[发明专利]一种电机轴承数据采集与故障诊断系统

说明书

本发明涉及电机轴承故障诊断技术领域，提供一种电机轴承数据采集与故障诊断系统，包括数据采集模块、故障诊断模块、数据可视化模块；数据采集模块用于采集电机的振动速度等运行参数；故障诊断模块包括数据清洗模块，电机轴承故障类别标注模块，用于提取振动信号的小波包能量特征的特征提取模块，用于以振动信号的小波包能量特征为输入、对应的电机轴承故障类别标签为输出、构建并训练基于XGboost的电机轴承故障诊断模型的电机轴承故障诊断模型训练模块，用于采用改进粒子群优化算法对训练后的电机轴承故障诊断模型进行优化的故障诊断模型优化模块，电机轴承故障实时诊断模块。本发明能够提高电机轴承故障诊断的准确性、快速性及稳定性。

技术领域

本发明涉及电机轴承故障诊断技术领域，特别是涉及一种电机轴承数据采集与故障诊断系统。

背景技术

各类电机是工业化生产装备中不可缺少的部分，由于运行中的外部条件变化等原因，可能会引起电机出现各种故障，而故障的表现形式不同，其关系错综复杂。当电机发生故障时，降低机械生产效率，甚至可能造成人员伤亡，引起灾难性后果。在电机系统中，轴承是其核心部件，它的正常与否关系到整台电机的运行状态。因此对电机轴承部件进行状态监测和故障诊断，对确保电机持久稳定的工作具有重要的意义。

由于在工业生产过程中，生产环境恶劣，很难对电机的运行过程进行完整精确的监控，目前对电机实现运行监控的方法包括架设录像机和使用PLC的HMI界面两种方法。

目前应用最多的是使用PLC的HMI界面来监控电机的运行过程，主要是编写PLC程序，并使用PLC中的HMI模块来显示一些选定要监控的电机参数的数值，这些被选定监控的电机参数是影响故障诊断的关键参数。使用PLC的HMI界面方法显示直观，在工厂中有广泛的应用。但是这种方法内模型中参数的确定都是通过PLC内部的方法得到的，其存在以下几个缺点：1.读取参数的流程较为复杂；2.参数的显示方式单一，只能显示数值，不具有显示柱状图、饼状图等多种形式；3.显示的参数数量较少；4.仅仅靠数值根据经验判断飞剪电机的运行状态存在较大的困难，且不具有准确性和快速性。

发明内容

针对现有技术存在的问题，本发明提供一种电机轴承数据采集与故障诊断系统，能够提高电机轴承故障诊断的准确性、快速性及稳定性。

本发明的技术方案为：

一种电机轴承数据采集与故障诊断系统，其特征在于：包括数据采集模块、故障诊断模块、数据可视化模块；

所述数据采集模块用于采集电机在每个采样点的各运行参数，并将各运行参数存储在数据库中；其中，各运行参数包括电机的振动速度，每个采样区间的振动速度构成电机的振动信号；

所述故障诊断模块包括电机轴承故障诊断模型建立模块、电机轴承故障实时诊断模块，所述电机轴承故障诊断模型建立模块包括数据清洗模块、电机轴承故障类别标注模块、特征提取模块、电机轴承故障诊断模型训练模块、电机轴承故障诊断模型优化模块；

所述数据清洗模块用于提取用于建立模型的振动信号数据并对其进行数据清洗，将数据清洗后的振动信号数据传输给电机轴承故障类别标注模块；

所述电机轴承故障类别标注模块用于对接收到的每个振动信号对应的采样区间下电机轴承进行故障类别标注，并将振动信号及振动信号对应的电机轴承故障类别标签传输给特征提取模块；

所述特征提取模块用于提取接收到的振动信号的小波包能量特征；

所述电机轴承故障诊断模型训练模块用于以振动信号的小波包能量特征为输入、振动信号对应的电机轴承故障类别标签为输出，构建并训练基于XGboost的电机轴承故障诊断模型；

所述电机轴承故障诊断模型优化模块用于采用改进粒子群优化算法对训练后的基于XGboost的电机轴承故障诊断模型进行优化；