【技术实现步骤摘要】
基于全矢谱技术AR
‑
Kalman滤波的转子故障趋势预测方法
[0001]本专利技术涉及故障趋势预测
,具体地,涉及一种基于全矢谱技术AR
‑
Kalman滤波的转子故障趋势预测方法。
技术介绍
[0002]目前,旋转机械是用途非常广泛的机械设备,它支撑着一个国家的经济命脉,一旦发生重大故障,就有可能造成巨大的经济损失。如何有效的避免和预防机械设备发生故障,避免事故的发生,提高设备运行的安全性、稳定性和可靠性,是人们关心和亟需解决的问题。传统的故障诊断技术是基于单源信息的,这类诊断技术的特点是故障特征提取不充分、不完整,诊断结果的可靠性和准确性不高。基于全矢谱的AR模型预测精度仍需进一步的提高,以满足工程实际需求。
技术实现思路
[0003]本专利技术的目的在于克服现有技术中存在的上述不足,而提供一种基于全矢谱技术AR
‑
Kalman滤波的转子故障趋势预测方法。
[0004]本专利技术解决上述问题所采用的技术方案是:一种基于全矢谱技术AR
‑
Kalman滤波的转子故障趋势预测方法,其特征在于:对来自于旋转机械转子上相互垂直的传感器振动信息,采用全矢谱技术对其故障特征进行双通道提取,使用全矢AR
‑
Kalman滤波方法对旋转机械的故障趋势进行预测,预测方法包括以下步骤:
[0005]步骤1,对转子同一截面相互垂直X和Y方向上的振动数据构造离散数据序列{x
k
}和{y
k ...
【技术保护点】
【技术特征摘要】
1.一种基于全矢谱技术AR
‑
Kalman滤波的转子故障趋势预测方法,其特征在于:对来自于旋转机械转子上相互垂直的传感器振动信息,采用全矢谱技术对其故障特征进行双通道提取,使用全矢AR
‑
Kalman滤波方法对旋转机械的故障趋势进行预测,预测方法包括以下步骤:步骤1,对转子同一截面相互垂直X和Y方向上的振动数据构造离散数据序列{x
k
}和{y
k
}(k=0,1,2
…
,N
‑
1),对离散序列构造复序列{z
k
},{z
k
}={x
k
}+j{y
k
};对离散序列{x
k
}、{y
k
}、{z
k
}进行傅里叶变换得到{X
k
}、{Y
k
}、{Z
k
};X
Rk
、Y
Rk
、Z
Rk
分别表示X
k
、Y
k
、Z
k
的实部,X
Ik
、Y
Ik
、Z
Ik
分别表示X
k
、Y
k
、Z
k
的虚部;再对其做傅立叶变换,得到Z
k
的离散傅立叶变换,利用傅立叶性质和共轭性,得到:的离散傅立叶变换,利用傅立叶性质和共轭性,得到:其中,k=0,1,2
…
,N/2
‑
1;X
pk
和分别为圆频率为+ω
k
的圆轨迹的半径和相位角;X
rk
和分别为圆频率为ω
k
【专利技术属性】
技术研发人员:柴保桐,马光耀,张帅,李鹏,陈帅,
申请(专利权)人:华电电力科学研究院有限公司,
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。