[发明专利]一种多维数据故障决策方法、装置及存储介质

说明书

本申请公开了一种多维数据故障决策方法、装置及存储介质，该方法包括：获取设备的不同监测数据，提取特征值；对提取的特征值进行模糊化处理；根据预设故障规则库对处理后的特征值进行模糊推理，生成决策结果；对生成的决策结果进行去模糊化，得到最终故障决策结果及维修建议。这样可以保证决策结果的客观性和正确性，充分利用故障信息，准确识别故障位置和故障原因，并及时提供维修建议。

技术领域

本发明涉及机械设备状态监测领域，特别是涉及一种多维数据故障决策方法、装置及存储介质。

背景技术

在机械设备状态监测领域中，根据监测数据可进行不同种类的机械设备的故障诊断，其中对轴承的监测最为常见。轴承是所有机械传动系统中的关键部件，其故障状态直接影响设备的工作状态。

随着发动机的快速发展，发动机轴承的工作条件也日益恶劣、复杂。航空发动机轴承不仅工作在高速、高温以及高载荷的工况下，而且工作中工况变化剧烈，在工作过程中极易发生故障，一旦航空发动机轴承发生故障，将直接影响航空发动机的使用安全。有些故障是瞬间产生的，而有些是缓慢长期退化引起的，由此产生的轴承故障形式是多样的，引起的故障严重程度也有差别，故障产生的原因也不唯一。

通过轴承诊断采集的信息源进行分类，其诊断方向主要是对其进行振动监测和声发射监测。振动监测法在滚动轴承的故障诊断中已有很多实际应用，但振动传感器一般安装位置远离轴承安装位置，存在信号传递衰减大、信号微弱、特征信号提取较难的缺点。而声发射监测对早期故障诊断有一定的敏感性，但在信号处理及解释方面难度较大，限制了声发射监测在机械故障诊断的应用。

目前使用的发动机状态监测与故障诊断方法不仅提取特征单一，而且推理模式单一，无法充分利用故障信息，存在故障知识获取难等问题，系统化、智能化水平低，诊断准确度不高，无法准确定位故障位置、发现故障原因。

发明内容

有鉴于此，本发明的目的在于提供一种多维数据故障决策方法、装置及存储介质，可以保证决策结果的客观性和正确性，准确识别故障位置和故障原因。其具体方案如下：

一种多维数据故障决策方法，包括：

获取设备的不同监测数据，提取特征值；

对提取的所述特征值进行模糊化处理；

根据预设故障规则库对处理后的所述特征值进行模糊推理，生成决策结果；

对生成的所述决策结果进行去模糊化，得到最终故障决策结果及维修建议。

优选地，在本发明实施例提供的上述多维数据故障决策方法中，所述特征值包括频域特征值、异音特征值、时域特征值、冲击信号特征值、磨粒特征值、理化特征值、温度特征值、压力特征值、粘度特征值中的任意种或采用机理分析得到的其他特征值。

优选地，在本发明实施例提供的上述多维数据故障决策方法中，当所述特征值为时域特征值时，提取所述时域特征值，包括：

提取峰峰值、均值、均方根值、标准差、偏斜度系数、峭度、转子振动基频的幅度、转子振动2倍基频的幅度中的任意种。

优选地，在本发明实施例提供的上述多维数据故障决策方法中，当所述特征值为频域特征值时，提取所述频域特征值，包括：

采用FIMD算法对原始信号进行分解，得到固有模态FIMD分量；

对所述固有模态FIMD分量进行重构，得到重构后的信号；

采用傅里叶变换对所述重构后的信号的时域信息进行频域特征提取，得到频域中的信号变化趋势，并提取出频带能量、频带宽度以及是否存在异常频率的信息。

优选地，在本发明实施例提供的上述多维数据故障决策方法中，采用FIMD算法对原始信号进行分解，得到固有模态FIMD分量，包括：