[发明专利]旋转类机械早期故障预警分析方法

说明书

本发明公开了一种旋转类机械早期故障预警分析方法，包括状态学习和状态监控两大部分，其中状态学习采用自学习机器特征参数方式，系统自学习结束后，自动切换到监控状态，开始对机器进行实时监控。本发明具备长时间、实时在线监控和分析功能，既可以捕捉微小异常冲击能量，如齿面点蚀，轴承滚动体疲劳剥落、发动机活塞环过度磨损、曲轴滑动轴承刮擦等故障；也可以实时监控大能量故障，如断齿、断轴等严重故障，并立即停机，防止深度破坏。该系统不仅可以实时监控机器故障，还可以对故障进行分析，指出故障位置和可能的故障形式，方便检验人员进行故障排除和修复。

技术领域

本发明涉及一种旋转类机械早期故障预警分析方法。

背景技术

用于旋转类机械早期故障预警分析的计算机程序产品是针对旋转类机械，如发动机、变速箱、汽轮机、电机、风电齿轮箱等旋转类的机器进行早期故障预警和故障分析的系统。该系统具备长时间、实时在线监控和分析功能，既可以捕捉微小异常冲击能量，如齿面点蚀，轴承滚动体疲劳剥落、发动机活塞环过度磨损、曲轴滑动轴承刮擦等故障；也可以实时监控大能量故障，如断齿、断轴等严重故障，并立即停机，防止深度破坏。该系统不仅可以实时监控机器故障，还可以对故障进行分析，指出故障位置和可能的故障形式，方便检验人员进行故障排除和修复。

发明内容

本发明要解决的技术问题是提供一种旋转类机械早期故障预警分析方法。

为了解决上述技术问题，本发明采用的技术方案是：旋转类机械早期故障预警分析方法，包括以下步骤：

一、状态学习

所述状态学习采用自学习机器特征参数方式，步骤如下：

(1)选择自学习开始触发的方式，包括内部触发和外部触发；所述外部触发由外部给定变换工况信号，如换挡信号；所述内部触发包括：内部工况运行时间变换信号，或其它工况变换特征如转速/扭矩信号的变换；

(2)选择振动传感器的监控通道数量、采样频率，以及编码器脉冲当量，编码器监控通道；用户也可以选择通过辅助监控传感器所采集的辅助监控信息，所述辅助监控信息包括扭矩、温度、压力、流量信号；辅助监控信息可以作为后续故障分析时的辅助判定指标，帮助使用者快速寻找故障原因；

(3)选择自学习的机器特征参数，所述机器特征参数包括均值、均方根、峭度、绝对阶次趋势指数、相对阶次趋势谱、小波能量谱、时间序列谱；

(4)系统开始运行后，自动采集振动传感器、编码器的数据信号，以及来自辅助监控传感器的数据信号；

(5)系统采集振动传感器和编码器数据信号后，对数据信号进行滤波，根据步骤(3)中需要学习的机器特征参数，对数据信号进行计算；机器的每个运行工况采集不少于50组样本，对各组样本数据进行计算，剔除异常参数，对各组样本计算的特征参数去均值，作为后续的监控指标，保存在数据文件中；

(6)系统自学习结束后，自动切换到监控状态，开始对机器进行实时监控；

为了保证监控时评判标志的一致性，自学习机器特征参数时所用的信号处理方法与后续进行状态监控中所用的信号处理方法相同，均采用了中值滤波的方法。

二、状态监控

(7)参数初始化：进入状态监控时，需先对监控参数进行初始化，监控参数为自学习机器状态特征时的机器特征参数，系统将各监控参数清空置零；

(8)读取自学习参考值：系统将自学阶段保存的机器特征参数读取到内存空间中，避免每次将监控值与之相比较时都需要从数据文件中读取，提高系统运行效率；