[发明专利]一种齿轮箱故障诊断方法、系统、设备及存储介质在审
申请号: | 202010168366.5 | 申请日: | 2020-03-11 |
公开(公告)号: | CN111308016A | 公开(公告)日: | 2020-06-19 |
发明(设计)人: | 贺石中;常鹏;赵畅畅;李秋秋;何伟楚;钱美奇;钟龙风 | 申请(专利权)人: | 广州机械科学研究院有限公司 |
主分类号: | G01N33/00 | 分类号: | G01N33/00;G01N33/28;G01N11/00 |
代理公司: | 北京超凡宏宇专利代理事务所(特殊普通合伙) 11463 | 代理人: | 李飞 |
地址: | 510000 广*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 齿轮箱 故障诊断 方法 系统 设备 存储 介质 | ||
本申请实施例提供一种齿轮箱故障诊断方法、系统、设备及存储介质,涉及设备检测领域。该齿轮箱故障诊断方法包括:接收所述齿轮箱的油液监测数据;分析所述油液监测数据,并生成分析结果;根据所述分析结果和预设支持向量机模型,判断所述齿轮箱的故障诊断信息。该齿轮箱故障诊断方法。该齿轮箱故障诊断方法可以实现对齿轮箱进行故障分析,从而提高齿轮箱的可靠性和安全性,并延长齿轮箱使用寿命的技术效果。
技术领域
本申请涉及设备检测技术领域,具体而言,涉及一种齿轮箱故障诊断方法、系统、设备及存储介质。
背景技术
目前,在齿轮箱基于油液的故障诊断中,常用的诊断方法基本依据个人经验、行业标准等进行诊断;其中,依靠个人诊断经验的诊断方法对诊断工程师的个人要求较高,要求从业人员熟知设备结构、材料,以及常见的故障形式,要求较长的行业积累和熟悉现场;基于行业标准的诊断方法,都是基于检测结果与标准值做参比,只能机械式的给出设备的某些指标不合格,但不能有针对性的结合设备给出有效的措施或建议。
发明内容
本申请实施例的目的在于提供一种齿轮箱故障诊断方法及系统,该齿轮箱故障诊断方法可以实现对齿轮箱进行故障分析,从而提高齿轮箱的可靠性和安全性,并延长齿轮箱使用寿命的技术效果。
第一方面,本申请实施例提供了一种齿轮箱故障诊断方法,包括:接收所述齿轮箱的油液监测数据;分析所述油液监测数据,并生成分析结果;根据所述分析结果和预设支持向量机模型,判断所述齿轮箱的故障诊断信息。
在上述实现过程中,通过对齿轮箱的油液检测数据进行分析,如油液的运动黏度、酸值、污染度等进行分析,再结合油液分析结果和支持向量机模型,对齿轮箱进行故障诊断,从而获得故障诊断信心,例如油黏度异常、污染颗粒超标、水分偏高、磨损超标的函数等;从而该齿轮箱故障诊断方法可以实现对齿轮箱进行故障分析,从而提高齿轮箱的可靠性和安全性,并延长齿轮箱使用寿命的技术效果。
进一步地,所述分析所述油液监测数据,生成分析结果,包括:对所述油液监测数据进行归一化处理,生成归一化处理结果;根据所述归一化处理结果,对所述油液监测数据进行主成分分析,并生成主成分分析结果;对所述主成分分析结果进行降维处理,并生成所述分析结果。
在上述实现过程中,经过归一化处理和主成分分析后,分别可以得出油液监测数据的多种主成分,使得各主成分的累积贡献率达到原始油液检测数据的90%以上,且各主成分贡献率呈降低趋势,从而实现数据降维,用降维的主成分代替原有多维数据,且保留了原始油液检测数据的大部分信息。从而,在保留原始油液检测数据的大部分信息的基础上,保证数据分析结果准确性的同时,可以有效地简化数据分析工作,提高数据分析效率。
进一步地,在所述接收所述齿轮箱的油液监测数据之前,所述方法还包括:接收所述齿轮箱的历史油液监测数据;根据所述历史油液监测数据,构建所述预设支持向量机模型,所述预设支持向量机模型包括所述油液监测数据的多个数据指标组合,每个所述数据指标组合对应一种所述齿轮箱的故障形式。
在上述实现过程中,在通过将齿轮箱与油品的相关故障进行分类之后,将相应的故障特征与相关的历史油液监测数据做匹配,做成训练,得出基于油液的设备故障诊断分析模型,即预设支持向量机模型,然后将训练好的设备故障诊断模型应用于齿轮箱的故障诊断分析之中。从而,该齿轮箱故障诊断方法避免人工诊断的准确性低和效率低等缺点,该齿轮箱油液诊断方法可有效提高齿轮箱的故障诊断分析效率和准确性。
进一步地,在所述根据所述分析结果和预设支持向量机模型,判断所述齿轮箱的故障诊断信息之后,所述方法还包括:根据所述故障诊断信息,输出运维信息,所述运维信息用于维护所述齿轮箱的运行。
在上述实现过程中,根据具体的齿轮箱故障形式,给出相对应的运维信息,从而使用合适的运维方式解决齿轮箱出现的故障问题,提高齿轮箱运行时的可靠性和安全性,提高齿轮箱的使用寿命。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广州机械科学研究院有限公司,未经广州机械科学研究院有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010168366.5/2.html,转载请声明来源钻瓜专利网。