[发明专利]风机故障分析方法、装置、设备及可读存储介质

说明书

本发明公开了一种风机故障分析方法、装置、设备以及计算机可读存储介质，该方法包括连续采集待测风机的风机轴承的振动数据和温度数据，并获得振动数据的速度有效值和冲击量平均值；将速度有效值、冲击量平均值以及温度数据分别进行线性拟合，以提取第一特征信息；将速度有效值和冲击量平均值进行形态分布参数运算，以提取第二特征信息；将振动数据和温度数据进行傅里叶变换，获得对应的频谱值，以提取第三特征信息；根据预先确定的每种风机故障类型对应的三种特征信息的组合特征，确定当前待测风机的故障类型。本申请通过对风机的数据从的三个不同方面进行特征提取，以及时确定出风机故障，有利于风机及时维修并延长风机的维护。

技术领域

本发明涉及风机技术领域，特别是涉及一种风机故障分析方法、装置、设备以及计算机可读存储介质。

背景技术

随着现代化工业的不断发展，风机设备已经成为众多工厂中必不可少的机械设备之一，风机设备也日趋复杂化和系统化，由风机设备故障所造成的财产损失也不容小觑。因此，及时发现风机的异常状态情况，并进行维修对保障设备的稳定运行，降低维修的成本，延长风机的使用寿命等具有重要的意义。

然而，很多时候风机只是在其内部出现了细微的故障，此时便存在安全隐患，工作人员凭借肉眼确难以判断和发现风机内在的故障问题。

发明内容

本发明的目的是提供一种风机故障分析方法、装置、设备以及计算机可读存储介质，能够提升风机故障发现的及时性和准确性，有利于风机故障的及时维修，并延长风机使用寿命。

为解决上述技术问题，本发明提供一种风机故障分析方法，包括：

连续采集待测风机的风机轴承的振动数据和温度数据，并获得所述振动数据的速度有效值和冲击量平均值；

将所述速度有效值、所述冲击量平均值以及所述温度数据分别进行线性拟合，并将获得的线性拟合参数和预先确定的标准拟合参数对比，获得第一特征信息；

将所述速度有效值和所述冲击量平均值进行形态分布参数运算，并将获得的形态分布参数和预先确定的标准形态分布参数进行对比，获得第二特征信息；

将所述振动数据和所述温度数据进行傅里叶变换，获得对应的频谱值；并根据预先创建的神经网络模型识别所述频谱值，获得第三特征信息；

根据所述第一特征信息、所述第二特征信息以及所述第三特征信息，利用预先确定的每种风机故障类型对应的三种特征信息的组合特征，确定当前所述待测风机的故障类型。

可选地预先确定所述标准拟合参数的过程，包括：

获取至少连续一天内带有故障标签的振动样本数据和温度样本数据；并获得所述振动样本数据对应的速度有效值样本和冲击量平均值样本；

根据各个所述振动样本数据和所述温度样本数据的采集时间点，将所述速度有效值样本、所述冲击量平均值样本和所述温度样本数据分别均按照不同分割时长分割获得多组对应的第一样本数据；

将同一分割时长的时间段采集的每组所述第一样本数据进行线性拟合，获得对应的每组样本线性拟合方程的斜率样本、最大值和最小值之间差值样本；

分别将每组所述斜率样本和所述差值样本分别和设定的多个不同大小的斜率阈值以及多个不同大小的差值阈值进行对比，分别获得多组第一对比结果，并判断所述第一对比结果和所述故障标签是否一致；

其中，所述第一对比结果和所述故障标签一致包括，所述故障标签为故障状态，所述第一对比结果为所述斜率样本大于所述斜率阈值且所述差值样本大于所述差值阈值；或者，所述故障标签为非故障状态，所述第一对比结果为所述斜率样本不大于所述斜率阈值或所述差值样本不大于所述差值阈值；

利用寻优算法获得第一正确率最高时对应的分割时长、斜率阈值和差值阈值作为所述标准拟合中参数的标准分割时长、标准斜率阈值和标准差值阈值；