【技术实现步骤摘要】
本专利技术的实施例总体涉及工业控制领域，并且更具体地涉及一种用于预测转动设备的故障概率的方法、设备和存储介质。
技术介绍
1、传统的用于检测转动设备（例如而不限于是泵、电机等旋转类机械设备）的故障的方法例如是：以机理模型为主，通过检测频谱在特定频率上是否有峰值来进行故障判断。如机理模型主要以机理规则来判断故障是否发生。
2、上述传统的用于检测转动设备的故障的方法，并未考虑到因分辨率、能量泄露等因素导致的特定频域峰值无法识别的情况如何进行故障检测，也无法给出故障发生的概率，故障种类的多样性与故障发生概率的不可量化的特点导致人工维护无法有针对性的进行故障检修，会浪费大量人力资源和其他成本。
3、综上，传统的用于预测转动设备的故障概率的方式存在的不足之处在于：无法针对转动设备的各种故障发生的概率进行计算。
技术实现思路
1、针对上述问题，本专利技术提供了一种用于预测转动设备的故障概率的方法、设备和存储介质，能够针对转动设备的各种故障发生的概率进行计算。
2、根据本专利技术的第一方面，提供了一种用于预测转动设备的故障概率的方法，包括：获取关于转动设备的工况数据、设备参数信息和关于转动设备的各个检测位置的加速度检测数据；针对所获取的加速度检测数据进行处理，以获取关于转动设备的时域数据、频域数据和轴心轨迹数据；基于经训练的特征计算模型，针对时域数据、频域数据和轴心轨迹数据，计算形态相似度，以确定对应于当前加速度检测数据的时域形态特征、频谱形态特征和轴心轨迹形
3、在一些实施例中，用于预测转动设备的故障概率的方法还包括：基于所获取的工况数据、设备参数信息和频域数据，以及预定的机理模型数据，确定与转动设备的故障相关的预定故障频率；以及基于预定范围，确定预定故障频率在预定范围内的故障频率能量特征；以及基于所确定的故障频率能量特征、时域形态特征、频谱形态特征和轴心轨迹形态特征，计算关于转动设备发生故障的概率。
4、在一些实施例中，计算关于转动设备的发生故障的概率包括：基于所确定的故障频率能量特征、时域形态特征、频谱形态特征和轴心轨迹形态特征中的至少一项，经由预定的模糊控制系统计算，以确定关于转动设备的至少一种故障类型的发生概率。
5、在一些实施例中，预定的模糊控制系统经由以下步骤生成：确定关于故障的时域形态特征、频谱形态特征、轴心轨迹形态特征和/或故障频率能量特征中的任一特征所对应的模糊控制变量和变量范围；基于所确定的关于故障的模糊控制变量和变量范围，确定关于模糊控制变量的隶属度函数；以及至少基于模糊控制变量和关于模糊控制变量的隶属度函数，确定模糊规则。
6、在一些实施例中，时域形态至少包括冲击波、拍波和非周期性波形；频谱形态至少包括谐波、边带和底部隆起；以及轴心轨迹形态至少包括香蕉形、椭圆形、内八字形、多八字形和外八字形。
7、在一些实施例中，获取关于转动设备的时域数据、频域数据和轴心轨迹数据包括：针对所获取的加速度检测数据进行傅里叶变换，基于傅里叶变换后的加速度检测数据进行时域积分再进行反傅里叶变换，以获取关于所述转动设备的速度时域数据；针对所获取的速度时域数据进行傅里叶变换，基于傅里叶变换后的速度时域数据进行时域积分再进行反傅里叶变换，以获取关于所述转动设备的位移时域数据以及基于所获取的加速度时域数据、速度时域数据和位移时域数据，分别进行频谱变换，以获取关于转动设备的加速度频域数据、速度频域数据和位移频域数据。
8、在一些实施例中，基于经训练的特征计算模型，针对所获取的时域数据、频域数据和轴心轨迹数据计算形态相似度之前还包括：针对所获取的加速度时域数据、速度时域数据和位移时域数据，基于预定的采样周期进行归一化，以消除在不同工况下所采集的关于转动设备的时域数据的量纲差距；以及针对所获取的加速度频域数据、速度频域数据和位移频域数据，基于预定的基频进行归一化，以消除在不同工况下所采集的关于转动设备的频域数据的量纲差距。
9、在一些实施例中，经训练的特征计算模型包括故障形态相似度计算模型和故障频率能量计算模型，故障形态相似度计算模型经由以下步骤获得：获取关于转动设备的多组训练时域数据和对应的时域形态、多组训练频域数据和对应的频域形态、多组训练轴心轨迹数据和对应的轴心轨迹形态；以及将训练时域数据所对应的时域形态、训练频域数据所对应的频域形态和训练轴心轨迹数据所对应的轴心轨迹形态确定为训练数据，针对至少一个预定的神经网络模型进行训练，以获取经训练的故障形态相似度计算模型。
10、在一些实施例中，转动设备为泵，加速度检测数据包括：泵驱动端轴承、泵非驱动端侧、电机驱动端和电机非驱动端中的至少一端的三向加速检测数据；三向加速检测数据包括垂直方向的加速度检测数据、水平方向的加速度检测数据和轴向数据的加速度检测数据。在一些实施例中，工况数据为转速、温度和流量中的至少一项；设备参数信息至少包括叶片个数、共振频率和轴承故障系数；以及预定故障频率至少包括预定倍频、外圈故障频率及其谐波频率、内圈故障频率及其谐波频率和基频边带频率。
11、根据本专利技术的第二方面，提供了一种计算设备，该计算设备包括：至少一个处理单元；至少一个存储器，所述至少一个存储器被耦合到所述至少一个处理单元并且存储用于由所述至少一个处理单元执行的指令，所述指令当由所述至少一个处理单元执行时，使得所述设备执行根据第一方面的方法的步骤。
12、根据本专利技术的第三方面，提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，所述计算机程序被机器执行时实现根据第一方面所述的方法。
13、应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
本文档来自技高网...【技术保护点】
1.一种用于预测转动设备的故障概率的方法，包括：
2.根据权利要求1所述的方法，其特征在于，还包括：
3. 根据权利要求 2所述的方法，其特征在于，计算关于转动设备的发生故障的概率包括：
4.根据权利要求3所述的方法，其特征在于，预定的模糊控制系统经由以下步骤生成：
5.根据权利要求1所述的方法，其特征在于，
6.根据权利要求1所述的方法，其特征在于，获取关于所述转动设备的时域数据、频域数据和轴心轨迹数据包括：
7. 根据权利要求6所述的方法，其特征在于，基于经训练的特征计算模型，针对所获取的时域数据、频域数据和轴心轨迹数据计算形态相似度之前还包括：
8. 根据权利要求1至7中任一项所述的方法，其特征在于，经训练的特征计算模型包括故障形态相似度计算模型和故障频率能量计算模型，所述故障形态相似度计算模型经由以下步骤获得：
9.根据权利要求1至7中任一项所述的方法，其特征在于，所述转动设备为泵，所述加速度检测数据包括：
10. 根据权利要求1至7中任一项所述的方法，其特征在于，
11.一种计算设备，包括：
12.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被机器执行时实现根据权利要求1至10中任一项所述的方法。
...【技术特征摘要】
1.一种用于预测转动设备的故障概率的方法，包括：
2.根据权利要求1所述的方法，其特征在于，还包括：
3. 根据权利要求 2所述的方法，其特征在于，计算关于转动设备的发生故障的概率包括：
4.根据权利要求3所述的方法，其特征在于，预定的模糊控制系统经由以下步骤生成：
5.根据权利要求1所述的方法，其特征在于，
6.根据权利要求1所述的方法，其特征在于，获取关于所述转动设备的时域数据、频域数据和轴心轨迹数据包括：
7. 根据权利要求6所述的方法，其特征在于，基于经训练的特征计算模型，针对所获取的时域数据、频域数据和轴心轨迹数据计算形...
【专利技术属性】
技术研发人员：窦浩，戴林杉，
申请(专利权)人：上海凯士比泵有限公司，
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。