本申请提供一种故障检测方法、装置、计算机设备和存储介质，方法包括:获取待检测的目标设备的多通道振动信号；对多通道振动信号进行信号分离处理，得到振动源信号；基于振动源信号的脉冲相关参数从振动源信号中筛选出目标源信号；基于目标源信号对应的共振解调谱确定目标设备的故障检测结果。本申请实施例提供的故障检测方法，基于多通道振动信号完成对源信号的分离，以及基于脉冲特性完成对故障源信号的自动筛选，无需依赖于人工经验，实现了对设备故障的自适应检测，保证了检测效果的稳定。定。定。
【技术实现步骤摘要】
故障检测方法、装置、计算机设备和存储介质
[0001]本申请涉及设备检测
，具体涉及一种故障检测方法、装置、计算机设备和存储介质。
技术介绍
[0002]轴承机械是广泛应用于各行各业的重要设备，其种类繁多且占比巨大。常见的轴承设备包括发电机、汽轮机、飞机引擎、水泵、通风机等等。为保障这些机械的安全正常运作，对设备的振动信号进行监测至关重要，其中，一些常见的故障特征往往会和设备固有频率发生复杂的调制现象，因此在对机械设备进行故障诊断时，往往需要先从振动信号中分离出故障成分。
[0003]目前，对设备的故障检测主要是基于共振解调的方法实现，该方法通常需要预先基于人工经验选择故障特征明显的频带以提高故障的检测效果。然而，上述方式往往依赖于工程师个人经验判断，人为因素干扰严重，导致检测效果不够稳定。
技术实现思路
[0004]基于此，有必要针对上述技术问题，提供一种故障检测方法、装置、计算机设备和存储介质，用以解决现有的故障检测方法存在的检测效果不够稳定的问题。
[0005]第一方面，本申请提供一种故障检测方法，包括：
[0006]获取待检测的目标设备的多通道振动信号；
[0007]对所述多通道振动信号进行信号分离处理，得到振动源信号；
[0008]基于所述振动源信号的脉冲相关参数从所述振动源信号中筛选出目标源信号；所述脉冲相关参数包括包络熵值、包络总值、峭度以及谱峭度中的至少一种；
[0009]基于所述目标源信号对应的共振解调谱确定所述目标设备的故障检测结果。
[0010]作为本申请的一种可行实施例，所述基于所述振动源信号的脉冲相关参数从所述振动源信号中筛选出目标源信号，包括：
[0011]计算各所述振动源信号的正包络信号；
[0012]基于各所述振动源信号的正包络信号的归一化结果，计算各所述振动源信号的脉冲相关参数中的包络熵值；
[0013]基于各所述振动源信号的包络熵值的大小关系，从所述振动源信号中筛选出目标源信号。
[0014]作为本申请的一种可行实施例，所述基于所述目标源信号对应的共振解调谱确定所述目标设备的故障检测结果，包括：
[0015]对所述目标源信号进行信号分解，得到若干模态信号分量；
[0016]基于所述模态信号分量的脉冲相关参数从所述模态信号分量中筛选出目标故障分量；
[0017]基于所述目标故障分量的共振解调谱确定所述目标设备的故障检测结果。
[0018]作为本申请的一种可行实施例，所述基于所述目标故障分量对应的共振解调谱确定所述目标设备的故障检测结果，包括：
[0019]基于希尔伯特变换计算所述目标故障分量对应的正包络信号；
[0020]对所述正包络信号进行离散傅里叶变换得到目标共振解调谱；
[0021]基于所述目标共振解调谱查询预设的设备故障参数表得到所述目标设备的故障检测结果。
[0022]作为本申请的一种可行实施例，所述信号分解包括小波分解、经验模态分解、集合模态分解、变分模态分解中的至少一种。
[0023]作为本申请的一种可行实施例，所述对所述多通道振动信号进行信号分离处理，得到振动源信号，包括：
[0024]获取所述多通道振动信号在零时延下的第一协方差矩阵，并计算所述第一协方差矩阵对应的特征值以及各特征值对应的特征向量；
[0025]基于所述特征值的大小关系，从所述特征值中筛选出目标特征值，并基于所述特征值中所述目标特征值之外的剩余特征值计算噪声水平估计值；
[0026]基于所述噪声水平估计值、所述目标特征值以及所述目标特征值对应的目标特征向量计算白化矩阵；
[0027]基于所述白化矩阵与所述多通道振动信号在预设时延下的第二协方差矩阵生成振动源信号。
[0028]作为本申请的一种可行实施例，所述获取待检测的目标设备的多通道振动信号，包括：
[0029]获取待检测的目标设备上各传感器采集的初始振动信号；
[0030]对所述初始振动信号进行去均值处理，得到预处理振动信号；
[0031]对所述预处理振动信号进行强度归一化处理，得到所述目标设备的多通道振动信号。
[0032]第二方面，本申请提供一种故障检测装置，包括：
[0033]获取模块，用于获取待检测的目标设备的多通道振动信号；
[0034]分离模块，用于对所述多通道振动信号进行信号分离处理，得到振动源信号；
[0035]筛选模块，用于基于所述振动源信号的脉冲相关参数从所述振动源信号中筛选出目标源信号；所述脉冲相关参数包括包络熵值、包络总值、峭度以及谱峭度中的至少一种；
[0036]检测模块，用于基于所述目标源信号对应的共振解调谱确定所述目标设备的故障检测结果。
[0037]第三方面，本申请还提供一种计算机设备，所述计算机设备包括：
[0038]一个或多个处理器；
[0039]存储器；以及
[0040]一个或多个应用程序，其中所述一个或多个应用程序被存储于所述存储器中，并配置为由所述处理器执行上述任一项提供的故障检测方法。
[0041]第四方面，本申请还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行上述任一项所述的故障检测方法。
[0042]本申请实施例提供的故障检测方法，通过获取到目标设备的多通道振动信号，并
对多通道振动信号进行盲源分离处理提取得到信号中的主要成分，也就是振动源信号，然后利用故障源信号的脉冲特性，基于各个振动源信号的脉冲相关参数从中筛选出更可能是由故障源所产生的目标源信号，并最终利用共振解调的方式对目标源信号进行处理，从而得到设备的故障检测结果，本申请实施例提供的方案，基于多通道振动信号完成对源信号的分离，以及基于脉冲特性完成对故障源信号的自动筛选，无需依赖于人工经验，实现了对设备故障的自适应检测，保证了检测效果的稳定。
附图说明
[0043]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0044]图1(a)为本申请实施例提供的一种多通道振动信号的示意图；
[0045]图1(b)为本申请实施例提供的多通道振动信号的频谱图的示意图；
[0046]图2为本申请实施例提供的一种故障检测方法的步骤流程示意图；
[0047]图2(a)为本申请实施例提供的一种对信号进行分离所得到的源信号的示意图；
[0048]图3为本申请实施例提供的一种基于包络熵值对源信号进行筛选的步骤流程示意图；
[0049]图4为本申请实施例提供的一种对源信号进行进一步分解以提取故障分量用于故障检测的步骤流程示意图；
[0050]图4(a)为本申请实施例提供的本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种故障检测方法，其特征在于，包括：获取待检测的目标设备的多通道振动信号；对所述多通道振动信号进行信号分离处理，得到振动源信号；基于所述振动源信号的脉冲相关参数从所述振动源信号中筛选出目标源信号；所述脉冲相关参数包括包络熵值、包络总值、峭度以及谱峭度中的至少一种；基于所述目标源信号对应的共振解调谱确定所述目标设备的故障检测结果。2.根据权利要求1所述的故障检测方法，其特征在于，所述基于所述振动源信号的脉冲相关参数从所述振动源信号中筛选出目标源信号，包括：计算各所述振动源信号的正包络信号；基于各所述振动源信号的正包络信号的归一化结果，计算各所述振动源信号的脉冲相关参数中的包络熵值；基于各所述振动源信号的包络熵值的大小关系，从所述振动源信号中筛选出目标源信号。3.根据权利要求1所述的故障检测方法，其特征在于，所述基于所述目标源信号对应的共振解调谱确定所述目标设备的故障检测结果，包括：对所述目标源信号进行信号分解，得到若干模态信号分量；基于所述模态信号分量的脉冲相关参数从所述模态信号分量中筛选出目标故障分量；基于所述目标故障分量的共振解调谱确定所述目标设备的故障检测结果。4.根据权利要求3所述的故障检测方法，其特征在于，所述基于所述目标源信号对应的共振解调谱确定所述目标设备的故障检测结果，包括：基于希尔伯特变换计算所述目标故障分量对应的正包络信号；对所述正包络信号进行离散傅里叶变换得到目标共振解调谱；基于所述目标共振解调谱查询预设的设备故障参数表得到所述目标设备的故障检测结果。5.根据权利要求3所述的故障检测方法，其特征在于，所述信号分解包括小波分解、经验模态分解、集合模态分解、变分模态分解中的至少一种。6.根据权利要求1所述的故障检测方法，其特征在于，所述对所述多通道振动信号进行信号...
【专利技术属性】
技术研发人员：徐驰，刘正方，丁攀，
申请(专利权)人：利维智能深圳有限公司，
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。