[发明专利]一种面向钢铁连铸设备的故障预测方法及装置

说明书

技术领域

本发明属于机械设备故障诊断与预测技术领域，具体涉及一种面向钢铁连铸设备的故障预测方法及装置。

背景技术

国内制造业的设备维修管理服务需求不断攀升。迫切需要研发面向大型装备的MRO支持系统，为装备制造企业、装备用户企业和装备服务企业提供全面的数字化解决方案和信息化集成技术，推动制造服务业跨越式发展。目前，国内钢铁连铸生产线仍采用事后维修和计划维修的维护模式，维修费用高，容易产生设备非计划停机，造成巨大的损失。传统维护方式难以满足维护成本与效率的要求，亟需更合理高效的设备运行状态监测与诊断技术来减少故障停机时间，降低运行和维护成本。

对机械故障进行监测诊断的研究已经有许多成果，如重庆大学CN1514209A号专利所公布的一种旋转机械故障智能诊断方法与装置，沈阳工业大学CN1776390专利号所公开的一种低速重载旋转机械故障诊断方法，上海交通大学CN2826392号专利所公开的一种旋转机械故障诊断与分析实验装置等。他们的共同特点都是对旋转机械故障诊断方法与装置的研究，没有进行现场故障预测。而上海海事大学发明专利号CN101201295A所公布的基于灰色理论的预测方法和装置，通过灰色预测原理预测未来各个时刻旋转机械振动位移数值来达到预测旋转机械未来工作状况。对于钢铁连铸设备来说，设备的状态信息参量多，已有的发明只对旋转机械的振动信号进行分析，不能全面掌握设备的状态信息，也不能做出较全面的故障预测。另一方面，对于很多生产环境复杂、恶劣的场合，通过有线方式采集设备状态数据并进行实时预测非常困难。再者，现有的发明将采集的数据仅仅用于故障诊断和预测，而没有将数据存储和上传为设备管理和生产管理服务。

发明内容

本发明的目的之一在于提供一种面向钢铁连铸设备的智能故障预测方法。该方法采用小波包分解和重构设备状态信号并构建特征向量，用得到的特征向量训练SVDD单值分类器，通过驯化的SVDD单值分类器。

本发明的目的之二在于提供一种面向钢铁设备的智能故障预测装置，在数据采集设备与手持设备之间采用无线通信进行数据传输，解决了工业生产现场恶劣的布线条件问题，提高了点检的灵活性。

本发明提出的一种面向钢铁连铸设备的故障预测方法，具体步骤如下：

(1)进行点检时，通过手持点检设备唤醒安装于设备监测点的数据采集节点，通过设置数据采集通道开始采集数据；

(2)数据采集节点前端传感器采集的设备状态数据，经隔离、变换及滤波处理之后，得到对应的电压信号；

(3)电压信号在数据采集节点经采样和模数转换，得到对应的数字信号；

(4)数字信号在数据采集节点中进行编码打包，然后通过无线射频发送出去；

(5)手持点检设备接收数据采集节点发送的编码数据，自动进行解码和存储；

(6)通过手持点检设备的功能菜单选择对采集数据的操作，进行故障分析和寿命预测，同时发送指令改变采集通道或停止采集使数据采集节点休眠；

(7)预测的结果显示在手持点检设备的显示模块上。

本发明中，步骤(6)中故障分析使用小波包分解技术进行特征提取、SVDD分类器驯化和设备退化曲线的获取，具体步骤如下：

(1)利用原始信号x(t)的均值μ和标准差σ规范化x(t)，得

(2)利用小波包分解对规范化后的信号x(t)′进行j层分解，得到2^j个不同频带的重构信号f_i(t)(i＝1，...，2^j)；

(3)计算各频带重构信号f_i(t)的能量，采用归一化方法对各频带重构信号进行处理，即用各频带重构信号的能量占信号总能量的分数来表示，得到各重构信号的相对能量i＝1，2，...，2^j，有

(4)利用归一化后的各频带重构信号的相对能量E_j(i)作为参数，构造特征向量T＝[E_j(1)，E_j(2)，...，E_j(2^j)]；

(5)以1000组良好设备的状态数据为样本，利用步骤(4)中所构造的特征向量作为学习样本，训练SVDD单值分类器，得到决策函数χ(z)中与样本对应的参数α_i的值和最小超球面半径R的值；

(6)将设备全生命周期的采样数据代人Г＝χ(z)-R，如果Г≤0，则健康指标HI＝0；否则HI＝Г；

(7)用得到的设备全生命周期的健康指标HI绘制设备性能退化曲线；