[发明专利]基于波形和无量纲学习的大机组摩擦故障分析方法及系统

说明书

本发明属于故障检测技术领域，公开了一种基于波形和无量纲学习的大机组摩擦故障分析方法及系统，利用双探头提取机器故障振动信号，并对数据进行预处理；同时进行摩擦故障特征提取，利用机器学习方法建立故障预测模型；预测未知标签信号是否存在故障，并确定故障类型。机器故障振动信号及数据进行预处理过程中，安装两个探点，通过两个探点采集得到大型滑动机组振动双视图信号；探针采集数据后，对齐进行离散傅里叶变换，并修饰变换后的傅里叶值；根据信号情况设置自适应阈值，降低信号存储量，加速传输。本发明在大机组摩擦故障诊断过程中，能够有效解决提取特征困难的问题；能够提取出有效的特征，解决故障预测问题。

技术领域

本发明属于故障检测技术领域，尤其涉及一种基于波形和无量纲学习的大机组摩擦故障分析方法及系统。

背景技术

目前，大机化设备的结构复杂，功能完善，设备内部零件之间的联系紧密，使得在生产过程中达到高速化和大型化，这也使得大机化设备出现故障造成损失巨大，这也增加了大机化设备进行故障诊断的难度。当物体与另一物体沿接触面的切线方向运动或有相对运动的趋势时，在两物体的接触面之间有阻碍它们相对运动的作用力，这种力叫摩擦力。接触面之间的这种现象或特性叫“摩擦”，因此基于摩擦振动信号对大机化设备进行故障检测存在着重大的意义。现有的常用方法存在着特征提取困难，以及特征提取不全面等问题。

通过上述分析，现有技术存在的问题及缺陷为：现有的常用方法存在着特征提取困难，以及特征提取不全面等问题。造成大机化设备运行中故障诊断难度。

解决以上问题及缺陷的难度为：

摩擦故障问题特征提取困难，特征提取不全面等问题。

解决以上问题及缺陷的意义为：

能够良好的解决关于摩擦故障检测问题，提高摩擦故障检测精度。

发明内容

针对现有技术存在的问题，本发明提供了一种基于波形和无量纲学习的大机组摩擦故障分析方法及系统。

本发明是这样实现的，一种基于波形和无量纲学习的大机组摩擦故障分析方法，所述基于波形和无量纲学习的大机组摩擦故障分析方法，包括：

步骤一，利用双探头提取机器故障振动信号，并对数据进行预处理；

步骤二，进行摩擦故障特征提取；

步骤三，利用机器学习方法建立故障预测模型；

步骤四，预测未知标签信号是否存在故障，并确定故障类型。

进一步，所述步骤一中，机器故障振动信号及数据进行预处理的过程为：

1)安装两个探点，通过两个探点采集得到大型滑动机组振动双视图信号，数据采集为32/rms，即轴承每转一圈采样32个点，采集32圈的数据；

2)探针采集数据后，对齐进行离散傅里叶变换，窗口大小32*32＝1024个点，并修饰变换后的傅里叶值；根据信号情况设置自适应阈值，降低信号存储量，加速传输。

进一步，所述2)中离散傅里叶变换公式具体如下：

其中n＝0，…，N-1，N表示数据长度。

进一步，所述步骤二中，摩擦故障特征提取的过程为：

(1)对故障信号进行小波包2层分解变换，小波包即利用多次叠代的小波转换分析输入讯号的细节部分，得到不同尺度下的小波系数，将信号HH层的尺度系数置零；

(2)计算无量纲特征波性指标S_f，将波性指标作为提取的特征之一，具体计算公式如下：