[发明专利]一种适用于机械设备异常状态多参数监测装置及方法

权利要求书

1.一种适用于机械设备异常状态多参数监测的方法，其特征在于，该监测方法具体按以下步骤进行：

步骤1：取适用于机械设备异常状态多参数监测装置，该装置包括数据分析和故障诊断服务器（4），数据分析和故障诊断服务器（4）通过通信网络（3）分别与多个预警监控终端信号连接，数据分析和故障诊断服务器（4）通过短距无线通信网络与至少两个数据信息采集终端（5）信号连接；数据信息采集终端（5）包括微控制器（9），微控制器（9）分别与湿度传感器（6）、温度传感器（7）和加速度传感器（8）相连，微控制器（9）与数据分析和故障诊断服务器（4）信号连接；

将加速度传感器（8）和温度传感器（7）附着在被监测机械设备的外壳上，将湿度传感器（6）布设于机械设备所处周围环境空间中；机械设备运转后，加速度传感器（8）采集被监测机械设备的振动物理量，温度传感器（7）采集机械设备的表面温度，湿度传感器（6）采集机械设备所处环境的湿度信息，所有传感器将采集到的物理量转换为电信号，并将该电信号传输给相应的微控制器（9）；

步骤2：微控制器（9）接收到传感器传输的电信号后，将接收的电信号通过传送给数据分析和故障诊断服务器（4），数据分析和故障诊断服务器（4）进行：

1）读取各种传感数据；

2）对读取的各种传感数据进行预处理；该预处理包括数据清理、规范化，并计算温度数据和湿度数据的变化量；数据清理包括去除或修改内容错误的数据以及去除有缺失的数据两个方面，数据采用Min-max规范化方法进行处理，即规范化后的新数值=(原数值-极小值)/ (极大值-极小值)；温度/湿度数据的变化量为当前时刻的温度/湿度数据值减去前一时刻的温度/湿度数据值；

3）对预处理后振动数据进行异常振动分析及机械故障诊断：

a.对预处理后的振动数据进行CEEMDAN分解：

Step 1：利用 EEMD 算法分解预处理后的振动数据，得到第1个模态分量imf₁，

（Ⅰ）式中，imf₁表示第1个模态分量；imf_1i表示第i次添加白噪声信号后进行EMD分解所得的第1个模态分量；i=1,2,3…I；

Step 2：去除待处理的振动信号x(t)中的模态分量imf₁，得到第1个残余量信号r₁(t)，

r₁(t)= x(t)－imf₁ （Ⅱ）

（Ⅱ）式中，x(t)表示振动信号；

Step 3: 构造信号r₁(t)+ε₁E₁(No_i(t)),i=1,2,…I，并对其进行分解，则第2个模态分量可通过式(Ⅲ)计算得到，

（Ⅲ）式中，No_i(t)为高斯白噪声；ε₁为控制添加噪声信号的幅值；为经EMD分解给定信号第1个模态分量的算子；

Step 4: 对于k=2,3, ... ,K，第k个残余量r_k(t)和第k+1个模态分量imf_k+1可按式(Ⅳ)和式(Ⅴ)计算得到

（Ⅳ）式中，imf_k表示分解所得的模态分量，其计算方法与EEMD分解算法中imf₁的计算方法相同；（Ⅴ）式中，No_i(t)为高斯白噪声，ε_k为控制添加噪声信号的幅值；经EMD分解给定信号第k个模态分量的算子；

Step 5：当残余量r_k(t)的极点小于3时将不会再被分解，算法终止，最终的残余量满足式(Ⅵ)，

b.当机械设备发生异常振动时，振动信号不同频率的能量幅值分布都会发生相应的变化，将振动信号的CEEMDAN能量熵和振动信号的均方根值作为振动信号特征向量；

CEEMDAN能量熵的定义如式(Ⅶ)所示：

（Ⅶ）式中，H_e为CEEMDAN能量熵，P_k表示第k个模态分量的能量占总能量的比重，即P_k=E_k/E_sum，E_k为第k个模态分量的能量，E_sum为全部模态分量的总能量；

振动信号的均方根值x_rms表示如式(Ⅷ)所示：

（Ⅷ）式中，x(t)为振动信号；T为x(t)的周期；

c.采用支持向量机作为故障诊断识别模型；故障诊断模式识别模型的输入是步骤b中构建的振动信号特征向量；采用故障诊断识别模型得到机械设备异常振动分析及机械故障诊断结果；

4）采用模糊推理机制，以预处理后的温度数据及其变化量和预处理后的湿度数据及其变化量为输入，并结合异常振动分析及机械故障诊断结果，根据模糊推理规则知识库，对机械设备运行状态进行模糊推理，得到传感数据融合估计结果；

步骤3：根据步骤2得到的传感数据融合估计的结果，输出机械设备总体运行状态的结果。