【技术实现步骤摘要】
一种回转机械设备故障检测方法以及装置
[0001]本申请涉及机械领域,尤其涉及一种回转机械设备故障检测方法以及装置。
技术介绍
[0002]对于一些运输装置,如皮带机或者运输机等,托辊是重要机械组件。例如,皮带机是煤矿输送原煤的主要机械,托辊作为皮带机的核心部件,其正常运转直接关系到皮带机物料的运送功能。托辊故障容易造成局部升温,是威胁煤矿采煤安全的重要因素,托辊故障频发极大提高了皮带机运维强度和成本。
[0003]在一些场景中,针对托辊的故障检测,可以通过光纤拾取振动信息,对光纤信号进行相位解调,绘制光纤解调后的相位信号的瀑布图,根据相位瀑布图来定位托辊故障点。然而,在拾取振动信息时,皮带机自身的振动对于故障点的振动的干扰较强,将导致故障识别的准确地降低。
技术实现思路
[0004]本申请提供一种回转机械设备故障检测方法以及装置,用于通过对采集到的振动信息进行分解分析,使用更细粒度的模式分量更准确地对机械设备的故障进行故障情况诊断。
[0005]有鉴于此,本申请第一方面提供一种回转机械设备故障检测方法,包括:首先,获取振动信息,该振动信息中可以包括采集到的至少一个机械设备产生的振动的信息,具体可以是通过振动传感器采集,如电感式振动传感器或者光纤分布式声学传感器(optical fiber distributed acoustic sensing,DAS)等传感器来采集;随后,对振动信息进行解调,得到多种模式分量,该多种模式分量可以用于表示至少一个机械设备的至少一种工作模式的信息,通常 ...
【技术保护点】
【技术特征摘要】
1.一种回转机械设备故障检测方法,其特征在于,包括:获取振动信息,所述振动信息包括采集到的至少一个机械设备产生的振动的信息;对所述振动信息进行解调,得到多种模式分量,所述多种模式分量用于表示所述至少一个机械设备的至少一种工作模式的信息;根据所述多种模式分量确定所述至少一个机械设备的故障信息,所述故障信息用于表示所述至少一个机械设备是否产生故障。2.根据权利要求1所述的方法,其特征在于,所述根据所述多种模式分量确定所述至少一个机械设备的故障信息,包括:获取所述多种模式分量中每种模式分量的多个指标值,所述多个指标值包括从多个维度对所述每种模式分量进行评价得到的评价值,所述多个维度包括所述多种模式分量的信号冲击性、周期冲击性或信噪比中的至少一种;根据所述每种模式分量的所述多个指标值识别对应的机械设备的工作模式是否为故障模式;若所述多种模式分量中包括至少一种故障模式分量,则生成表示所述至少一个机械设备是否产生故障的所述故障信息,所述至少一种故障模式分量表示机械设备的工作表示为故障模式的模式分量。3.根据权利要求2所述的方法,其特征在于,所述根据所述每种模式分量的所述多个指标值识别对应的机械设备的工作模式是否为故障模式,包括:若第一模式分量对应的多个指标值不在预设边界内,则确定所述第一模式分量的所述多个指标值识别对应的机械设备的工作模式为故障模式,所述预设边界为机械设备的工作模式处于非故障模式时对应的多个指标值的分布范围,所述第一模式分量为所述多种模式分量中的任意一个。4.根据权利要求2或3所述的方法,其特征在于,所述每种模式分量的多个指标包括以下至少一种:峭度、相关峭度、包括谐噪比、负熵、Gini指数、方差或者标准差。5.根据权利要求2
‑
4中任一项所述的方法,其特征在于,所述方法还包括:根据所述至少一种故障模式分量对应的多个指标值,确定所述至少一种故障模式分量中每种故障模式分量对应的故障类型。6.根据权利要求5所述的方法,其特征在于,所述根据所述至少一种故障模式分量对应的多个指标值,确定所述至少一种故障模式分量中每种故障模式分量对应的故障类型,包括:将所述至少一种故障模式分量对应的多个指标值作为故障类型识别模型的输入,输出所述至少一种故障模式分量中每种故障模式分量对应的故障类型,所述故障类型识别模型为使用第一训练集进行训练得到,所述第一训练集中包括所述至少一个机械设备的历史数据,所述历史数据包括所述至少一个机械设备的在非故障模式工作时产生的数据以及所述至少一个机械设备在故障模式工作时获取的故障类型;或者,将所述至少一种故障模式分量对应的多个指标值与对应的阈值进行比较,确定所述至少一种故障模式分量中每种故障模式分量对应的故障类型。7.根据权利要求6所述的方法,其特征在于,所述方法还包括:使用所述第一训练集对所述故障类型识别模型进行训练,得到训练后的所述故障类型
识别模型,其中,在训练所述故障类型识别模型的过程中,将所述第一训练集中的样本作为所述故障类型识别模型的输入,所述故障类型识别模型用于对多种类型的故障对应的样本进行故障分类,并计算每种故障分类的分类中心;所述将所述至少一种故障模式分量对应的多个指标值作为故障类型识别模型的输入,输出所述至少一种故障模式分量中每种故障模式分量对应的故障类型,包括:通过所述故障类型识别模型从所述至少一种故障模式分量对应的多个指标值提取特征;通过所述故障类型识别模型获取所述每种故障模式分量对应的特征与所述每种故障分类的分类中心之间的距离;根据所述每种故障模式分量对应的特征与所述每种故障分类的分类中心之间的距离,确定所述每种故障模式分量对应的故障类型。8.根据权利要求2
‑
7中任一项所述的方法,其特征在于,所述方法还包括:根据所述至少一种故障模式分量对应的多个指标值,确定所述至少一种故障模式分量中每种故障模式分量对应的故障量级,所述故障量级表示所述至少一种故障模式分量中每种故障模式分量对应的机械设备的故障程度。9.根据权利要求8所述的方法,其特征在于,所述根据所述至少一种故障模式分量对应的多个指标值,确定所述至少一种故障模式分量中每种故障模式分量对应的故障量级,包括:将所述至少一种故障模式分量对应的多个指标值作为故障量级识别模型的输入,输出所述至少一种故障模式分量中每种故障模式分量对应的故障量...
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。