[发明专利]一种基于在线监测的旋转机械早期故障诊断方法及系统

权利要求书

1.一种基于在线监测的旋转机械早期故障诊断方法，包括以下步骤，

第一步，在线监测旋转机械健康状态指标，在各项状态指标运行过程中，根据所需趋势描述周期长短，设置不同周期，分别计算各状态指标在周期时间段内的平均值，以此为据，作出各状态指标的移动平均线；

第二步，按照设定时间周期，读取选定移动平均线上的数值d，并据此作出指标矩阵D，其元素d_i,j为相应时间序号、指标序号所对应的d值，下标i代表时间序号，下标j代表指标序号，即

第三步，设定时间间隔Δt，计算指标增量与其初始值的百分比e值，即

e_i,j＝(d_i,j-d_i-Δt,j)/d_i-Δt,j*100

据此作出矩阵E，

其中e_i,j时间序号为i，指标序号为j时对应的增量比值；

在此矩阵中，当某一列元素连续出现正值时，表示该指标存在劣化倾向；

第五步，根据各指标不同的敏感性，设置一组与之对应的阈值组，该阈值组是一个单行矩阵H，即

式中下标j为指标编号序号；

比较D矩阵各元素与H矩阵各阈值的大小，即d_i，j-h_j，当d_i，j-h_j大于0时，判断为设备出现早期故障，发出设备早期故障报警；

第六步，对在线监测所得的周期性指标进行频谱分析，得到各频率对应的幅值时序矩阵K＝∣k_i,j∣，即

及各频率对应的相位时序矩阵L＝∣l_i,j∣，即

第七步：对三相电流、电压进行负序计算，得到对应的正序、负序、零序电流、电压与电流、电压总值之比的时序矩阵R，即

第六步和第七步所得指标为派生指标；

第八步，按照以上第三步所设定的时间间隔Δt，计算以上派生指标的增量与其初始值的百分比值，并重新对所有派生指标进行编序，合并为一个派生指标增量矩阵P，矩阵P由在各元素行下标定义不变的前提下，将矩阵R加入到矩阵L后构成，使矩阵P的列数＝矩阵L的列数+矩阵R列数，其元素为P_i，j，其中下标i为时序编号，j为重新编制的派生指标序号，即

第九步，合并矩阵E和矩阵P为矩阵Q，其原则是新的矩阵包含E和P的所有各列，并对所有指标重新编序，这样就组成了一个完整的描述设备状态的指标增量比值的矩阵Q，其元素为q_i,j，下标i为时序号，下标j为所有指标重新编序后的序号；

第十步：确定描述故障类型与所有指标增量比值之间关系的矩阵S，其元素s_i,j的下标i为所有指标重新编序后的序号，下标j为故障类型序号，s_i,j的赋值在-100——+100之间，负值表示负相关，0值表示不相关，正值表示正相关，100表示完全一致；

第十一步，求取诊断结果矩阵U＝Q*S，

其元素u_i,j的下标i为时序编号，下标j为故障类型编号；

第十二步，对矩阵U进行解读，并编制诊断报告。

2.根据权利要求1所述的一种基于在线监测的旋转机械早期故障诊断方法，其特征在于：第一步中，设备健康状态指标包括振动、温度、电流、电压、压力、流量中的一种或多种。

3.根据权利要求1所述的一种基于在线监测的旋转机械早期故障诊断方法，其特征在于，第三步和第五步之间包括第四步，第四步，根据各指标不同的敏感性，设置一组与之对应的阈值组，该阈值组是一个单行矩阵G，即

式中下标j为指标编号序号；

比较E矩阵各行元素与G矩阵对应列元素的大小，即e_i,j-g_j，当e_i,j-g_j大于0，判断为设备出现健康状态劣化，发出设备异常预警。

4.根据权利要求1所述的一种基于在线监测的旋转机械早期故障诊断方法，其特征在于：第三步中，时间间隔Δt为5分钟、10分钟、30分钟、60分钟、300分钟、1440分钟中的一种。