基于振动波形的设备状态诊断方法及相关装置制造方法及图纸

本发明专利技术涉及人工智能领域，公开了一种基于振动波形的设备状态诊断方法及相关装置，用于实现设备的智能监控以及提高设备的异常分析准确率。方法包括：根据标准曲线库以及故障曲线库，对目标运行曲线进行曲线比对，得到曲线对比结果，并根据曲线比对结果确定目标设备运行状态；若目标设备运行状态为运行异常，则将第二运行数据输入预置的设备运行故障分析模型进行设备运行故障检测，得到设备运行故障检测结果，其中，设备故障检测结果包括：故障类型和故障程度；若目标设备运行状态为运行正常，则将第二运行数据输入预置的设备运行趋势分析模型进行设备运行趋势分析，得到设备运行趋势预测结果。势预测结果。势预测结果。

【技术实现步骤摘要】
基于振动波形的设备状态诊断方法及相关装置


[0001]本专利技术涉及人工智能领域，尤其涉及一种基于振动波形的设备状态诊断方法及相关装置。

技术介绍

[0002]随着智能设备在国内的广泛应用和设备行业的快速发展，设备智慧监测蓬勃发展。对设备应急、故障等多维度数据的采集及处理，建设一套基于大数据的设备辅助决策系统，及设备动态监管系统，提升设备管理水平与安全水平，从而提升公众出行安全与社会公共安全。设备故障有多种，主要有机械系统故障和电气控制系统故障；机械系统故障有设备曳引系统的故障、轿厢故障、设备门系统故障、设备导向系统和平衡装置故障、安全部件故障等。
[0003]但是现有方案通常是由人工巡检实现对设备的故障排查，人工巡检的效率很低，而且由于人工经验无法准确排查和预测出设备潜在的故障，导致了现有方案的准确率较低。

技术实现思路

[0004]本专利技术提供了一种基于振动波形的设备状态诊断方法及相关装置，用于实现设备的智能监控以及提高设备的异常分析准确率。
[0005]本专利技术第一方面提供了一种基于振动波形的设备状态诊断方法，所述基于振动波形的设备状态诊断方法包括：获取目标设备的多个第一运行数据，并通过预置的设备轿厢检测波模型分别对所述多个第一运行数据进行振动响应分析，得到多个振动响应数据；对所述多个振动响应数据进行信号转换和信息融合，得到多个振动融合特征数据，并对所述多个振动融合特征数据进行曲线转换，生成标准曲线库以及故障曲线库；对所述目标设备进行实时运行数据采集，得到第二运行数据，并根据所述第二运行数据生成目标运行曲线；根据所述标准曲线库以及所述故障曲线库，对所述目标运行曲线进行曲线比对，得到曲线对比结果，并根据所述曲线比对结果确定目标设备运行状态；若所述目标设备运行状态为运行异常，则将所述第二运行数据输入预置的设备运行故障分析模型进行设备运行故障检测，得到设备运行故障检测结果，其中，所述设备故障检测结果包括：故障类型和故障程度；若所述目标设备运行状态为运行正常，则将所述第二运行数据输入预置的设备运行趋势分析模型进行设备运行趋势分析，得到设备运行趋势预测结果。
[0006]结合第一方面，在本专利技术第一方面的第一实施方式中，所述获取目标设备的多个第一运行数据，并通过预置的设备轿厢检测波模型分别对所述多个第一运行数据进行振动响应分析，得到多个振动响应数据，包括：
在目标设备上设置传感器节点，其中，所述传感器节点包括：用于测量升降压力的液压传感器以及用于测量升降角度和加速度的惯性传感器；通过所述传感器节点采集所述目标设备在历史运行过程中的多个第一运行数据；基于预置的有限元模型建立设备轿厢检测波模型，并根据所述设备轿厢检测波模型设置所述目标设备的故障激励条件；将所述多个第一运行数据输入所述设备轿厢检测波模型进行振动响应计算，得到多个振动响应数据。
[0007]结合第一方面，在本专利技术第一方面的第二实施方式中，所述对所述多个振动响应数据进行信号转换和信息融合，得到多个振动融合特征数据，并对所述多个振动融合特征数据进行曲线转换，生成标准曲线库以及故障曲线库，包括：对所述多个振动响应数据进行小波分析，得到每个振动响应数据对应的目标子信号；对所述目标子信号进行特征提取，得到目标特征信息，并对所述目标特征信息进行向量融合，得到每个振动响应数据的特征向量，以及根据所述特征向量生成多个振动融合特征数据；对所述多个振动融合特征数据进行曲线转换，得到多个初始振动特征曲线，并对所述多个初始振动特征曲线进行曲线分类，得到标准曲线库以及故障曲线库，其中，所述标准曲线库包括设备运行正常状态下的振动特征曲线，所述故障曲线库包括不同类型故障下的振动特征曲线。
[0008]结合第一方面，在本专利技术第一方面的第三实施方式中，所述对所述目标设备进行实时运行数据采集，得到第二运行数据，并根据所述第二运行数据生成目标运行曲线，包括：对所述目标设备进行实时运行数据采集，得到实时运行数据；对所述实时运行数据进行参数补偿，得到第二运行数据；对所述第二运行数据进行特征参数提取，得到目标特征参数集合；获取所述第二运行数据的时序信息，并根据所述时序信息对所述目标特征参数集合进行曲线映射，生成目标运行曲线。
[0009]结合第一方面，在本专利技术第一方面的第四实施方式中，所述根据所述标准曲线库以及所述故障曲线库，对所述目标运行曲线进行曲线比对，得到曲线对比结果，并根据所述曲线比对结果确定目标设备运行状态，包括：计算所述目标运行曲线与标准曲线库和故障曲线库中每条曲线之间的相似度；根据所述相似度的大小，对所述目标运行曲线与标准曲线库和故障曲线库中的曲线进行排序，选取相似度最高的前k条曲线作为候选曲线，并将所述候选曲线作为曲线对比结果；根据所述曲线比对结果确定目标设备运行状态，若目标运行曲线与标准曲线库中的曲线相似度最高，则确定目标设备运行状态为运行正常，若目标运行曲线与故障曲线库中的曲线相似度最高，则确定目标设备运行状态为运行异常。
[0010]结合第一方面，在本专利技术第一方面的第五实施方式中，所述若所述目标设备运行状态为运行异常，则将所述第二运行数据输入预置的设备运行故障分析模型进行设备运行
故障检测，得到设备运行故障检测结果，其中，所述设备故障检测结果包括：故障类型和故障程度，包括：若所述目标设备运行状态为运行异常，则将所述第二运行数据输入预置的设备运行故障分析模型，其中，所述设备运行故障分析模型包括：双向长短时记忆网络和逻辑回归网络；通过所述双向长短时记忆网络对所述第二运行数据进行特征提取，得到所述第二运行数据中与故障相关的特征信息；通过所述逻辑回归网络对所述第二运行数据中与故障相关的特征信息进行设备故障分类，得到设备运行故障检测结果，其中，所述设备故障检测结果包括：故障类型和故障程度。
[0011]结合第一方面，在本专利技术第一方面的第六实施方式中，所述若所述目标设备运行状态为运行正常，则将所述第二运行数据输入预置的设备运行趋势分析模型进行设备运行趋势分析，得到设备运行趋势预测结果，包括：若所述目标设备运行状态为运行正常，则将所述第二运行数据输入预置的设备运行趋势分析模型；采用滚动窗口技术对所述设备运行趋势分析模型进行实时更新，得到实时更新的模型；通过所述实时更新的模型，对所述第二运行数据进行预测，得到得到设备运行趋势预测结果，并计算所述设备运行趋势预测结果的置信区间和误差范围。
[0012]本专利技术第二方面提供了一种基于振动波形的设备状态诊断装置，所述基于振动波形的设备状态诊断装置包括：获取模块，用于获取目标设备的多个第一运行数据，并通过预置的设备轿厢检测波模型分别对所述多个第一运行数据进行振动响应分析，得到多个振动响应数据；转换模块，用于对所述多个振动响应数据进行信号转换和信息融合，得到多个振动融合特征数据，并对所述多个振动融合特征数据进行曲线转换，生成标准曲线库以及故障曲线库；采集模块，用于对所述目标设备进行实时运行数据采集，得到第二运行数据，并根据所述第二运行数据生成目标运行曲线；比对模块，用于根据所述标准曲线库以及所述故障曲本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于振动波形的设备状态诊断方法，其特征在于，所述基于振动波形的设备状态诊断方法包括：获取目标设备的多个第一运行数据，并通过预置的设备轿厢检测波模型分别对所述多个第一运行数据进行振动响应分析，得到多个振动响应数据；对所述多个振动响应数据进行信号转换和信息融合，得到多个振动融合特征数据，并对所述多个振动融合特征数据进行曲线转换，生成标准曲线库以及故障曲线库；对所述目标设备进行实时运行数据采集，得到第二运行数据，并根据所述第二运行数据生成目标运行曲线；根据所述标准曲线库以及所述故障曲线库，对所述目标运行曲线进行曲线比对，得到曲线对比结果，并根据所述曲线比对结果确定目标设备运行状态；若所述目标设备运行状态为运行异常，则将所述第二运行数据输入预置的设备运行故障分析模型进行设备运行故障检测，得到设备运行故障检测结果，其中，所述设备故障检测结果包括：故障类型和故障程度；若所述目标设备运行状态为运行正常，则将所述第二运行数据输入预置的设备运行趋势分析模型进行设备运行趋势分析，得到设备运行趋势预测结果。2.根据权利要求1所述的基于振动波形的设备状态诊断方法，其特征在于，所述获取目标设备的多个第一运行数据，并通过预置的设备轿厢检测波模型分别对所述多个第一运行数据进行振动响应分析，得到多个振动响应数据，包括：在目标设备上设置传感器节点，其中，所述传感器节点包括：用于测量升降压力的液压传感器以及用于测量升降角度和加速度的惯性传感器；通过所述传感器节点采集所述目标设备在历史运行过程中的多个第一运行数据；基于预置的有限元模型建立设备轿厢检测波模型，并根据所述设备轿厢检测波模型设置所述目标设备的故障激励条件；将所述多个第一运行数据输入所述设备轿厢检测波模型进行振动响应计算，得到多个振动响应数据。3.根据权利要求1所述的基于振动波形的设备状态诊断方法，其特征在于，所述对所述多个振动响应数据进行信号转换和信息融合，得到多个振动融合特征数据，并对所述多个振动融合特征数据进行曲线转换，生成标准曲线库以及故障曲线库，包括：对所述多个振动响应数据进行小波分析，得到每个振动响应数据对应的目标子信号；对所述目标子信号进行特征提取，得到目标特征信息，并对所述目标特征信息进行向量融合，得到每个振动响应数据的特征向量，以及根据所述特征向量生成多个振动融合特征数据；对所述多个振动融合特征数据进行曲线转换，得到多个初始振动特征曲线，并对所述多个初始振动特征曲线进行曲线分类，得到标准曲线库以及故障曲线库，其中，所述标准曲线库包括设备运行正常状态下的振动特征曲线，所述故障曲线库包括不同类型故障下的振动特征曲线。4.根据权利要求1所述的基于振动波形的设备状态诊断方法，其特征在于，所述对所述目标设备进行实时运行数据采集，得到第二运行数据，并根据所述第二运行数据生成目标运行曲线，包括：
对所述目标设备进行实时运行数据采集，得到实时运行数据；对所述实时运行数据进行参数补偿，得到第二运行数据；对所述第二运行数据进行特征参数提取，得到目标特征参数集合；获取所述第二运行数据的时序信息，并根据所述时序信息对所述目标特征参数集合进行曲线映射，生成目标运行曲线。5.根据权利要求1所述的基于振动波形的设备状态诊断方法，其特征在于，所述根据所述标准曲线库以及所述故障曲线库，对所述目标运行曲线进行曲线比对，得到曲线对比结果，并根据所述曲线比对结果确定目标设备运行状态，包括：计算所述目标运行曲线与标准曲线库和故障曲线库中每条曲线之间的相似度；根据所述相似度的大小，对所述目标运行曲线与标准曲线库和故障曲线库中的曲线...

【专利技术属性】
技术研发人员：廉凤武，李兴军，李晓光，傅军平，翟勇智，林红伟，裴荣国，王德林，张媛，
申请(专利权)人：长春光华学院浙江省特种设备科学研究院，
类型：发明
国别省市：