[发明专利]旋转机械故障检测方法及装置、设备、存储介质在审

专利信息
申请号: 202310101884.9 申请日: 2023-02-08
公开(公告)号: CN116124398A 公开(公告)日: 2023-05-16
发明(设计)人: 沈阳;陈洁;吴伟文 申请(专利权)人: 广州工程技术职业学院
主分类号: G01M7/02 分类号: G01M7/02
代理公司: 广州广典知识产权代理事务所(普通合伙) 44365 代理人: 谢伟
地址: 510000 广东*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 旋转 机械 故障 检测 方法 装置 设备 存储 介质
【权利要求书】:

1.旋转机械故障检测方法,其特征在于,包括:

获取与旋转机械的元件类型对应的若干样本数据;

根据若干样本数据,提取出多个预设振动特征;

根据多个预设振动特征,基于孤立森林算法训练获得异常检测模型;

利用异常检测模型对旋转机械的振动数据进行预测获得预测结果;

若所述预测结果指示所述振动数据为异常数据,从多个预设振动特征中确定与所述预测结果相关的多个第一振动特征;

从多个第一振动特征中筛选出多个第二振动特征;其中,多个第二振动特征为多个第一振动特征的子集;

根据所述预测结果以及每个第二振动特征的特征值,计算每个第二振动特征的特征值的分解因子值,所述分解因子值用于表征第二振动特征的特征值对所述预测结果的重要程度;

判断多个第二振动特征是否匹配到多种部件故障类型;

若匹配到多种故障类型,对多个第二振动特征的特征值及其分解因子值进行根因分析获得故障成因。

2.如权利要求1所述的旋转机械故障检测方法,其特征在于,判断多个第二振动特征是否匹配到多种部件故障类型之后,所述方法还包括:

若未匹配到多种故障类型,对分解因子值最大的第二振动特征的特征值进行无监督分类,获得目标故障类型。

3.如权利要求1所述的旋转机械故障检测方法,其特征在于,从多个第一振动特征中筛选出多个第二振动特征,包括:

获取每个第一振动特征的标签信息,所述标签信息包括通用类或专属类;

将属于所述专属类的第一振动特征确定为第二振动特征,以获得多个第二振动特征。

4.如权利要求1至3任一项所述的旋转机械故障检测方法,其特征在于,利用异常检测模型对旋转机械的振动数据进行预测获得预测结果,包括:

利用异常检测模型,计算旋转机械的振动数据的目标异常分;

判断所述目标异常分是否大于或等于指定分数阈值;

若所述目标异常分大于或等于指定分数阈值,确定所述旋转机械的振动数据为异常数据;

若所述目标异常分小于指定分数阈值,确定所述旋转机械的振动数据为正常数据。

5.旋转机械故障检测装置,其特征在于,包括:

获取单元,用于获取与旋转机械的元件类型对应的若干样本数据;

提取单元,用于根据若干样本数据,提取出多个预设振动特征;

训练单元,用于根据多个预设振动特征,基于孤立森林算法训练获得异常检测模型;

检测单元,用于利用异常检测模型对旋转机械的振动数据进行预测获得预测结果;

确定单元,用于在所述预测结果指示所述振动数据为异常数据时,从多个预设振动特征中确定与所述预测结果相关的多个第一振动特征;

选择单元,用于从多个第一振动特征中筛选出多个第二振动特征;其中,多个第二振动特征为多个第一振动特征的子集;

计算单元,用于根据所述预测结果以及每个第二振动特征的特征值,计算每个第二振动特征的特征值的分解因子值,所述分解因子值用于表征第二振动特征的特征值对所述预测结果的重要程度;

判断单元,用于判断多个第二振动特征是否匹配到多种部件故障类型;

分析单元,用于在所述判断单元的判断结果为是时,对多个第二振动特征的特征值及其分解因子值进行根因分析获得故障成因。

6.如权利要求5所述的旋转机械故障检测装置,其特征在于,还包括:

分类单元,用于在所述判断单元的判断结果为否时,对分解因子值最大的第二振动特征的特征值进行无监督分类,获得目标故障类型。

7.如权利要求5所述的旋转机械故障检测装置,其特征在于,所述选择单元包括:

获取子单元,具体用于获取每个第一振动特征的标签信息,所述标签信息包括通用类或专属类;

选择子单元,用于将属于所述专属类的第一振动特征确定为第二振动特征,以获得多个第二振动特征。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广州工程技术职业学院,未经广州工程技术职业学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202310101884.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top