[发明专利]一种旋转机械关键零部件远程运维方法及其系统

权利要求书

1.一种旋转机械关键零部件远程运维方法，其特征在于，包括以下步骤：

S1. 将振动传感器、麦克风阵列、声发射传感器布设在现场需要监测的旋转机械关键零部件所在位置处；

S2. 获得旋转机械关键零部件正常运行工况下以及各类故障运行工况下的声信号、振动信号、声发射信号历史数据，建立包含正常运行工况下及各类故障运行工况下的声、振动、声发射数据子集在内的数据库；

S3. 实时采集现场的振动传感器、麦克风阵列、声发射传感器数据；

S4. 对麦克风阵列实时采集到的测点的声信号进行去噪处理，消除工业环境中强背景噪声干扰；对消除噪声干扰后的声信号进行加窗、分帧处理，并对各帧信号进行S变换，得到各帧信号对应的时频谱图序列；

S5. 将S4中得到的各帧信号的时频谱图序列两两分成一组进行相关性分析，找出其中互相关系数最大的两帧信号，将两个信号的时频谱图相减，得到其误差信号；同时，在S4中得到的各帧信号的时频谱图序列中找出自相关系数最大的那帧信号，将其时频谱图与误差信号相减，得到声信号的强化时频谱图；

S6. 对S5中得到的声信号强化时频谱图进行处理，按一定的频带宽度将时频谱图划分为均匀的N个子频带，计算各子频带内的频谱信号能量和，得到对应子频带上的局部能量和，将各子频带上的能量和作为测点的N维声纹特征；

S7. 对振动传感器实时采集到的测点的振动信号进行平滑去噪处理，然后对去噪后的振动信号进行局部特征尺度分解，得到C个内禀尺度分量，分别计算C个内禀尺度分量的奇异谱熵，将得到的C个内禀尺度分量的奇异谱熵作为测点的M维振动特征；

S8. 对声发射信号采集到的测点的声发射信号进行去噪处理，然后分别计算其时域、频域和时频域的特征参数，包括峰值、RMS、峭度、振铃计数、谱峰稳定指数、频率方差，三层经验小波分解的8个频带能量占比在内的14个特征，作为测点的14维声发射特征；

S9. 将上述特征提取方法同样操作于历史数据库中的各数据子集，分别建立对应运的振动特征数据子集、声纹特征数据子集和声发射特征数据子集；

S10. 在声纹特征数据子集上分别建立基于灰关联分析的基分类器M1和基于模糊C均值算法的基分类器M2；在振动特征数据子集上分别建立基于支持向量机的基分类器M3和基于模糊C均值算法的基分类器M4；在声发射特征数据子集上分别建立基于逻辑回归的基分类器M5和基于模糊C均值算法的基分类器M6；

S11. 基于S10中得到的6个基分类器M1、M2、M3、M4、M5和M6构造集成学习加权投票分类器，用于旋转机械关键零部件的运行状态实时监测；

S12. 在远程运维中心将现场实时测得的振动传感器测量数据、麦克风阵列测量数据、声发射传感器测量数据进行分析，执行同步骤S4至步骤S8的特征提取操作，获得对应测点的声纹特征、振动特征、声发射特征，然后送入步骤S11中构造的集成学习加权投票分类器中，根据投票结果确定测点的运行状态，实现旋转机械关键零部件的远程健康监测。

2.一种旋转机械关键零部件远程运维系统，该系统通过窄带物联网技术，将工业环境下的若干现场数据采集终端与远程运维中心一一连接，其特征在于，包含：布设于旋转机械待监测关键零部件周边的现场数据采集终端、远程运维中心和移动终端三部分。

3.根据权利要求2所述的一种旋转机械关键零部件远程运维方法，其特征在于：

所述的现场数据采集终端包括主控模块、NB-IoT模块、传感器模块、报警模块、供电模块、可见光通信模块；所述的现场数据采集终端采用NB-IoT通信技术向所述的远程运维中心实时传送现场的传感器模块采集的各类数据及其地址编码信息；

所述的NB-IoT模块、传感器模块、报警模块、供电模块均与主控模块电连接；

所述的传感器模块采用可见光通信的方式与主控模进行通信；

所述的主控模块通过NB-IoT模块与远程运维中心进行通信；

所述的远程运维中心通过GPRS网络与移动终端进行通信。