[发明专利]一种机械故障诊断方法和装置

说明书

技术领域

本发明涉及自动化技术，特别涉及一种机械故障诊断方法和装置。

背景技术

当前，基于人工智能的自动机械故障诊断系统在机械领域的应用越 来越广泛。其中，在学术领域和工业界，尤以基于知识的故障推理和基 于数学模型的故障诊断这两种技术的研究和应用最为普遍。但是，这两 种技术的实现均需要依赖于一个基本的假设，那就是对所获得的故障类 型的知识有一个清晰的表述，无论是采用数学方程还是通过在知识库 (Knowlegde Database)中构建规则集(Rule Stes)的表述方式。

但是，由于不同的故障类型在不同的场景下表现为不同的信号模式， 而且，即使对于类似机械设备的相同故障类型，所表现出来的信号模式 也可能有很大的不同，所以，通常很难完整准确地获取到针对各种不同 故障类型的知识。

为此，现有技术中多采用对采集到的所有信号进行综合性的定性趋 势分析的方法，来弥补当需要进行机械故障诊断时，所需知识不完整的 不足。当前，随着基于人工智能的自动机械故障诊断系统在工业上的广 泛应用，出现各种基于不同定性趋势分析方法的机械故障诊断方法。比 如：

定性趋势推理方法，旨在表示和说明一个过程变量的动态演变过程。 该方法的具体实现包括：首先，将该过程变量的时间序列划分为一系列 可用几何学上的三角形或梯形模型来表示的时域波段；然后，用不同的 字母来表示不同的波段，从而将划分得到的所有波段表示为一个符合串； 举例说明，图1为现有不同波段的定义方式以及字母表示示意图，图2 为现有一个过程变量所对应的时间序列示意图，该时间序列可用图1中 所示的不同波段进行表示，从而得到一个与该时间序列相对应的字符串 ABCDABCDAB；然后，将表示出的字符串与知识库中预先保存的故障特 征之间进行自动模式匹配，以推断出机械设备当前的运行状态，即所处 的故障类型。

但是，这种方法会导致不精确的边界划分(即对于处于不同波段交 界处的时间序列，很难确定其所述波段类型)；而且，由于噪声以及一 些潜在的其它因素的影响，即使对于相同的故障类型，也很难用相同的 字符串来进行表示，因此，需要建立一个庞大的知识库，同时也可能造 成匹配的错误。

为此，现有技术中又提出了一种模糊推理方法，该方法首先利用多 项式拟合的区间-二分法技术，从定性上自动识别出所采集的信号的时间 序列的演变趋势，然后，基于识别出的演变趋势，计算该信号与知识库 中预先保存的故障特征之间的模糊相似度，以识别出最可能的故障类型。 其中，知识库中包含有一系列的If/Then规则，这些规则可从物理意义上 解释一个故障类型所对应的信号的演变趋势。

这种方法对于提高故障推理过程中的鲁棒性非常有帮助。但是，如 果在区间-二分法技术中采用不同的时间粒度来划分信号的时间序列，并 且考虑到信号正常或异常的振幅波动，即使对于相同的信号的时间序列， 也会得到不同的趋势识别结果，进而导致不同的模糊相似度计算结果以 及故障类型识别结果。

发明内容

有鉴于此，本发明的主要目的在于提供一种机械故障诊断方法，能够准 确地识别出机械设备所处的故障类型。

本发明的另一目的在于提供一种机械故障诊断装置，能够准确地识别出 机械设备所处的故障类型。

为达到上述目的，本发明的技术方案是这样实现的：

一种机械故障诊断方法，包括：

采集目标机械设备中用于进行机械故障诊断的m个信号，所述m为正 整数，并对每个信号进行定性和定量趋势分析；

分别计算所有m个信号的定性和定量趋势分析结果与知识库中预先保 存的每种故障类型所对应的特征趋势之间的总体相似度系数；

判断计算出的取值最大的总体相似度系数是否大于预先设定的阈值，如 果是，则将所述取值最大的总体相似度系数对应的故障类型确定为所述目标 机械设备所处的故障类型。

其中，所述对每个信号进行定性和定量趋势分析之前，进一步包括：对 每个信号进行去噪处理；

所述对每个信号进行定性和定量趋势分析包括：对每个经过去噪处理后 的信号进行定性和定量趋势分析。

所述对每个信号进行定性和定量趋势分析之前，进一步包括：提取每个 信号中的特征量；

所述对每个信号进行定性和定量趋势分析包括：对从每个信号中提取出 的特征量进行定性和定量趋势分析。