專利名稱：大型旋轉(zhuǎn)機(jī)械復(fù)雜工況下的早期故障搜索方法
技術(shù)領(lǐng)域：
本發(fā)明大型屬于旋轉(zhuǎn)設(shè)備的運行安全評估技術(shù)領(lǐng)域，特別涉及ー種大型旋轉(zhuǎn)機(jī)械復(fù)雜エ況下的早期故障捜索方法，具體說是涉及關(guān)于能源、鋼鐵、煤礦、運輸?shù)绕髽I(yè)的大型旋轉(zhuǎn)設(shè)備總復(fù)雜エ況下的故障運行信息的深度挖掘，實現(xiàn)早期預(yù)防的方法。
背景技術(shù)：
隨著工業(yè)的發(fā)展和現(xiàn)代科學(xué)技術(shù)的進(jìn)步，提高企業(yè)運行效益成為各大中型企業(yè)管理的重點。能源、鋼鐵、煤炭等行業(yè)在激烈的市場競爭中謀求更好地發(fā)展，力求全面提升企業(yè)的綜合競爭力，其中最重要的手段就是研發(fā)或引進(jìn)具有國際先進(jìn)化水平的運行設(shè)備。隨著中大型企業(yè)運行設(shè)備結(jié)構(gòu)和功能上的日趨復(fù)雜化，企業(yè)對設(shè)備正常、安全、穩(wěn)定運行的要求越來越高，在保障設(shè)備安全運行方面，若出現(xiàn)故障再進(jìn)行故障診斷往往為時已晚，因此如何保障大型旋轉(zhuǎn)設(shè)備在負(fù)荷復(fù)雜多變的エ況下的安全運行，避免嚴(yán)重的設(shè)備運行故障造成巨大經(jīng)濟(jì)損失成為企業(yè)研究的焦點。國內(nèi)外研究現(xiàn)狀表明，傳感器監(jiān)測技術(shù)、振動分析診斷技術(shù)在相關(guān)領(lǐng)域內(nèi)的應(yīng)用基本實現(xiàn)了大型旋轉(zhuǎn)機(jī)械的狀態(tài)監(jiān)測與故障診斷，但故障診斷及排除缺乏預(yù)見性，具有一定的功能滯后性，無法實現(xiàn)大型旋轉(zhuǎn)機(jī)械運行故障的早期趨勢分析。另外大型旋轉(zhuǎn)機(jī)械運行歷程長、エ況多變、非平穩(wěn)性突出，無形的増加了大型旋轉(zhuǎn)機(jī)械設(shè)備早期故障捜索的難度，傳統(tǒng)的無量綱幅域參數(shù)是與能量有關(guān)的指標(biāo)，會受到劇烈エ況變化的干擾，或者因為能量變化不明顯而失去故障特征量的意義。在這個背景下，需要構(gòu)建新的故障信息分析因子來實現(xiàn)大型旋轉(zhuǎn)設(shè)備運行早期故障的定性和定量分析，并通過特定的數(shù)據(jù)處理方法實現(xiàn)故障信息的量化分析，從海量的設(shè)備監(jiān)測振動信號中捜索具有異常趨勢的時間序列，為后期設(shè)備故障的預(yù)警及診斷提供依據(jù)。

發(fā)明內(nèi)容
本發(fā)明的目的是提供在復(fù)雜多變、非穩(wěn)定的エ況下運行的ー種大型旋轉(zhuǎn)機(jī)械復(fù)雜 エ況下的早期故障捜索方法，其特征在干，具體實施步驟如下(1)大型旋轉(zhuǎn)機(jī)械設(shè)備振動故障征兆識別分析，即研究常見設(shè)備頻發(fā)振動故障征兆特征與振動參數(shù)異常波形特點，形成大型旋轉(zhuǎn)機(jī)械設(shè)備常見故障模式征兆分類表；(2)輸入?yún)?shù)的初始化處理，即輸入?yún)?shù)的時間序列分割，結(jié)合匹配參數(shù)的物理特性采取不同的時間序列劃分原則，實現(xiàn)運行設(shè)備振動參數(shù)的時間劃分算法；(3)振動參數(shù)無量綱特征因子定性化、定量化分析，分析比較構(gòu)建的振動參數(shù)特征因子與傳統(tǒng)時域特征值的區(qū)別，深入研究特征因子隨著故障信息發(fā)展的走勢及變化特征， 闡述特征因子物理意義，形成設(shè)備常見故障模式征兆與相應(yīng)故障提取因子匹配；(4)無量綱特征因子的計算、中心化及標(biāo)準(zhǔn)化，首先實現(xiàn)振動參數(shù)時間子序列的特征因子計算，為了減少不同性質(zhì)、度量単位特征因子的相對影響，避免絕對值較小因子被湮滅，對時間子序列特征因子進(jìn)行中心化和標(biāo)準(zhǔn)化，使各因子具有相同的評價基點和變化范圍；(5)特征因子異常邊界的界定，即在上述輸入初始處理基礎(chǔ)上，從設(shè)備運行監(jiān)控歷史數(shù)據(jù)庫中提取一定訓(xùn)練空間的監(jiān)測參數(shù)數(shù)據(jù)序列，通過特定的訓(xùn)練算法得到判定特征因子邊界標(biāo)準(zhǔn)，作為監(jiān)測參數(shù)異常捜索的準(zhǔn)則；(6)時間子序列多維屬性因子向量的異常序列捜索，選取ρ個特征因子描述η個振動參數(shù)時間子序列，通過P維屬性向量反映η個時間子序列的性質(zhì)，挖掘異常時間子序列， 找出大型旋轉(zhuǎn)機(jī)械運行的潛在故障危險點。所述大型旋轉(zhuǎn)機(jī)械包括能源、鋼鐵、煤炭和運輸行業(yè)內(nèi)的大型旋轉(zhuǎn)機(jī)械，具體包括火力發(fā)電機(jī)機(jī)組傳動系統(tǒng)，風(fēng)力發(fā)電機(jī)組傳動系統(tǒng)，飛機(jī)，火車，輪船以及煤炭和地鐵的挖掘機(jī)。所述風(fēng)カ發(fā)電機(jī)組傳動系統(tǒng)在變風(fēng)速、變載荷エ況下的早期故障搜索過程包括如下步驟1)風(fēng)カ發(fā)電機(jī)組傳動系統(tǒng)振動監(jiān)測測點布置(1)監(jiān)測風(fēng)電機(jī)組主軸前軸承徑向振動，(2)風(fēng)電機(jī)組增速箱前軸承徑向振動，⑶增速箱一級傳動級箱體振動，⑷增速箱ニ 級傳動級箱體振動和( 表示增速箱高速級箱體振動；以該5個傳感器采集數(shù)據(jù)參數(shù)得到頻發(fā)振動故障征兆特征與振動參數(shù)異常波形特點，形成風(fēng)電機(jī)組傳動系統(tǒng)早期故障特征頻率信息識別表；2)以風(fēng)電機(jī)組傳動系統(tǒng)監(jiān)測布置方案3號傳感器采集的增速箱一級傳動級箱體振動的振動參數(shù)λ為研究參數(shù)，設(shè)置振動參數(shù)χλ的時間序列χλ = {χ,α^,χ,α^,...., χλαη)}的維度η，振動參數(shù)時間序列維度表示時間序列χλ在采集時間段內(nèi)包含的信號數(shù)據(jù)個數(shù)，對于時間序列維度η充分考慮算法以及參數(shù)數(shù)據(jù)采樣粒度，結(jié)合風(fēng)電機(jī)組運行エ 況中風(fēng)速相關(guān)因素的變化情況，則通過計算列出振動參數(shù)時間序列維度n = t/ts，對振動監(jiān)測參數(shù)進(jìn)行基于整周期或整周期倍數(shù)的時間子序列劃分，根據(jù)振動參數(shù)時間序列的初步劃分進(jìn)行整周期分割優(yōu)化，將記錄值為零點的數(shù)據(jù)點作為起始點有利于算法的實現(xiàn)；3)在對時間序列數(shù)據(jù)進(jìn)行算法運算前，需要對振動參數(shù)時間序列進(jìn)行預(yù)處理，其中包括數(shù)據(jù)的中心化和標(biāo)準(zhǔn)化。特征因子時間序列的中心化公式為ァル‘ト凡⑴-は想八⑴バ又ぶ)表示k類特
征因子下h維時間子序列，yk(i)表示編號為i的時間子序列的k類特征因子的記錄值， 1’ k(i)表示中心化后的特征因子值，經(jīng)過中心化后各變量的均值將為0，即各變量的取值都有相同的基點；標(biāo)準(zhǔn)化為了實現(xiàn)特征因子的變化范圍統(tǒng)ー化，采用極差正規(guī)化實現(xiàn)特征因子時間序列的標(biāo)準(zhǔn)化，則特征因子時間序列y' k(i)的標(biāo)準(zhǔn)化公式為、(0= /ル)-·^の，經(jīng)
W)腿-W)mm
過標(biāo)準(zhǔn)化變換后各變量基點相同，變化范圍也相等，其得到經(jīng)過中心化、標(biāo)準(zhǔn)化的特征因子時間序列為y" k(i) = {y" k⑴，y" k(2).......y" k(h)}；4)構(gòu)建振動參數(shù)時間序列早期故障提取特征因子，由于風(fēng)電機(jī)組傳動系統(tǒng)的早期故障主要體現(xiàn)為ェ頻或倍頻和頻率調(diào)制兩方面，所以其早期故障提取因子關(guān)聯(lián)匹配分類主要分為故障模式和頻率特征兩種，故障模式的典型特征選取其較為敏感的特征因子作為每種故障模式特有的故障信息提取因素，風(fēng)電機(jī)組傳動系統(tǒng)早期故障提取因素為振動參數(shù)整周期時間劃分和早期故障模式與早期故障信息提取因子的關(guān)聯(lián)匹配；對故障與征兆匹配度關(guān)聯(lián)分析、故障分類征兆異常參數(shù)分析，實現(xiàn)表征早期故障危險潛在點的時間序列的捜索。本發(fā)明的有益效果是能夠針對當(dāng)前能源、鋼鐵、煤炭、運輸?shù)刃袠I(yè)內(nèi)的大型旋轉(zhuǎn)機(jī)械在復(fù)雜エ況運行下的早期故障趨勢搜索問題，解決在強(qiáng)干擾、多噪音下非平穩(wěn)振動信號的早期故障無法提取的難題，該發(fā)明實現(xiàn)了變エ況條件下的大型旋轉(zhuǎn)機(jī)械早期故障捜索， 提高了借助振動參數(shù)分析挖掘設(shè)備早期故障的精確度，及時的發(fā)現(xiàn)設(shè)備運行的潛在故障危險點，便于采取故障的預(yù)防性措施。本發(fā)明為大型旋轉(zhuǎn)機(jī)械的狀態(tài)監(jiān)測與故障預(yù)警系統(tǒng)的功能實現(xiàn)提供可靠性較高的理論依據(jù)，提高大型旋轉(zhuǎn)機(jī)械設(shè)備在復(fù)雜運行條件下早期故障預(yù)警功能的精度，增強(qiáng)大型旋轉(zhuǎn)機(jī)械設(shè)備的安全性、可靠性和穩(wěn)定性，避免了大型旋轉(zhuǎn)機(jī)械設(shè)備嚴(yán)重故障的發(fā)生，提升了能源、鋼鐵、煤炭、運輸?shù)刃袠I(yè)的經(jīng)濟(jì)效益。


圖1為風(fēng)カ發(fā)電機(jī)組傳動系統(tǒng)的早期故障捜索步驟示意圖。圖2為風(fēng)電機(jī)組傳動系統(tǒng)振動監(jiān)測測點布置圖。圖3為風(fēng)電機(jī)組傳動系統(tǒng)振動參數(shù)時間劃分流程示意圖。圖4為風(fēng)電機(jī)組傳動系統(tǒng)振動參數(shù)早期故障提取因子及故障、特征因子匹配研究流程圖。圖5為振動參數(shù)特征因子聚類的風(fēng)電機(jī)組傳動系統(tǒng)早期故障潛在危險的捜索流程圖。
具體實施例方式本發(fā)明ー種大型旋轉(zhuǎn)機(jī)械復(fù)雜エ況下的早期故障捜索方法。下面結(jié)合附圖對本發(fā)明予以說明。大型旋轉(zhuǎn)機(jī)械的振動參數(shù)數(shù)據(jù)實質(zhì)上是設(shè)備振動記錄值隨運行時間變化的有序時間序列，設(shè)備運行狀況的變化勢必會引起振動記錄值與時間變量的相應(yīng)變動，設(shè)備運行 エ況的變化或潛在故障的發(fā)生均會引起參數(shù)變動。實際背景下，絕大多數(shù)大型旋轉(zhuǎn)機(jī)械的運行時伴隨著環(huán)境、轉(zhuǎn)速、溫度、壓カ等因素的變化運行的，我們在挖掘潛在運行故障時，需要排除設(shè)備監(jiān)測參數(shù)因外界因素變化造成異變的干擾，影響大型旋轉(zhuǎn)機(jī)械早期故障的提取的精度。本發(fā)明旨在解決變負(fù)荷條件下運行的大型旋轉(zhuǎn)機(jī)械的早期故障捜索問題，需要構(gòu)建適合變負(fù)荷背景下的振動信號特征因子，通過研究故障模式異常變動與特征因子的匹配，體現(xiàn)發(fā)明中構(gòu)建特征因子的優(yōu)勢。采用聚類分析處理設(shè)備運行的振動信號，挖掘復(fù)雜エ 況下設(shè)備運行的潛在故障危險點，具體流程如圖1所示。具體實施步驟如下步驟1，掌握所研究大型旋轉(zhuǎn)機(jī)械的振動監(jiān)測方案，風(fēng)カ發(fā)電機(jī)組傳動系統(tǒng)振動監(jiān)測測點布置圖參見圖2，圖中1表示監(jiān)測風(fēng)電機(jī)組主軸前軸承徑向振動、2表示風(fēng)電機(jī)組增速箱前軸承徑向振動、3表示增速箱一級傳動級箱體振動、4表示增速箱ニ級傳動級箱體振動、5表示增速箱高速級箱體振動。積累風(fēng)カ發(fā)電機(jī)組傳動系統(tǒng)的常見故障模式，研究風(fēng)電機(jī)組傳動系統(tǒng)各部件運行時的工作頻率及故障條件下的異常頻率變化情況，形成風(fēng)電機(jī)組傳動系統(tǒng)早期故障特征頻率信息識別表，如表1所示。特征頻率信息識別表的分析是為了深入了解故障振動參數(shù)異常變化的特征，為尋找相匹配的參數(shù)特征因子作準(zhǔn)備。表1風(fēng)電機(jī)組傳動系統(tǒng)早期故障特征頻率信息識別表
權(quán)利要求
1.ー種大型旋轉(zhuǎn)機(jī)械復(fù)雜エ況下的早期故障捜索方法，其特征在干，具體實施步驟如下(1)大型旋轉(zhuǎn)機(jī)械設(shè)備振動故障征兆識別分析，即研究常見設(shè)備頻發(fā)振動故障征兆特征與振動參數(shù)異常波形特點，形成大型旋轉(zhuǎn)機(jī)械設(shè)備常見故障模式征兆分類表；(2)輸入?yún)?shù)的初始化處理，即輸入?yún)?shù)的時間序列分割，結(jié)合匹配參數(shù)的物理特性采取不同的時間序列劃分原則，實現(xiàn)運行設(shè)備振動參數(shù)的時間劃分算法；(3)振動參數(shù)無量綱特征因子定性化、定量化分析，分析比較構(gòu)建的振動參數(shù)特征因子與傳統(tǒng)時域特征值的區(qū)別，深入研究特征因子隨著故障信息發(fā)展的走勢及變化特征，闡述特征因子物理意義，形成設(shè)備常見故障模式征兆與相應(yīng)故障提取因子匹配；(4)無量綱特征因子的計算、中心化及標(biāo)準(zhǔn)化，首先實現(xiàn)振動參數(shù)時間子序列的特征因子計算，為了減少不同性質(zhì)、度量単位特征因子的相對影響，避免絕對值較小因子被湮滅， 對時間子序列特征因子進(jìn)行中心化和標(biāo)準(zhǔn)化，使各因子具有相同的評價基點和變化范圍；(5)特征因子異常邊界的界定，即在上述輸入初始處理基礎(chǔ)上，從設(shè)備運行監(jiān)控歷史數(shù)據(jù)庫中提取一定訓(xùn)練空間的監(jiān)測參數(shù)數(shù)據(jù)序列，通過特定的訓(xùn)練算法得到判定特征因子邊界標(biāo)準(zhǔn)，作為監(jiān)測參數(shù)異常捜索的準(zhǔn)則；(6)時間子序列多維屬性因子向量的異常序列捜索，選取ρ個特征因子描述η個振動參數(shù)時間子序列，通過P維屬性向量反映η個時間子序列的性質(zhì)，挖掘異常時間子序列，找出大型旋轉(zhuǎn)機(jī)械運行的潛在故障危險點。
2.根據(jù)權(quán)利要求1所述大型旋轉(zhuǎn)機(jī)械復(fù)雜エ況下的早期故障捜索方法，其特征在干， 所述大型旋轉(zhuǎn)機(jī)械包括能源、鋼鐵、煤炭和運輸行業(yè)內(nèi)的大型旋轉(zhuǎn)機(jī)械，具體包括火力發(fā)電機(jī)機(jī)組傳動系統(tǒng)，風(fēng)力發(fā)電機(jī)組傳動系統(tǒng)，飛機(jī)，火車，輪船以及煤炭和地鐵的挖掘機(jī)。
3.根據(jù)權(quán)利要求1所述大型旋轉(zhuǎn)機(jī)械復(fù)雜エ況下的早期故障捜索方法，其特征在干， 所述風(fēng)カ發(fā)電機(jī)組傳動系統(tǒng)變風(fēng)速、變載荷エ況下的包括如下步驟1)風(fēng)カ發(fā)電機(jī)組傳動系統(tǒng)振動監(jiān)測測點布置(1)監(jiān)測風(fēng)電機(jī)組主軸前軸承徑向振動，(2)風(fēng)電機(jī)組增速箱前軸承徑向振動，(3)增速箱一級傳動級箱體振動，(4)增速箱ニ級傳動級箱體振動和( 表示增速箱高速級箱體振動；以該5個傳感器采集數(shù)據(jù)參數(shù)得到頻發(fā)振動故障征兆特征與振動參數(shù)異常波形特點，形成風(fēng)電機(jī)組傳動系統(tǒng)早期故障特征頻率信息識別表；2)以風(fēng)電機(jī)組傳動系統(tǒng)監(jiān)測布置方案3號傳感器采集的增速箱ー級傳動級箱體振動的振動參數(shù)λ為研究參數(shù)，設(shè)置振動參數(shù)Χλ的時間序列Χλ = (X^t1), xA(t2), xA(tn)}的維度η，振動參數(shù)時間序列維度表示時間序列Χλ在采集時間段內(nèi)包含的信號數(shù)據(jù)個數(shù)，對于時間序列維度η充分考慮算法以及參數(shù)數(shù)據(jù)采樣粒度，結(jié)合風(fēng)電機(jī)組運行エ 況中風(fēng)速相關(guān)因素的變化情況，則通過計算列出振動參數(shù)時間序列維度n = t/ts，對振動監(jiān)測參數(shù)進(jìn)行基于整周期或整周期倍數(shù)的時間子序列劃分，根據(jù)振動參數(shù)時間序列的初步劃分進(jìn)行整周期分割優(yōu)化，將記錄值為零點的數(shù)據(jù)點作為起始點有利于算法的實現(xiàn)；3)在對時間序列數(shù)據(jù)進(jìn)行算法運算前，需要對振動參數(shù)時間序列進(jìn)行預(yù)處理，其中包括數(shù)據(jù)的中心化和標(biāo)準(zhǔn)化，特征因子時間序列的中心化公式為ァル‘ト凡⑴-！^化⑴バれ⑶表示k類特征因子下h維時間子序列，yk(i)表示編號為i的時間子序列的k類特征因子的記錄值，y' k(i) 表示中心化后的特征因子值，經(jīng)過中心化后各變量的均值將為0，即各變量的取值都有相同的基點；標(biāo)準(zhǔn)化為了實現(xiàn)特征因子的變化范圍統(tǒng)ー化，采用極差正規(guī)化實現(xiàn)特征因子時間序列的標(biāo)準(zhǔn)化，則特征因子時間序列y' k(i)的標(biāo)準(zhǔn)化公式為ん(0= ノル)-タル)，經(jīng)過標(biāo)W)腿-W)mm準(zhǔn)化變換后各變量基點相同，變化范圍也相等，其得到經(jīng)過中心化、標(biāo)準(zhǔn)化的特征因子時間序列為:y" k(i) = {y" k(l)，y〃 k(2).......y" k(h)}；.4)構(gòu)建振動參數(shù)時間序列早期故障提取特征因子，由于風(fēng)電機(jī)組傳動系統(tǒng)的早期故障主要體現(xiàn)為エ頻及倍頻、頻率調(diào)制兩方面，所以其早期故障提取因子關(guān)聯(lián)匹配分類主要分為故障模式和頻率特征兩種，故障模式的典型特征選取其較為敏感的特征因子作為每種故障模式特有的故障信息提取因素，風(fēng)電機(jī)組傳動系統(tǒng)早期故障提取因素為振動參數(shù)整周期時間劃分和早期故障模式與早期故障信息提取因子的關(guān)聯(lián)匹配；對故障與征兆匹配度關(guān)聯(lián)分析、故障分類征兆異常參數(shù)分析，實現(xiàn)表征早期故障危險潛在點的時間序列的捜索。
全文摘要
本發(fā)明公開了屬于大型旋轉(zhuǎn)設(shè)備的運行安全評估技術(shù)領(lǐng)域的一種大型旋轉(zhuǎn)機(jī)械復(fù)雜工況下的早期故障搜索方法，大型旋轉(zhuǎn)機(jī)械設(shè)備振動故障征兆識別分析、系統(tǒng)振動監(jiān)測測點布置輸入?yún)?shù)的時間序列分割，實現(xiàn)運行設(shè)備振動參數(shù)的時間劃分算法，對振動參數(shù)時間序列進(jìn)行預(yù)處理，其中包括數(shù)據(jù)的中心化和標(biāo)準(zhǔn)化；構(gòu)建振動參數(shù)時間序列早期故障提取特征因子，對故障與征兆匹配度關(guān)聯(lián)分析、故障分類征兆異常參數(shù)分析，實現(xiàn)表征早期故障危險潛在點的時間序列的搜索；提高大型旋轉(zhuǎn)機(jī)械設(shè)備安全性、可靠性和穩(wěn)定性，避免了大型旋轉(zhuǎn)機(jī)械設(shè)備嚴(yán)重故障的發(fā)生，提升了能源、鋼鐵、煤炭、運輸?shù)刃袠I(yè)的經(jīng)濟(jì)效益。
文檔編號G01H17/00GK102564568SQ20111045299
公開日2012年7月11日 申請日期2011年12月29日 優(yōu)先權(quán)日2011年12月29日
發(fā)明者代數(shù)建, 劉佳, 宋磊, 徐天金, 王兵兵, 王敏, 陳昆亮, 顧煜炯, 馬楊, 高嶄 申請人:華北電力大學(xué)