【技术实现步骤摘要】
本专利技术属于矿用智能装备的故障诊断和智能运维领域，特别是涉及一种钻机传动装置的健康监测方法和装置。
技术介绍
1、煤矿钻机传动装置作为整个机械设备的核心部件，其安全健康运行对矿下钻机打钻过程起着关键作用。因此需要对钻机传动装置进行健康监测和故障诊断，以避免钻机传动装置故障引起的停产停工或者伤亡事故等现象。
2、现有矿用钻机传动装置的健康监测主要是基于监测振动信号来实现的，目前已有的振动监测方法包括基于小波变换、基于机器学习、基于深度学习等等，这些方法已经在煤矿旋转机械设备上取得了长足的发展和应用。然而，上述方法的有效性均基于振动信号的质量，即在振动信号特征比较明显时，上述方法能够实现准确的监测，在振动信号比较微弱时，上述方法的监测准确度也会随之下降。但是故障的早期信号强度一般都比较弱，也就是说，现有方法难以在早期准确的预警故障。
技术实现思路
1、本专利技术的目的在于提供一种钻机传动装置的健康监测方法和装置，以解决现有技术中难以准确识别早期故障的技术问题。
2、为实现上述目的，本专利技术所提供的一种钻机传动装置的健康监测方法和装置的技术方案是：
3、一种钻机传动装置的健康监测方法，该方法包括如下步骤：将当前传动装置的振动信号输入到早期预警模型，输出当前传动装置的状态；早期预警模型根据确定学习构建，早期预警模型通过神经网络对输入的当前传动装置的水平方向和垂直方向的振动信号进行异常识别，得到神经网络权值和权值的平均值，进而得到对应的动力学轨迹数据，
4、作为进一步地改进，神经网络为径向基函数神经网络。
5、作为进一步地改进，距离采用欧式距离，计算公式为：
6、te＝||wsts(x,y)-wits(x,y)||
7、其中，te为欧氏距离，wsts(x,y)为当前振动信号对应的动力学轨迹，wits(x,y)为已学到的振动信号对应的动力学轨迹，i＝1,…,m，i为已学到的传动装置的运行状态标识。
8、作为进一步地改进，该方法还包括根据当前传动装置的振动信号和对应的设定幅值阈值进行比较，判定传动装置是否出现超限故障。
9、作为进一步地改进，判定出现超限故障的依据包括时域判断和频域判断，时域判断为：若时域振动信号在水平方向和垂直方向上时域幅值最大值均大于对应的水平方向或垂直方向上的时域幅值阈值时，判定出现超限故障；频域判断为：若频域振动信号在水平方向和垂直方向上的基频、二倍频或三倍频的幅值中任意两个值大于对应的在水平方向或垂直方向上基频、二倍频和三倍频的频域幅值阈值时，判定出现超限故障。
10、作为进一步地改进，若出现超限故障时，则将故障段的振动信号输入到训练后的故障分类模型中，输出对应的故障类型；所述故障分类模型根据机器学习算法构建，所述故障分类模型提取输入的振动信号的时域和频域的特征矩阵进行训练学习。
11、作为进一步地改进，振动信号的时域特征矩阵包括有幅值的最大值、最小值、均值、均方根值和峭度，振动信号的频域的特征矩阵包括有基频幅值、二倍频幅值、三倍频幅值和功率谱峭度。
12、作为进一步地改进，该方法还包括对所述故障分类模型进行校正，当所述故障分类模型输出的故障类型错误时，将故障段的振动信号输入到所述早期预警模型中，根据输出的传动装置的状态对错误的故障类型进行校正。
13、本专利技术还公开了一种钻机传动装置的健康监测装置，该装置包括有处理器，该处理器用于处理上述的钻机传动装置的健康监测方法的实施例。
14、本专利技术的钻机传动装置的健康监测方法有益效果是：本专利技术属于改进型专利技术，通过将当前的振动信号输入到早期预警模型中，输出当前传动机构的状态，实现对故障的识别。该早期预警模型通过确定学习理论学习各状态的振动信号来进行建模，并利用rbf神经网络对振动信号的异常进行辨别。确定学习理论能够对正常和故障的内部动态进行准确识别，减少了不确定项的影响，减少故障函数的幅值要求，实现对微小故障的快速检测。
本文档来自技高网...【技术保护点】
1.一种钻机传动装置的健康监测方法，其特征在于，该方法包括如下步骤：
2.根据权利要求1所述的钻机传动装置的健康监测方法，其特征在于，所述的神经网络为径向基函数神经网络。
3.根据权利要求1所述的钻机传动装置的健康监测方法，其特征在于，所述距离采用欧式距离，计算公式为：
4.根据权利要求1所述的钻机传动装置的健康监测方法，其特征在于，该方法还包括根据当前传动装置的振动信号和对应的设定幅值阈值进行比较，判定传动装置是否出现超限故障。
5.根据权利要求4所述的钻机传动装置的健康监测方法，其特征在于，判定出现超限故障的依据包括时域判断和频域判断，时域判断为：若时域振动信号在水平方向和垂直方向上时域幅值最大值均大于对应的水平方向或垂直方向上的时域幅值阈值时，判定出现超限故障；频域判断为：若频域振动信号在水平方向和垂直方向上的基频、二倍频或三倍频的幅值中任意两个值大于对应的在水平方向或垂直方向上基频、二倍频和三倍频的频域幅值阈值时，判定出现超限故障。
6.根据权利要求4所述的钻机传动装置的健康监测方法，其特征在于，若出现超限故障时
7.根据权利要求6所述的钻机传动装置的健康监测方法，其特征在于，振动信号的时域特征矩阵包括有幅值的最大值、最小值、均值、均方根值和峭度，振动信号的频域的特征矩阵包括有基频幅值、二倍频幅值、三倍频幅值和功率谱峭度。
8.根据权利要求6所述的钻机传动装置的健康监测方法，其特征在于，该方法还包括对所述故障分类模型进行校正，当所述故障分类模型输出的故障类型错误时，将故障段的振动信号输入到所述早期预警模型中，根据输出的传动装置的状态对错误的故障类型进行校正。
9.一种钻机传动装置的健康监测装置，其特征在于，该装置包括有处理器，所述处理器用于处理权利要求1-8任意一项所述的钻机传动装置的健康监测方法。
...【技术特征摘要】
1.一种钻机传动装置的健康监测方法，其特征在于，该方法包括如下步骤：
2.根据权利要求1所述的钻机传动装置的健康监测方法，其特征在于，所述的神经网络为径向基函数神经网络。
3.根据权利要求1所述的钻机传动装置的健康监测方法，其特征在于，所述距离采用欧式距离，计算公式为：
4.根据权利要求1所述的钻机传动装置的健康监测方法，其特征在于，该方法还包括根据当前传动装置的振动信号和对应的设定幅值阈值进行比较，判定传动装置是否出现超限故障。
5.根据权利要求4所述的钻机传动装置的健康监测方法，其特征在于，判定出现超限故障的依据包括时域判断和频域判断，时域判断为：若时域振动信号在水平方向和垂直方向上时域幅值最大值均大于对应的水平方向或垂直方向上的时域幅值阈值时，判定出现超限故障；频域判断为：若频域振动信号在水平方向和垂直方向上的基频、二倍频或三倍频的幅值中任意两个值大于对应的在水平方向或垂直方向上基频、二倍频和三倍频的频域幅值阈值时，判定出现超限故障。
【专利技术属性】
技术研发人员：赵彤宇，王乾，王新亚，耿仪，贾昆鹏，岳景龙，吕文梁，赵静涛，李朋宾，程磊，贾文博，谢冠恒，刘中驰，
申请(专利权)人：光力科技股份有限公司，
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。