[发明专利]一种转频谱峰与电流极差联合推断轴流风机故障诊断方法

说明书

一种转频谱峰与电流极差联合推断轴流风机故障诊断方法，首先采集轴流风机的振动信号和三相电流信号；通过分析轴流风机异常情况下振动信号和三相电流信号的特点，针对振动信号构建了无量纲转频谱峰值指标和无量纲倍频谱峰值指标，之后针对三相电流信号分别构建了极小有效值指标、有效值极差值指标及小波频谱极差值指标；基于上述指标，通过给定相应阈值，进行联合推断，实现轴流风机的自动故障诊断；本发明克服了传统方法费时费力且难以有效解决问题的缺点，可以对不同转速下的异常轴流风机进行自动故障诊断，提高轴流风机故障诊断的准确性和实时性。

技术领域

本发明属于轴流风机故障诊断技术领域，具体涉及一种转频谱峰与电流极差联合推断轴流风机故障诊断方法。

背景技术

轴流风机通常由电机、叶轮叶片和机壳构成，其结构简单、功耗较低、噪声较小且安装方便，故常用于民用建筑、工厂、地铁等场所的通风换气，也广泛应用于各种机械设备的散热降温。由于轴流风机常在高转速条件下工作，随着服役时间的增长，其内部可能出现一些故障，如果对轴流风机异常现象不加以重视，则易引发巨大的经济损失甚至人员伤亡，故亟需研究有效可靠的轴流风机故障诊断方法。

轴流风机一般采用电机直连叶轮的结构，因此其故障类型主要包括叶轮叶片故障、电气故障、电机转子故障及电机轴承故障。近年来，人们常在轴流风机上布置电流和振动传感器以监测其运行状态，若监测状态出现异常，维护人员通常需要整机拆解以定位故障，或根据经验知识判断故障类型。然而，上述方法需要人为判断，费时费力且难以有效解决问题。因此，通过利用电流和振动传感器的监测信息，对异常轴流风机进行实时的自动故障诊断，及时确定故障类型及故障位置，可以为轴流风机的运行维护提供科学有效的指导。

发明内容

为了克服上述现有技术存在的缺点，本发明的目的在于提供了一种转频谱峰与电流极差联合推断轴流风机故障诊断方法，提高轴流风机故障诊断的准确性和实时性。

为达到上述目的，本发明采取的技术方案如下：

一种转频谱峰与电流极差联合推断轴流风机故障诊断方法，首先采集轴流风机的振动信号和三相电流信号；通过分析轴流风机异常情况下振动信号和三相电流信号的特点，针对振动信号构建了无量纲转频谱峰值指标和无量纲倍频谱峰值指标，之后针对三相电流信号分别构建了极小有效值指标、有效值极差值指标及小波频谱极差值指标；基于上述指标，通过给定相应阈值，进行联合推断，实现轴流风机的自动故障诊断。

一种转频谱峰与电流极差联合推断轴流风机故障诊断方法，包括以下步骤：

1)信号采集：

通过布置相应传感器，采集轴流风机的三相电流信号和振动信号；

2)构建振动信号特色监测指标：

根据不同故障下振动信号的特征，针对振动信号分别构建了无量纲转频谱峰值指标RF_P及无量纲倍频谱峰值指标MF_P，具体如下：

2.1)无量纲转频谱峰值指标RF_P：

对振动信号做傅里叶变换，得到对应频谱，之后搜索实际转频左右各1Hz的频段区间内的最大幅值m_f，并计算振动信号时域峰峰值x_pp：

x_pp＝max(x(t))-min(x(t)) (1)

其中x(t)代表振动信号；

计算频域幅值m_f与时域峰峰值x_pp的比值，并将结果进行放大处理，得到无量纲转频谱峰值指标RF_P，具体如式(2)所示：

2.2)无量纲倍频谱峰值指标MF_P：