音特点，对预处理后的声音信号进行特征提取，以提取所述声音信号的特征分量，从而为后续识别预处理后的声音信号是否含有异常噪声提供检测依据。
[0016]优选地，在本专利技术所述的机械设备异音监测方法中，所述S2包括：
[0017]对所述特征分量进行深度神经网络检测算法或无监督异常声音检测算法，以识别
预处理后的声音信号是否含有异常噪声。
[0018]优选地，在本专利技术所述的机械设备异音监测方法中，所述S3中的声源定位处理包括：
[0019]通过传感器阵列采集所述声音信号，对采集到的阵列信号的相位进行补偿求和，得到初步方向信息；同时根据所述异常噪声的频域特征，在所述声音信号里寻找所述异常噪声对应的波束峰值；根据所述初步方向信息和所述波束峰值，进行对应的相位补偿与加权求和处理，以得到用于表征所述异常噪声的产生方向及其对应方向的声场强度的三维波束图。
[0020]优选地，在本专利技术所述的机械设备异音监测方法中，所述S4中的声场成像处理包括：
[0021]将所述三维波束图转换为二维彩色等高图谱；其中，所述二维彩色等高图谱中的表征点用于显示所述视频图像中的像素点发生异常噪声的产生方向，以及利用所述表征点的颜色的深浅显示声场强度；对所述二维彩色等高图谱进行透明化处理，将所述表征点与所述像素点进行叠加，以实现对所述异常噪声的产生方向及噪声强度的成像化。
[0022]优选地，在本专利技术所述的机械设备异音监测方法中，所述S5中的数据分析及故障诊断包括：
[0023]设置用于模拟所述机械设备的各种部件发生故障的故障模拟测试台，对不同故障模式所产生的样本数据进行标定及记录，作为故障样本模型，对所述声音信号进行时域分析、频谱分析以及包络分析，将分析后的声音信号和成像处理后的数据信息与所述故障样本模型进行比对，以实现对所述被测机械设备的故障诊断。
[0024]优选地，在本专利技术所述的机械设备异音监测方法中，对所述声音信号进行时域分析还包括：
[0025]通过判断时域分析后的时域特征参数是否超过预设值来诊断部件是否发生机械故障；
[0026]其中，所述时域特征参数包括均值、峰值、均方根、波峰因数、峰峰值和峭度中的一种或多种组合。
[0027]本专利技术还构造了一种机械设备异音监测系统，所述监测系统包括：
[0028]采集单元，用于采集被测机械设备的声音信号和图像信号；
[0029]异常噪声识别单元，用于识别所述声音信号是否含有异常噪声；
[0030]声音定位单元，用于对所述异常噪声进行声源定位处理；
[0031]成像处理单元，用于根据所述异常噪声的产生方向和噪声强度、以及所述图像信号，进行声场成像处理；
[0032]数据分析及故障诊断单元，用于对所述声音信号以及声场成像处理后的信息进行数据分析及故障诊断。
[0033]实施本专利技术具有以下有益效果：本专利技术通过对机械设备的异音进行监测与故障诊断，通过声源定位处理感知机械设备的异响，确定机械设备的具体故障部件，还能有效地诊断其故障原因，使维修有目的地进行，以减少计划外停堆，从而尽可能地避免影响到核电机组的正常运作。
附图说明
[0034]下面将结合附图及实施例对本专利技术作进一步说明，附图中：
[0035]图1是本专利技术提供的机械设备异音监测方法的第一实施例；
[0036]图2是本专利技术提供的机械设备异音监测方法的第二实施例流程图；
[0037]图3是本专利技术提供的机械设备异音监测方法中的像素角度转换处理的示意图；
[0038]图4是本专利技术提供的机械设备异音监测方法中的三维波束图；
[0039]图5是本专利技术提供的机械设备异音监测方法中的二维彩色等高图谱；
[0040]图6是本专利技术提供的机械设备异音监测方法中的声场成像处理后的示意图；
[0041]图7是本专利技术提供的机械设备异音监测方法中的表征点与像素点进行叠加后的示意图；
[0042]图8是本专利技术提供的机械设备异音监测方法中的可视化处理的对比图。
具体实施方式
[0043]为了对本专利技术的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本专利技术的具体实施方式。
[0044]图1是本专利技术提供的机械设备异音监测方法的第一实施例。如图1所示，本专利技术构造了一种机械设备异音监测方法，包括：步骤S1、步骤S2、步骤S3、步骤S4和步骤S5。
[0045]S1：采集被测机械设备的声音信号和图像信号。
[0046]图2是本专利技术提供的机械设备异音监测方法的第二实施例流程图，与第一实施例相比，其区别在于步骤S1还包括：步骤S11和步骤S12。
[0047]S11：对声音信号进行预处理，包括对声音信号进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种机械设备异音监测方法，其特征在于，包括：S1：采集被测机械设备的声音信号和图像信号；S2：识别所述声音信号是否含有异常噪声；S3：若存在，则对所述异常噪声进行声源定位处理，以确认所述异常噪声的产生方向和噪声强度；S4：根据所述异常噪声的产生方向和噪声强度、以及所述图像信号，进行声场成像处理，以实现对所述异常噪声的产生方向及噪声强度的成像化；S5：对所述声音信号以及声场成像处理后的信息进行数据分析及故障诊断，以识别出所述机械设备发生机械故障的部件。2.根据权利要求1所述的机械设备异音监测方法，其特征在于，所述S1还包括：S11：对所述声音信号进行预处理；S12：对所述图像信号进行图像矢量化处理和像素角度转换处理，以得到视频图像。3.根据权利要求2所述的机械设备异音监测方法，其特征在于，所述S11包括：对所述声音信号进行去除直流分量、归一化处理、滤波和预加重处理中的一种或多种处理措施组合。4.根据权利要求3所述的机械设备异音监测方法，其特征在于，所述S11之后还包括：参照所述机械设备中的部件在正常工作或工作异常时发出的声音特点，对预处理后的声音信号进行特征提取，以提取所述声音信号的特征分量，从而为后续识别预处理后的声音信号是否含有异常噪声提供检测依据。5.根据权利要求4所述的机械设备异音监测方法，其特征在于，所述S2包括：对所述特征分量进行深度神经网络检测算法或无监督异常声音检测算法，以识别预处理后的声音信号是否含有异常噪声。6.根据权利要求5所述的机械设备异音监测方法，其特征在于，所述S3中的声源定位处理包括：通过传感器阵列采集所述声音信号，对采集到的阵列信号的相位进行补偿求和，得到初步方向信息；同时根据所述异常噪声的频域特征，在所述声音信号里寻找所述异常噪声对应的波束峰值；根据所述初步方向信息和所述波束峰值，进...

【专利技术属性】
技术研发人员：左双龙，王琪，王明明，王颖，徐洋洋，李鸿飞，徐北，栾振兴，周淋，邸甲峻，罗少杰，程彬，朱建成，吴鹏，施红星，
申请(专利权)人：中国广核集团有限公司陕西卫峰核电子有限公司，
类型：发明
国别省市：