[发明专利]大型旋转机械复杂工况下的早期故障搜索方法

摘要

本发明公开了属于大型旋转设备的运行安全评估技术领域的一种大型旋转机械复杂工况下的早期故障搜索方法，大型旋转机械设备振动故障征兆识别分析、系统振动监测测点布置：输入参数的时间序列分割，实现运行设备振动参数的时间划分算法，对振动参数时间序列进行预处理，其中包括数据的中心化和标准化；构建振动参数时间序列早期故障提取特征因子，对故障与征兆匹配度关联分析、故障分类征兆异常参数分析，实现表征早期故障危险潜在点的时间序列的搜索；提高大型旋转机械设备安全性、可靠性和稳定性，避免了大型旋转机械设备严重故障的发生，提升了能源、钢铁、煤炭、运输等行业的经济效益。

主权项

一种大型旋转机械复杂工况下的早期故障搜索方法，其特征在于，具体实施步骤如下：(1)大型旋转机械设备振动故障征兆识别分析，即研究常见设备频发振动故障征兆特征与振动参数异常波形特点，形成大型旋转机械设备常见故障模式征兆分类表；(2)输入参数的初始化处理，即输入参数的时间序列分割，结合匹配参数的物理特性采取不同的时间序列划分原则，实现运行设备振动参数的时间划分算法；(3)振动参数无量纲特征因子定性化、定量化分析，分析比较构建的振动参数特征因子与传统时域特征值的区别，深入研究特征因子随着故障信息发展的走势及变化特征，阐述特征因子物理意义，形成设备常见故障模式征兆与相应故障提取因子匹配；(4)无量纲特征因子的计算、中心化及标准化，首先实现振动参数时间子序列的特征因子计算，为了减少不同性质、度量单位特征因子的相对影响，避免绝对值较小因子被湮灭，对时间子序列特征因子进行中心化和标准化，使各因子具有相同的评价基点和变化范围；(5)特征因子异常边界的界定，即在上述输入初始处理基础上，从设备运行监控历史数据库中提取一定训练空间的监测参数数据序列，通过特定的训练算法得到判定特征因子边界标准，作为监测参数异常搜索的准则；(6)时间子序列多维属性因子向量的异常序列搜索，选取p个特征因子描述n个振动参数时间子序列，通过p维属性向量反映n个时间子序列的性质，挖 掘异常时间子序列，找出大型旋转机械运行的潜在故障危险点。