一种基于声发射信号的GIS机械故障诊断方法及系统技术方案

本发明专利技术提供了一种基于声发射信号的GIS机械故障诊断方法及系统，属于故障技术领域，包括以下步骤：将声发射传感器通过磁性座吸附在被检测的GIS设备的壳体外表面上；其中，声发射传感器包括麦克风；通过采集卡获取并传输被检测的GIS设备的声发射信号，被检测的声发射信号通过声发射传感器采集，再被前置放大器进行信号处理；通过计算机连续采集被检测的GIS设备的声发射信号，并进行信号分析，通过神经网络进行训练，识别故障聚类位置。本发明专利技术提供的一种基于声发射信号的GIS机械故障诊断方法及系统，使用价格低廉的声发射传感器对信号进行采集分析，同时将采集设备安装到了GIS设备内部实现对内部故障的监测。填补了对GIS设备内部状况监测的空白。部状况监测的空白。部状况监测的空白。

【技术实现步骤摘要】
一种基于声发射信号的GIS机械故障诊断方法及系统


[0001]本专利技术属于故障诊断
，更具体地说，是涉及一种基于声发射信号的GIS机械故障诊断方法及系统。

技术介绍

[0002]机器人柔性打磨力控装置作为机器人代替人工打磨的重要组成部件，在打磨作业中机器人负载不断变化，工况恶劣，力控装置内部的器件容易发生故障。诸如紧固件松动、气管松动漏气、机械导轨异常响动等机械、电气故障，对于一些电气故障可以通过一些直接或者间接的信号进行推断，但是一些机械故障就难以通过电气信号进行检出。这些内部故障难以通过外部观察和控制面板信号进行监测，所以通常只有设备无法正常工作时，拆卸力控装置才能发现故障。这无疑增加了设备运转的风险和成本。

技术实现思路

[0003]本专利技术的目的在于提供一种基于声发射信号的GIS机械故障诊断方法及系统，旨在解决在现有技术中对力控装置电气机械异常的检测存在成本高的技术问题。
[0004]为实现上述目的，本专利技术采用的技术方案是：提供一种基于声发射信号的GIS机械故障诊断方法，包括以下步骤：S101、将声发射传感器2通过磁性座吸附在被检测的GIS设备1的壳体外表面上；其中，声发射传感器2包括麦克风；S102、通过采集卡4获取并传输被检测的GIS设备的声发射信号，被检测的声发射信号通过声发射传感器2采集，再被前置放大器3进行信号处理；S103、通过计算机5连续采集被检测的GIS设备1的声发射信号，并进行信号分析，通过神经网络进行训练，识别故障聚类位置。
[0005]优选地，步骤S103包括以下步骤：S1031、通过计算机5连续采集被检测的GIS设备的声发射信号；S1032、进行RMS有效值分析，并判断有效值是否有变化；若无变化回到步骤S102；S1033、当有效值产生变化时，对故障信号进行特征提取，然后将提取的特征送入学习进行训练；S1034、识别出故障聚类位置，自动识别出设备产生的故障类型。
[0006]优选地，步骤S1033包括以下步骤：S31、对声发射传感器2采集的声发射信号进行预处理；S32、对经过预处理的声音信号进行去噪处理，然后使用特征提取算法提取特征值数据；在去噪处理过程中所使用的阈值函数为：
；其中，0<a≤1，b≥1，a、b分别为调节用系数，a可以为0.2、0.5；b可以为3；w
λ
是得到的估计系数，w是原始声音信号分解后的系数，λ是阈值；sgn(w)是阶跃函数，是一个表示信号从0变为1的函数，其在整个时域上是连续的；S33、对事件进行识别，并输出结果。
[0007]优选地，步骤S32包括以下步骤：S321、选定一种小波函数，然后对原始含噪的声发射信号进行分解，分解的层数为ｊ，其中，小波基为：Daubechies小波基、Symlets小波基、Coiflets小波基中的一种或多种；ｊ<，ｊ的取值范围为2、3、4或5；S322、小波函数阈值处理得到估计系数，其中阈值函数为：。
[0008]优选地，步骤S32还包括以下步骤：S323、对目标语音信号进行预处理；预处理具体的过程由预加重、加窗以及分帧构成；S324、将样本按频谱分成若干个子段，对每个频段进行小波变换；S325、子段的频率合成，并通过Mel滤波器处理，然后再取对数能量；S326、得到MFCC(n)特征值。
[0009]优选地，在步骤S324中变换公式为：，其中，sinh
‑1(.)为反双曲，f为真实频率，f
b
为Bark频率，为对真实频率的映射。
[0010]优选地，在步骤S325中频率合成的公式为：，k是Bark小波带的个数。
[0011]优选地，在步骤S325中对数能量Mel(n)：，其中，Hm(n)为频率响应：
；其中，f(m)为第m个滤波器对应的中心频率：；其中，M为滤波器的个数，为26，f
h
为滤波器应用范围内的上限频率； f
l
为滤波器应用范围内的下限频率，F
s
为采样频率，F
Mel
‑1为F
Mel（f）
的逆函数。
[0012]。
[0013]优选地，在步骤S326中MFCC(n)特征值：；其中，M是S(n)的样本个数，为26。L为子带数为16。
[0014]本专利技术还提供一种基于声发射信号的GIS机械故障诊断系统，其特征在于，包括：声发射传感器，被配置为通过磁性座吸附在被检测的GIS设备的壳体外表面上；前置放大器，被配置为与所述声发射传感器电连接，用于放大所述声发射传感器的输出信号；采集卡，被配置为用于采集通过声发射所述前置放大器放大的所述声发射传感器的输出信号；计算机，被配置为用于获取所述声发射传感器输出的声发射信号；实现检测所述GIS设备早期故障，并对故障信号进行特征提取，将其送入神经网络进行训练，识别出故障聚类位置，以后再采集出信号送入网络中可自动识别出设备是否故障。
[0015]本专利技术提供的一种基于声发射信号的GIS机械故障诊断方法及系统的有益效果在于：与现有技术相比，本专利技术一种基于声发射信号的GIS机械故障诊断方法及系统，用了更加低廉的声发射传感器对信号进行采集分析，同时将采集设备安装到了GIS设备内部实现对内部故障的监测。填补了对这类电气装配件内部状况监测的空白。
附图说明
[0016]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术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专利技术的一些实施例，对于本领域普通技术人员来讲，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。
[0017]图1为本专利技术实施例提供的一种基于声发射信号的GIS机械故障诊断方法的流程
框图一。
[0018]图2为本专利技术实施例提供的一种基于声发射信号的GIS机械故障诊断方法的流程框图二。
[0019]图3为本专利技术实施例提供的一种基于声发射信号的GIS机械故障诊断系统的结构示意图。
[0020]图4为本专利技术实施例提供的一种基于声发射信号的GIS机械故障诊断方法的流程框图三。
[0021]图中：1、GIS设备；2、声发射传感器；3、前置放大器；4、采集卡；5、计算机。
具体实施方式
[0022]为了使本专利技术所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0023]请一并参阅图1至图4，现对本专利技术提供的一种基于声发射信号的GIS机械故障诊断方法进行说明。所述一种基于声发射信号的GIS机械故障诊断方法，包括以下步骤：S101、将声发射传感器2通过磁性座吸附在被检测的GIS设备1的壳体外表面上；其中，声发射传感器2包括麦克风；S102、通过采集卡4获取并传输被检测的GIS设备的声发射信号，被检测的声发射信号通过声发射传感器2采集，再本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于声发射信号的GIS机械故障诊断方法，其特征在于，包括以下步骤：S101、将声发射传感器2通过磁性座吸附在被检测的GIS设备1的壳体外表面上；其中，声发射传感器2包括麦克风；S102、通过采集卡4获取并传输被检测的GIS设备的声发射信号，被检测的声发射信号通过声发射传感器2采集，再被前置放大器3进行信号处理；S103、通过计算机5连续采集被检测的GIS设备1的声发射信号，并进行信号分析，通过神经网络进行训练，识别故障聚类位置。2.如权利要求1所述的一种基于声发射信号的GIS机械故障诊断方法，其特征在于，步骤S103包括以下步骤：S1031、通过计算机5连续采集被检测的GIS设备的声发射信号；S1032、进行RMS有效值分析，并判断有效值是否有变化；若无变化回到步骤S102；S1033、当有效值产生变化时，对故障信号进行特征提取，然后将提取的特征送入学习进行训练；S1034、识别出故障聚类位置，自动识别出设备产生的故障类型。3.如权利要求2所述的一种基于声发射信号的GIS机械故障诊断方法，其特征在于，步骤S1033包括以下步骤：S31、对声发射传感器2采集的声发射信号进行预处理；S32、对经过预处理的声音信号进行去噪处理，然后使用特征提取算法提取特征值数据；在去噪处理过程中所使用的阈值函数为：；其中，0<a≤1，b≥1，a、b分别为调节用系数，a可以为0.2、0.5；b可以为3；w
λ
是得到的估计系数，w是原始声音信号分解后的系数，λ是阈值；sgn(w）是阶跃函数，是一个表示信号从0变为1的函数，其在整个时域上是连续的；S33、对事件进行识别，并输出结果。4.如权利要求3所述的一种基于声发射信号的GIS机械故障诊断方法及系统，其特征在于，步骤S32包括以下步骤：S321、选定一种小波函数，然后对原始含噪的声发射信号进行分解，分解的层数为ｊ，其中，小波基为：Daubechies小波基、Symlets小波基、Coiflets小波基中的一种或多种；ｊ<，ｊ的取值范围为2、3、4或5；S322、小波函数阈值处理得到估计系数，其中阈值函数为：。
5.如权利要求3所述的一种基于声发射信号的GIS机械故障诊断方法，其特征在于，步骤S...

【专利技术属性】
技术研发人员：陈鹏，李东亚，周志雄，黄平，樊辰阳，戴飞龙，
申请(专利权)人：无锡斯帝尔科技有限公司，
类型：发明
国别省市：