[发明专利]一种实现旋转设备自动故障诊断及寿命预测的系统和方法

说明书

本发明公开了一种用于旋转设备状态监测的技术，包括系统和方法。靠近旋转设备的传感器感测旋转设备的振动。传感器产生对应于旋转设备振动的数字信号，并通过通信网络传输数字信号。服务器接收数字信号并使用集合经验模态分解(EEMD)技术对数字信号进行预处理。服务器使用小波神经网络(WNN)处理数字信号以检测旋转设备中的故障。此外，服务器使用小波神经网络处理数字信号以预测旋转设备的剩余有效寿命(RUL)。

相关申请的交叉引用

本申请要求以下专利的优先权：″An architecture(VibrationLF)for lowestpowered wireless sensors driven fault diagnosis and remaining life prediction(一种实现低功率无线传感器的故障诊断和剩余寿命预测的架构(VibrationLF))″，美国临时申请案申请号62/562,365，向美国专利商标局提交时间为2017年9月23日；″System andMethod for Automated Fault Diagnosis and Prognosis for Rotating Equipment(旋转设备故障自动诊断和寿命自动预测的系统和方法)″，美国非临时申请案申请号15/862,146，向美国专利商标局提交时间为2018年1月4日。以上申请案的全部内容以整体引用的形式包含在此申请文件中。

技术领域

本专利技术属于旋转设备状态监测领域，具体涉及的是一种实现旋转设备自动故障诊断及预测的系统和方法。

背景技术

旋转设备，如气体压缩机、发电机、涡轮机、泵、工业用风扇和齿轮箱，在工业中应用广泛。旋转设备可包括发动机、传动轴、齿轮箱、轴承和负载。旋转设备的故障和/或其部件上的故障可导致整个机器的失效和停机，由此可导致各种结果，包括但不限于生产进度的延误、高生产成本以及操作工人的人身伤害。

通常，新的旋转设备安装后，其保养和维修以一定的预定时间间隔进行。这种维修策略不得不权衡计划外机器故障的成本和不必要维修的成本。因此，工业实际中通常需要关注旋转设备的故障诊断。然而，单独的故障诊断不足以检测出设备故障的征兆和/或避免设备的后续损伤。例如，通过旋转设备的故障诊断，可以诊断出某一特定时刻旋转设备中发生的故障。但是，仅基于观测到的故障损伤去预测旋转设备的失效是非常困难甚至是不可实现的。确定旋转设备何时失效对于避免意外灾难非常重要。当可以预先预测旋转设备的失效时间时，可以避免意外灾难，并且可以实施预测性维护以最大化旋转设备的运行时间和最小化旋转设备的维修成本。

此外，由于背景噪声的影响，来自旋转设备的数据不容易使用，尤其在早期故障的情况下更是如此。这样的数据降低了旋转设备故障诊断和/或失效时间预测的准确性。

有鉴于此，为实现旋转设备的预测性维护，其故障的诊断和失效时间的预测需要进一步探索。同时，现有预测技术也需要进一步改进以便能够以更高的精度预测旋转设备的失效时间。

发明内容

在本专利技术的某些实施例中，提供了一种用于旋转设备状态监测的系统。这种系统包括了安装于旋转设备附近的传感器。传感器感知旋转设备的振动，产生与旋转设备振动相对应的数字信号，并通过通信网络传输数字信号。这种系统也包括了通过通信网络与传感器通讯的服务器。服务器计算数字信号的多个本征模态函数。本征模态函数表示数字信号的振荡模式。服务器从多个本征模态函数中选择一组本征模态函数集，并从该组本征模态函数集中提取一组特征作为特征集。服务器将特征集作为输入值应用于小波神经网络。然后，服务器借助小波神经网络和所应用的特征集预测旋转设备的寿命百分比。

在某些示例中，传感器是基于微机电系统的传感器。传感器包括将振动信号转换为数字信号的微处理器。此外，传感器也包括通讯模块，该通讯模块通过光学配置与通信网络建立连接。特征集包括时域特征和频域特征的组合。服务器将特征集作为小波神经网络的输入实现旋转机械寿命百分比的预测。此外，服务器计算旋转设备的剩余有效寿命并在用户设备的用户界面上显示旋转设备的剩余有效寿命。