[发明专利]风机故障诊断方法及系统

权利要求书

1.一种风机故障识别方法，其特征在于，所述风机故障识别方法包括：

分别采集所述风机的驱动部件的实测振动信号和实测温度信号；

对所述实测振动信号提取实测特征值；

对所述实测温度信号进行预处理；

将所述实测特征值和预处理后的所述实测温度信号输入至风机故障预测模型得到所述风机是否健康运行的故障识别结果；

所述对所述实测振动信号提取实测特征值的步骤包括：

提取所述实测振动信号的时域特征值；

对所述实测振动信号进行滤波以获得预设频率范围的振动信号；

计算所述预设频率范围的实测振动信号的有效值；

其中，所述实测特征值包括所述时域特征值和所述有效值；

所述预设频率范围为0-300Hz；

所述时域特征值包括峭度、波峰因数、脉冲因数、裕度、有效值、峰值、峰峰值中的至少一个；

所述分别采集所述风机的驱动部件的实测振动信号和实测温度信号的步骤之前还包括：

获取所述风机的驱动部件的样本振动信号和样本温度信号；

对所述样本振动信号提取样本特征值；

对所述样本温度信号进行预处理；

对所述驱动部件的工作状态设置标签，所述工作状态与所述样本振动信号和所述样本温度信号相对应，所述标签用于表征所述驱动部件是否健康运行；

将所述样本特征值和预处理后的所述样本温度信号作为输入，将所述标签作为输出，训练一深度学习模型得到所述风机故障预测模型；

对所述实测温度信号进行预处理的步骤包括：

建立温度预测模型；

利用所述温度预测模型预测所述驱动部件在健康状态下的预测温度信号；

计算所述实测温度信号与所述预测温度信号之间的温度差值，所述温度差值为所述预处理后的所述实测温度信号。

2.如权利要求1所述的风机故障识别方法，其特征在于，所述训练一深度学习模型得到风机故障预测模型的步骤包括：

分别将所述特征值和预处理后的所述样本温度信号作标准化处理；

将处理后的所述样本特征值和所述样本温度信号作为所述输入，训练所述深度学习模型。

3.如权利要求1所述的风机故障识别方法，其特征在于，将所述实测振动信号和所述实测温度信号输入至所述风机故障预测模型得到风机是否运行正常的故障识别结果的步骤之后还包括：

当所述故障识别结果为不健康时，保存对应的所述实测振动信号和所述实测温度信号；

和/或，当所述故障识别结果为不健康时，生成报警信息。