一种机械故障诊断方法和装置制造方法及图纸

本发明专利技术公开了一种机械故障诊断方法，包括：获取目标机械设备中用于进行机械故障诊断的ｍ个信号，所述ｍ为正整数，并对每个信号进行定性和定量趋势分析；分别计算所有ｍ个信号的定性和定量趋势分析结果与知识库中预先保存的每种故障类型所对应的特征趋势之间的总体相似度系数；判断计算出的取值最大的总体相似度系数是否大于预先设定的阈值，如果是，则将所述取值最大的总体相似度系数对应的故障类型确定为所述目标机械设备所处的故障类型。本发明专利技术同时公开了一种机械故障诊断装置。应用本发明专利技术所述的方法和装置，能够准确地识别出机械设备所处的故障类型。

【技术实现步骤摘要】

本专利技术涉及自动化技术，特别涉及一种机械故障诊断方法和装置。
技术介绍
当前，基于人工智能的自动机械故障诊断系统在机械领域的应用越来越广泛。其 中，在学术领域和工业界，尤以基于知识的故障推理和基于数学模型的故障诊断这两种技 术的研究和应用最为普遍。但是，这两种技术的实现均需要依赖于一个基本的假设，那就 是对所获得的故障类型的知识有一个清晰的表述，无论是采用数学方程还是通过在知识库 (Knowlegde Database)中构建规则集(Rule Stes)的表述方式。 但是，由于不同的故障类型在不同的场景下表现为不同的信号模式，而且，即使对 于类似机械设备的相同故障类型，所表现出来的信号模式也可能有很大的不同，所以，通常 很难完整准确地获取到针对各种不同故障类型的知识。 为此，现有技术中多采用对采集到的所有信号进行综合性的定性趋势分析的方 法，来弥补当需要进行机械故障诊断时，所需知识不完整的不足。当前，随着基于人工智能 的自动机械故障诊断系统在工业上的广泛应用，出现各种基于不同定性趋势分析方法的机 械故障诊断方法。比如 定性趋势推理方法，旨在表示和说明一个过程变量的动态演变过程。该方法的具 体实现包括首先，将该过程变量的时间序列划分为一系列可用几何学上的三角形或梯形 模型来表示的时域波段；然后，用不同的字母来表示不同的波段，从而将划分得到的所有波 段表示为一个符合串；举例说明，图1为现有不同波段的定义方式以及字母表示示意图，图 2为现有一个过程变量所对应的时间序列示意图，该时间序列可用图1中所示的不同波段 进行表示，从而得到一个与该时间序列相对应的字符串ABCDABCDAB ;然后，将表示出的字 符串与知识库中预先保存的故障特征之间进行自动模式匹配，以推断出机械设备当前的运 行状态，即所处的故障类型。 但是，这种方法会导致不精确的边界划分(即对于处于不同波段交界处的时间序 列，很难确定其所述波段类型)；而且，由于噪声以及一些潜在的其它因素的影响，即使对 于相同的故障类型，也很难用相同的字符串来进行表示，因此，需要建立一个庞大的知识 库，同时也可能造成匹配的错误。 为此，现有技术中又提出了一种模糊推理方法，该方法首先利用多项式拟合的区 间-二分法技术，从定性上自动识别出所采集的信号的时间序列的演变趋势，然后，基于识 别出的演变趋势，计算该信号与知识库中预先保存的故障特征之间的模糊相似度，以识别 出最可能的故障类型。其中，知识库中包含有一系列的If/Then规则，这些规则可从物理意 义上解释一个故障类型所对应的信号的演变趋势。 这种方法对于提高故障推理过程中的鲁棒性非常有帮助。但是，如果在区间_ 二 分法技术中采用不同的时间粒度来划分信号的时间序列，并且考虑到信号正常或异常的振 幅波动，即使对于相同的信号的时间序列，也会得到不同的趋势识别结果，进而导致不同的模糊相似度计算结果以及故障类型识别结果。
技术实现思路
有鉴于此，本专利技术的主要目的在于提供一种机械故障诊断方法，能够准确地识别 出机械设备所处的故障类型。 本专利技术的另一 目的在于提供一种机械故障诊断装置，能够准确地识别出机械设备 所处的故障类型。 为达到上述目的，本专利技术的技术方案是这样实现的 —种机械故障诊断方法，包括 采集目标机械设备中用于进行机械故障诊断的m个信号，所述m为正整数，并对每 个信号进行定性和定量趋势分析； 分别计算所有m个信号的定性和定量趋势分析结果与知识库中预先保存的每种 故障类型所对应的特征趋势之间的总体相似度系数； 判断计算出的取值最大的总体相似度系数是否大于预先设定的阈值，如果是，则 将所述取值最大的总体相似度系数对应的故障类型确定为所述目标机械设备所处的故障 类型。 其中，所述对每个信号进行定性和定量趋势分析之前，进一步包括对每个信号进 行去噪处理； 所述对每个信号进行定性和定量趋势分析包括对每个经过去噪处理后的信号进 行定性和定量趋势分析。 所述对每个信号进行定性和定量趋势分析之前，进一步包括提取每个信号中的 特征量； 所述对每个信号进行定性和定量趋势分析包括对从每个信号中提取出的特征量 进行定性和定量趋势分析。较佳地，所述对每个信号进行定性和定量趋势分析包括 按照预先定义的原语，将每个信号的时间序列划分为一个以上的波段，并将每个 波段用多项式进行拟合； 基于拟合后的信息，分析并识别出每个信号的整体演变趋势以及局部演变趋势； 将识别出的每个信号的整体演变趋势以及局部演变趋势进行定性和定量描述。 所述将识别出的每个信号的整体演变趋势以及局部演变趋势进行定性和定量描 述包括 将识别出的每个信号的整体演变趋势以及局部演变趋势利用可扩展标记语言XML 进行定性和定量描述。 较佳地，所述分别计算所有m个信号的定性和定量趋势分析结果与知识库中预先 保存的每种故障类型所对应的特征趋势之间的总体相似度系数包括 针对所述知识库中预先保存的每种故障类型Fi，所述i的取值为从1到N，所述N 为故障类型总数，分别执行以下操作 A、定义两个参数和SCX」，其初始值均赋值为0 ;将所述m个信号分别编号为S工 到Sm，并从中选取一个信号Sx，所述x的初始值为1 ; B、判断所述信号Sx的整体演变趋势与所述知识库中保存的当故障类型为Fi时， 信号S,所应该表现出的整体演变趋势是否一致，如果是，则执行步骤C ;否则，执行步骤D ; C、 SCX」=SCXj+1 ，然后执行步骤E ; D、 x = x+l，并执行步骤B ; E、判断所述信号Sx的局部演变趋势与所述知识库中保存的当故障类型为&时，信 号S,所应该表现出的局部演变趋势是否一致，如果是，则SCX」=SCX」+l，并执行步骤F ;否 则，直接执行步骤F; F、 SCX」=SCX」X Wx」，= SCi+SQ」；所述Wx」为预先定义的权重系数； G、判断所述x的取值是否等于m，如果是，结束流程；否则，执行步骤D。 所述Wx」的取值为0. 5 。 —种机械故障诊断装置，包括 信号采集单元，用于采集目标机械设备中用于进行机械故障诊断的m个信号，所 述m为正整数； 趋势分析单元，用于对每个信号进行定性和定量趋势分析； 相似度计算单元，用于分别计算所有m个信号的定性和定量趋势分析结果与知识库中预先保存的每种故障类型所对应的特征趋势之间的总体相似度系数； 故障确定单元，用于判断计算出的取值最大的总体相似度系数是否大于预先设定的阈值，如果是，则将所述取值最大的总体相似度系数对应的故障类型确定为所述目标机械设备所处的故障类型。 该装置进一步包括 信号预处理单元，用于对每个信号进行去噪处理，和/或，用于提取每个信号中的 特征量； 所述趋势分析单元对从每个信号中提取出的特征量进行定性和定量趋势分析。 较佳地，所述趋势分析单元包括 划分子单元，用于按照预先定义的原语，将每个信号的时间序列划分为一个以上 的波段，并将每个波段用多项式进行拟合； 识别子单元，用于基于拟合后的信息，分析并识别出每个信号的整体演变趋势以 及局部演变趋势； 描述子单元，用于将识别出的每个信号的整体演变趋势以及局部演变趋势进行定 性和定量描述。 较佳地，所述相似度计算单元包括N个计算子单元；所述N的取值与知识库中本文档来自技高网...

【技术保护点】
一种机械故障诊断方法，其特征在于，该方法包括：采集目标机械设备中用于进行机械故障诊断的ｍ个信号，所述ｍ为正整数，并对每个信号进行定性和定量趋势分析；分别计算所有ｍ个信号的定性和定量趋势分析结果与知识库中预先保存的每种故障类型所对应的特征趋势之间的总体相似度系数；判断计算出的取值最大的总体相似度系数是否大于预先设定的阈值，如果是，则将所述取值最大的总体相似度系数对应的故障类型确定为所述目标机械设备所处的故障类型。

【技术特征摘要】

【专利技术属性】
技术研发人员：胡喜，邢建辉，时文刚，王青岗，卓越，
申请(专利权)人：西门子公司，
类型：发明
国别省市：DE[德国]