[发明专利]旋转机械设备的技术状态评估方法

说明书

本发明涉及旋转机械设备的智能维护技术领域，具体地说，是旋转机械设备的技术状态评估方法。主要包括以下步骤：基于物理模型进行层次分析：将基于设备特性部署不同传感器采集环境参数与过程参数进行分析处理；在不同层级采用分布式多维信息融合分析技术的处理方式进行分析。采用了基于物理模型的层次分解方法从上到下合理拆分至可监控单元部件，同时采用了分布式多维信息融合技术从下到上监控并分析评估设备的技术状态。

技术领域

本发明涉及旋转机械设备的智能维护技术领域，具体地说，是旋转机械设备的技术状态评估方法。

背景技术

中国与日、美、欧等机械强国相比在旋转机械技术状态评估方面起步较晚，技术发展已经从传统的耳听、眼看、手摸，发展到采用现代测量技术、计算机技术和信号分析技术，院校也研制出一些系统软件，但基本上处于研究发展阶段，且价格昂贵，通用性不高、无法达到预期的效果等问题。由于旋转机械的特性，往往故障发生之前会有一系列的连锁异常现象，局部的异常或者说是单参数的异常往往不能追溯到问题根源。

发明内容

为了解决上述技术问题，本发明采用了基于物理模型的层次分解方法从上到下合理拆分至可监控单元部件，同时采用了分布式多维信息融合技术从下到上监控并分析评估设备的技术状态。

为了实现上述目的，本发明使用的技术方案如下：

旋转机械设备的技术状态评估方法，其特征在于，主要包括以下步骤：

基于物理模型进行层次分析：将基于设备特性部署不同传感器采集环境参数与过程参数进行分析处理；

在不同层级采用分布式多维信息融合分析技术的处理方式进行分析。

本发明进一步改进，所述基于物理模型进行层次分析中是为了采集单元部件传感器数据，按照系统-子系统-单元部件的模式进行层次分解,将单元的功能与最高层次的系统的功能关联起来。

本发明进一步改进，所述分布式多维信息融合分析技术处理方式分为以下步骤：

步骤一：采用多参数融合评估技术在子系统级进行状态评估：清洗数据，提取有用数据后进行阈值判断和异常数据特征采集，并将同一频域异常数据自动建模分析后给出报警现象事件；

步骤二：采用事件关联分析技术进行系统技术状态评估：基于KNN算法进行分类加权优化分析，并进行归一化处理，综合分析各个事件关联关系评估系统技术状态。

本发明的有益效果：采用了基于物理模型的层次分解方法从上到下合理拆分至可监控单元部件，同时采用了分布式多维信息融合技术从下到上监控并分析评估设备的技术状态。

附图说明

图1是本发明的流程示意图。

图2是本发明的多参数融合评估方法示意图。

图3是本发明的事件关联分析方法示意图。

具体实施方式

为了加深对本发明的理解，下面将结合实施例对本发明做进一步详细描述，该实施例仅用于解释本发明，并不对本发明的保护范围构成限定。

实施例，如图1-3所示，旋转机械设备的技术状态评估方法，主要包括以下步骤：

基于物理模型进行层次分析：将基于设备特性部署不同传感器采集环境参数与过程参数进行分析处理；

在不同层级采用分布式多维信息融合分析技术的处理方式进行分析。

本实施例中，基于物理模型进行层次分析中是为了采集单元部件传感器数据，按照系统-子系统-单元部件的模式进行层次分解,将单元的功能与最高层次的系统的功能关联起来。