【技术实现步骤摘要】
本专利技术涉及工业物联网，具体涉及一种基于振动增长速度的旋转动设备趋势预警方法。
技术介绍
1、随着工业物联网技术的发展，工业物联网将具有感知、监控能力的各类采集、控制传感器或控制器，以及移动通信、智能分析等技术不断融入到工业生产过程各个环节，从而大幅提高制造效率，改善产品质量，降低产品成本和资源消耗，最终实现将传统工业提升到智能化的新阶段。工业物联网研究是一个跨学科的工程，它涉及自动化、通信、计算机以及管理科学等领域。将无处不在(ubiquitous)的末端设备(devices)和设施(facilities)，包括具备“内在智能”的传感器、移动终端、工业系统、楼控系统、家庭智能设施、视频监控系统等和“外在使能”(enabled)的，如贴上rfid的各种资产(assets)、携带无线终端的个人与车辆等“智能化物件或动物”或“智能尘埃”(mote)，通过各种无线/有线的长距离/短距离通讯网络实现互联互通(m2m)、应用大集成(grand integration)、以及基于云计算的saas营运等模式，提供安全可控乃至个性化的实时在线监测、定位追溯、报警联动、调度指挥、预案管理、远程控制、安全防范、远程维保、在线升级、统计报表、决策支持、领导桌面(集中展示的cockpit dashboard)等管理和服务功能，实现对“万物”的“高效、节能、安全、环保”的“管、控、营”一体化。简单的讲，物联网是物与物、人与物之间的信息传递与控制，在物联网应用中有三项关键技术其中就包括传感器技术。
2、传感器是一种检测装置，能感受到被测量的信
3、对于流程化行业，这些设备在生产中占据着及其重要的地位，越来越多的流程化行业设备通过各种传感器接入互联网。复杂且敏感的流程设备为保证最大化生产效率需要全天候运行，在兼顾监管要求的同时提升生产力，不仅需要在借助材料创新的同时，利用新技术，最大限度地减少加工作业对环境的影响，更需要设备的安全、稳定的运行。一旦出现故障停机，将造成巨大的经济损失。因此利用互联网对流程化设备的监测，对工业制造生产具有重要意义。
4、现有的预警方法主要是按照机组状态参考标准为不同的设备设定不同的报警阈值来监测设备的异常情况。例如，通过对过程生产装的参数历史数据，对历史数据的更新，再根据每个参数的概率分布函数，对设备调整参数报警阈值。除此之外，利用机器学习算法学习数据的趋势来动态设置设备的报警阈值。由于旋转动设备的振动值在工况、运行环境等因素影响下变化非常大，以上方法目前都很容易导致误报和漏报，其准确率难以满足旋转动设备的监测要求。
技术实现思路
1、针对上述现有技术的不足，本专利技术提供了一种基于振动增长速度的旋转动设备趋势预警方法，通过将具有上涨趋势的特征序列进行增长速率的计算，以增长速率和报警阈值作数据比对，从而使得预设观测时长内设备各采集间隔的趋势预警更加具有准确性和实时性，用以解决因报警阈值的不合理设置而产生无效误报警的问题。
2、为了解决上述技术问题，本专利技术采用了如下技术方案：
3、一种基于振动增长速度的旋转动设备趋势预警方法，包括如下步骤：
4、s1、将目标设备的预设观测时长划分为时长相同的采集间隔；选取第一个采集间隔作为当前检测间隔；
5、s2、将目标设备在当前检测间隔采集到的振动信号数据进行特征提取，得到当前检测间隔内各振动信号数据点对应的特征数据；
6、s3、将当前检测间隔内各振动信号数据点对应的特征数据进行排列，形成当前检测间隔对应的特征序列s；判断所述特征序列s中是否存在满足预设幅值条件的极大值；若存在，则执行步骤s4；若不存在，则执行步骤s6；
7、s4、对所述特征序列s中的所述极大值进行单调性验证；若经过单调性验证判定所述特征序列s中极大值及其以前的特征值满足单调上涨趋势，则执行步骤s5；否则，执行步骤s6；
8、s5、计算所述特征序列s中极大值相对于其之前特征值的增长速率，并根据增长速率计算结果，判定当前检测间隔的振动信号预警类型并输出相应预警类型的报警；然后执行步骤s7；
9、s6、判定当前检测间隔的振动信号正常，输出设备运行正常信号；执行步骤s7；
10、s7、将下一采集间隔作为新的当前检测间隔，返回执行步骤s2；
11、s8、重复执行步骤s2-s7，直至预设观测时长内全部采集间隔均完成检测。
12、优选地，步骤s2中：
13、所述特征数据包括加速度峰值、速度有效值和包络峰值。
14、如权利要求1所述的一种基于振动增长速度的旋转动设备趋势预警方法，其特征在于，在步骤s2执行完成后，还对提取的振动信号数据的特征数据进行数据清洗和数据预处理。
15、优选地，所述数据清洗包括停机数据清洗和异常数据清洗；所述数据预处理是对特征值序列s使用拉依达准则进行异常值处理、缺失值填充。
16、优选地，停机数据清洗具体为：设定停机阈值，若当前时刻采集的振动特征值小于停机阈值，则当前值为设备停机状态下采集的，反之，则当前值为设备运行状态下采集的值；
17、异常数据清洗具体为：根据设备振动传感器的量程范围，判断当前时刻采集的振动特征值是否超出量程范围，若超出量程范围为异常值，反之，则为正常值。
18、优选地，步骤s4中，对所述特征序列s中的极大值进行单调性验证的具体步骤包括：
19、s401、根据长短窗口分别计算特征序列s中极大值及其之前特征值对应的短窗口指数移动平均线ewmas(α,n)和长窗口指数移动平均线ewmal(β,n)；n为特征序列s中极大值及其之前特征值对应的时刻，α是短窗口指数移动平均线的可调节参数，β是长窗口指数移动平均线的可调节参数；
20、s402、计算两条指数移动平均线ewmas(α,n)和ewmal(β,n)之间的距离，作为离差值dif(n)：
21、dif(n)＝ewmas(α,n)-ewmal(β,n)
22、s403、计算离差值dif的指数移动平均线dea(γ,n)：
23、dea(γ,n)＝γ*dif(n)+(1-γ)·dea(γ,n-1)
24、其中，离差系数signal为信号周期长度。
25、s404、计算对应的异同移动平均线macd(n)＝(dif本文档来自技高网...
【技术保护点】
1.一种基于振动增长速度的旋转动设备趋势预警方法，其特征在于，包括如下步骤：
2.如权利要求1所述的一种基于振动增长速度的旋转动设备趋势预警方法，其特征在于，步骤S2中：
3.如权利要求1所述的一种基于振动增长速度的旋转动设备趋势预警方法，其特征在于，在步骤S2执行完成后，还对提取的振动信号数据的特征数据进行数据清洗和数据预处理。
4.如权利要求3所述的一种基于振动增长速度的旋转动设备趋势预警方法，其特征在于，所述数据清洗包括停机数据清洗和异常数据清洗；所述数据预处理是对特征值序列S使用拉依达准则进行异常值处理、缺失值填充。
5.如权利要求4所述的一种基于振动增长速度的旋转动设备趋势预警方法，其特征在于，停机数据清洗具体为：设定停机阈值，若当前时刻采集的振动特征值小于停机阈值，则当前值为设备停机状态下采集的，反之，则当前值为设备运行状态下采集的值；
6.如权利要求1所述的一种基于振动增长速度的旋转动设备趋势预警方法，其特征在于，步骤S4中，对所述特征序列S中的极大值进行单调性验证的具体步骤包括：
7.如权利要
8.如权利要求6所述的一种基于振动增长速度的旋转动设备趋势预警方法，其特征在于，步骤S405中，判断特征序列S中的极大值的单调性是否满足单调上涨趋势的判断规则为：
9.如权利要求1所述的一种基于振动增长速度的旋转动设备趋势预警方法，其特征在于，步骤S5中：计算特征序列S中极大值及其之前特征值的一次差分，得到差分序列diffS；计算增长速率V＝sum(diffS+)/m；其中，sum(diffS+)表示差分序列中正值的和，m为正值的个数。
10.如权利要求1所述的一种基于振动增长速度的旋转动设备趋势预警方法，其特征在于，步骤S5中：所述预警类型包括低报报警和高报报警；低报报警和高报报警是分别设置预设门限阈值，通过振动增长速度与预设门限阈值的对比结果，进而判断是低报报警还是高报报警。
...【技术特征摘要】
1.一种基于振动增长速度的旋转动设备趋势预警方法，其特征在于，包括如下步骤：
2.如权利要求1所述的一种基于振动增长速度的旋转动设备趋势预警方法，其特征在于，步骤s2中：
3.如权利要求1所述的一种基于振动增长速度的旋转动设备趋势预警方法，其特征在于，在步骤s2执行完成后，还对提取的振动信号数据的特征数据进行数据清洗和数据预处理。
4.如权利要求3所述的一种基于振动增长速度的旋转动设备趋势预警方法，其特征在于，所述数据清洗包括停机数据清洗和异常数据清洗；所述数据预处理是对特征值序列s使用拉依达准则进行异常值处理、缺失值填充。
5.如权利要求4所述的一种基于振动增长速度的旋转动设备趋势预警方法，其特征在于，停机数据清洗具体为：设定停机阈值，若当前时刻采集的振动特征值小于停机阈值，则当前值为设备停机状态下采集的，反之，则当前值为设备运行状态下采集的值；
6.如权利要求1所述的一种基于振动增长速度的旋转动设备趋势预警方法，其特征在于，步骤s4中，对所述...
【专利技术属性】
技术研发人员：姜仁杰，曹健，江虹锋，卢仁谦，水龙，张芷馨，
申请(专利权)人：重庆忽米网络科技有限公司，
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。