一种机器设备故障诊断方法及装置制造方法及图纸

本发明专利技术公开了一种机器设备故障诊断方法及装置，所述故障诊断方法包括：获取多个传感器采集的机器的运动状况信息；对所述运动状况信息进行一维或多维处理，生成多个诊断指标；基于多个所述诊断指标进行机器的故障诊断；解决了现有技术对机器进行故障诊断存在主观因素，对机器的故障诊断不够准确等技术问题。对机器的故障诊断不够准确等技术问题。对机器的故障诊断不够准确等技术问题。

【技术实现步骤摘要】
一种机器设备故障诊断方法及装置


[0001]本专利技术属于机器故障诊断
，尤其涉及一种机器设备故障诊断方法及装置。

技术介绍

[0002]机器故障诊断是一种了解和掌握机器在运行过程的状态，确定其整体或局部正常或异常，早期发现故障及其原因，并能预报故障发展趋势的技术。油液监测、振动监测、噪声监测、性能趋势分析和无损探伤等为其主要的诊断技术方式。
[0003]现有的故障诊断方法为通过传感器采集机器的运行状况，并通过人工对机器的运行状况进行分析，从而对机器进行故障诊断，人工对机器进行故障诊断存在主观因素，对机器的故障诊断不够准确。

技术实现思路

[0004]本专利技术要解决的技术问题是：提供一种机器设备故障诊断方及装置，以解决现有技术对机器进行故障诊断存在主观因素，对机器的故障诊断不够准确等技术问题。
[0005]本专利技术的技术方案是：
[0006]一种机器设备故障诊断方法，所述方法包括：
[0007]获取各个传感器采集的机器的运动状况信息；
[0008]对所述运动状况信息进行一维或多维处理，生成诊断指标；
[0009]基于各个诊断指标进行机器的故障诊断。
[0010]诊断指标包括：第一诊断指标；
[0011]获取运动状况信息中的第一振动信号和第二振动信号；
[0012]对第一振动信号和第二振动信号进行多元经验模式分解，得到全谱指标；
[0013]将全谱指标作为第一诊断指标。
[0014]全谱指标的生成方法包括：
[0015]对第一振动信号和第二振动信号进行多元经验模式分解，得到目标固有模态函数；
[0016]获取标准正交方向的标准二维信号和故障情况下的故障二维信号；
[0017]计算目标固有模态函数与标准二维信号之间的第一互信息；
[0018]对故障二维信号进行多元经验模式分解，得到故障固有模态函数；
[0019]计算故障固有模态函数和故障二维信号之间的第二互信息；
[0020]计算故障固有模态函数和标准二维信号之间的第三互信息；
[0021]通过第一互信息、第二互信息以及第三互信息计算得到全谱指标。
[0022]通过第一互信息、第二互信息以及第三互信息计算得到全谱指标的方法包括：
[0023]计算第一互信息和第二互信息的均值；
[0024]基于均值和第三互信息计算，得到固有模态函数的敏感因子；
[0025]基于敏感因子确定目标固有模态函数；
[0026]基于目标固有模态函数得到全谱指标。
[0027]所述诊断指标包括：第二诊断指标；
[0028]对运动状况信息进行一维处理，生成一个以上诊断指标，包括：
[0029]根据运动状况信息得到一个以上运动信号；
[0030]对运动信号进行特征提取，得到特征信息；
[0031]通过主成分分析对各个特征信息进行特征融合，得到特征产生指标；
[0032]将特征产生指标作为第二诊断指标。
[0033]通过主成分分析对特征信息进行特征融合，得到特征产生指标的方法包括：
[0034]将各个特征信息进行存储，得到特征集；
[0035]获取预设故障级别；
[0036]通过单调相关性算法计算特征集中的每个特征与预设故障级别之间的单调相关性，得到单调相关性集合；
[0037]基于单调相关性集合得到第一主成分；
[0038]计算第一主成分和所述预设故障级别之间的单调相关性，得到目标单调相关性；
[0039]基于目标单调相关性得到特征产生指标。
[0040]诊断指标包括第一诊断指标和第二诊断指标；
[0041]基于各个诊断指标进行机器的故障诊断，包括：
[0042]通过第一诊断指标和第二诊断指标确定单调变化趋势；
[0043]根据单调变化趋势确定机器的损伤程度；
[0044]通过损伤程度进行机器的故障诊断。
[0045]目标固有模态函数的确定方法为：在正常操作情况下，选取两个标准正交方向的第一振动信号x
nor
(t)和第二振动信号y
nor
(t),记作标准二维信号x
nor
(t)i+y
nor
(t)j，并在故障情况下，选取原来的两个正交方向的第一故障信号x(t)和第二故障信号y(t)，记作故障二维信号x(t)i+y(t)j，通过EMD方法对第n个固有模态函数的第一振动信号x
nor
(t)、第二振动信号y
nor
(t)、第一故障信号x(t)以及第二故障信号y(t)进行多元经验模式分解，得到目标固有函数的cn
xnor
(t)、cn
ynor
(t)；选取正常操作情况下和故障情况下的正交方向的信号后获取标准正交方向的标准二维信号x
nor
(t)i+y
nor
(t)j，并获取故障情况下的正交方向的故障二维信号x(t)i+y(t)j；根据目标固有函数获取正常信号的第n个固有模态函数cn
xnor
(t)i+cn
ynor
(t)j，并计算正常信号的第n个固有模态函数cn
xnor
(t)i+cn
ynor
(t)j与标准二维信号x
nor
(t)i+y
nor
(t)j之间的第一互信息a
n
；当得到故障二维信号后，根据EMD方法对故障二维信号x(t)i+y(t)j进行多元经验模式分解，得到故障固有模态函数cn
x
(t)和cn
y
(t)。
[0046]第二互信息和第三互信息和敏感因子的确定方法为：
[0047]根据故障固有模态函数cn
x
(t)和cn
y
(t)得到故障固有模态函数的第n个固有模态函数cn
x
(t)i和cn
y
(t)j，并计算故障固有模态函数的第n个固有模态函数cn
x
(t)i和cn
y
(t)j和故障二维信号x(t)i+y(t)j之间的第二互信息b
n
；计算故障模态函数的第n个固有模态函数cn
x
(t)i和cn
y
(t)j和标准二维信号x
nor
(t)i+y
nor
(t)j之间的第三互信息e
n
；
[0048]固有模态函数的敏感因子，计算公式为：
[0049][0050](a
n
+b
n
)/2为第一互信息和第二互信息的均值，e
n
为第三互信息，λ
n
为固有模态函数的敏感因子，第一互信息和第二互信息的均值越低，敏感因子的值越高，说明此敏感因子对应的固有模态本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种机器设备故障诊断方法，其特征在于：所述方法包括：获取各个传感器采集的机器的运动状况信息；对所述运动状况信息进行一维或多维处理，生成诊断指标；基于各个诊断指标进行机器的故障诊断。2.根据权利要求1所述的一种机器设备故障诊断方法，其特征在于：诊断指标包括：第一诊断指标；获取运动状况信息中的第一振动信号和第二振动信号；对第一振动信号和第二振动信号进行多元经验模式分解，得到全谱指标；将全谱指标作为第一诊断指标。3.根据权利要求2所述的一种机器设备故障诊断方法，其特征在于：全谱指标的生成方法包括：对第一振动信号和第二振动信号进行多元经验模式分解，得到目标固有模态函数；获取标准正交方向的标准二维信号和故障情况下的故障二维信号；计算目标固有模态函数与标准二维信号之间的第一互信息；对故障二维信号进行多元经验模式分解，得到故障固有模态函数；计算故障固有模态函数和故障二维信号之间的第二互信息；计算故障固有模态函数和标准二维信号之间的第三互信息；通过第一互信息、第二互信息以及第三互信息计算得到全谱指标。4.根据权利要求3所述的一种机器设备故障诊断方法，其特征在于：通过第一互信息、第二互信息以及第三互信息计算得到全谱指标的方法包括：计算第一互信息和第二互信息的均值；基于均值和第三互信息计算，得到固有模态函数的敏感因子；基于敏感因子确定目标固有模态函数；基于目标固有模态函数得到全谱指标。5.根据权利要求1所述的一种机器设备故障诊断方法，其特征在于：所述诊断指标包括：第二诊断指标；对运动状况信息进行一维处理，生成一个以上诊断指标，包括：根据运动状况信息得到一个以上运动信号；对运动信号进行特征提取，得到特征信息；通过主成分分析对各个特征信息进行特征融合，得到特征产生指标；将特征产生指标作为第二诊断指标。6.根据权利要求5所述的一种机器设备故障诊断方法，其特征在于：通过主成分分析对特征信息进行特征融合，得到特征产生指标的方法包括：将各个特征信息进行存储，得到特征集；获取预设故障级别；通过单调相关性算法计算特征集中的每个特征与预设故障级别之间的单调相关性，得到单调相关性集合；基于单调相关性集合得到第一主成分；计算第一主成分和所述预设故障级别之间的单调相关性，得到目标单调相关性；
基于目标单调相关性得到特征产生指标。7.根据权利要求1所述的一种机器设备故障诊断方法，其特征在于：诊断指标包括第一诊断指标和第二诊断指标；基于各个诊断指标进行机器的故障诊断，包括：通过第一诊断指标和第二诊断指标确定单调变化趋势；根据单调变化趋势确定机器的损伤程度；通过损伤程度进行机器的故障诊断。8.根据权利要求3所述的一种机器设备故障诊断方法，其特征在于：目标固有模态函数的确定方法为：在正常操作情况下，选取两个标准正交方向的第一振动信号x
nor
(t)和第二振动信号y
nor
(t),记作标准二维信号x
nor
(t)i+y
nor
(t)j，并在故障情况下，选取原来的两个正交方向的第一故障信号x(t)和第二故障信号y(t)，记...

【专利技术属性】
技术研发人员：王杰峰，杜鹏，舒彧，李洵，郝越峰，卢仁猛，方继宇，肖宁，
申请(专利权)人：贵州电网有限责任公司，
类型：发明
国别省市：