基于多元参数估计和图像识别的旋转设备故障诊断方法技术

本发明专利技术提出一种基于多元参数估计和图像识别的旋转设备故障诊断方法，包括以下步骤：S1，对原始振动加速度信号使用滤波方法实现信号降噪处理，对加速度信号进行频域积分得到速度信号；S2，确定故障频带，提取故障频带内的信号并进行包络谱变换，实现特征提取；S3，根据设备失效概率和特征频率，计算各特征对应的特征权重值；S4，通过多参数状态估计技术计算验证数据中各特征参数的估计值和残差值；S5，建立基于频率和残差的二维网格图或基于时间、频率和残差的三维网格图，识别图像中的关键变化信息，根据关键特征实现故障诊断。大大提高故障诊断精度，诊断效率也得到提高。诊断效率也得到提高。

【技术实现步骤摘要】
基于多元参数估计和图像识别的旋转设备故障诊断方法


[0001]本专利技术涉及故障诊断
，尤其是一种基于多元参数估计和图像识别的旋转设备故障诊断方法。

技术介绍

[0002]在各种工业现场有大量的旋转设备，旋转设备结构复杂，受环境和噪声影响容易发生故障。任何一类旋转设备出现故障都有可能会造成系统非计划停机，工作人员需要花大量时间来进行故障定位、维修、订购更换零件等，从而产生巨大的经济损失。因此在强噪声和多种干扰条件下，及时发现设备运行异常，准确诊断出旋转设备故障类型，对旋转机械系统的状态监测具有重要意义。
[0003]近年来，随着机器学习研究的深入，数据模型也逐渐在旋转设备故障诊断中有一定的应用，常见方法是对采集的振动信号进行特征提取，对不同故障类型数据打标签，然后通过各种分类器方法，比如支持向量机、最近邻、神经网络、决策树等方式实现数据分类。还有一种多变量状态估计算法，通过将当前运行数据和已生成的历史运行状态进行对比，计算并比较多状态变量之间的相似度，从而实现故障诊断。针对特征参数的提取方法，有提取时域特征参数，频域特征参数基础上本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于多元参数估计和图像识别的旋转设备故障诊断方法，其特征是，包括以下步骤：S1，对原始振动加速度信号使用滤波方法实现信号降噪处理，对加速度信号进行频域积分得到速度信号；S2，确定故障频带，提取故障频带内的信号并进行包络谱变换，实现特征提取；S3，根据设备失效概率和特征频率，计算各特征对应的特征权重值；S4，通过多参数状态估计技术计算验证数据中各特征参数的估计值和残差值；S5，建立基于频率和残差的二维网格图或基于时间、频率和残差的三维网格图，识别图像中的关键变化信息，根据关键特征实现故障诊断。2.根据权利要求1所述的基于多元参数估计和图像识别的旋转设备故障诊断方法，其特征是，所述步骤S1包括以下步骤：S11，振动加速度信号s(t)可表示为：s(t)＝x(t)+d(t)其中，x(t)表示设备振动信号，d(t)表示噪声信号；对s(t)进行离散S变换：其中ω(t)代表窗函数；S12，定义域半径和窗函数后，对S变换的分辨率进行调节，导出数字滤波器H(z)：其中，P
xy
是x(t)与s(t)的互功率谱密度，P
y
是s(t)的功率谱密度，H(z)是z域上的数字滤波器传递函数，γ是域半径。S13，根据最小均方误差准则计算最优滤波器，并对信号进行离散S逆变换，可识别出振动信号x(t)为：S14，对振动信号x(t)使用频域积分得到速度信号v(t)，一次积分的数值计算公式为：S14，对振动信号x(t)使用频域积分得到速度信号v(t)，一次积分的数值计算公式为：f
l
，f
r
分别表示下限截止频率和上限截止频率；X(k)表示为x(t)的傅里叶变换，Δf表示频率分辨率，k是振动信号x(t)对应的数据点，H(k)是频率系数，N为x(t)的数据个数，γ是域半径。3.根据权利要求1所述的基于多元参数估计和图像识别的旋转设备故障诊断方法，其特征是，所述步骤S2包括以下步骤：S21，设置分解层数k由2递增至n，分别构建多个带通、带阻滤波器，对信号进行滤波处理，得到2
k
个分量信号，计算各分量信号的峭度值，假设振动信号的长度为N，分量信号表示
为d，峭度值的公式为：S22，根据峭度值的最大值确定信号的最优分解层数和最优滤波器系数，对信号v(t)和滤波器系数进行...

【专利技术属性】
技术研发人员：李倩，赵彤，杨皓杰，胡宏光，孙丰诚，倪军，
申请(专利权)人：杭州安脉盛智能技术有限公司，
类型：发明
国别省市：