[发明专利]机械设备工况监测与故障诊断方法

摘要

本发明涉及一种机械设备工况监测与故障诊断方法，包括：①振动信号采集；②信号基元分段；③信号分离与分类；④分离信号参数统计；⑤双参数分布显示：对各类分离信号在双参数平面上进行散点显示；⑥运动状态矩阵的构建；⑦利用步骤⑥构建的运动状态矩阵，进行实测振动信号统计分析与设备状态的定性识别；⑧建立机械设备工作状态、工作参数与分离信号时域统计结果之间的定量关系模型；⑨在实时监测过程中利用分离信号时域参数统计结果，代入到步骤⑧建立的定量关系模型中，实现工况参数的定量预测与故障定量诊断。本发明通过简单、低成本的信号监测装置，实现数据的采集与机械设备工况的实时监测与识别处理，采用简约的算法实现故障的定性诊断与工况参数的定量预测，从而为实现机械设备状态监测与故障的定量化科学诊断创造条件。

主权项

一种机械设备工况监测与故障诊断方法，其特征在于，包括以下步骤：①振动信号采集：采用信号记录仪对机械设备的振动信号进行采集、调理、放大与显示；②信号基元分段：对采集得到的振动信号进行显示、分析，初步确定信号的基元周期；然后对所述振动信号进行基元分段处理；③信号分离与分类：对步骤②得到的基元信号的不同成分进行高阶平滑分离，以便得到不同频段的代表各种特征现象的分离信号；或采用模式滤波法进行信号的滤波计算，实现不同信号成分的分离处理，并对滤波得到的归类时频子波进行信号重构，由此获得分离后代表各种特征现象的分离信号；④分离信号参数统计：对步骤③中获得的所述代表各种特征现象的分离信号进行绝对均值、有效值、峭度指标和歪度指标的统计计算；⑤双参数分布显示：不同工况下的机械设备振动信号，以及所述代表各种特征现象的分离信号在“绝对均值—有效值—峭度指标—歪度指标”多维参数空间内散点的分布会在特定的区域上聚集，形成特定的状态空间；通过降维处理，对所述代表各种特征现象的分离信号分别在“绝对均值—有效值”、“绝对均值—峭度指标”、“峭度指标—歪度指标”双参数平面上进行散点显示；⑥机械设备运动的状态矩阵的构建：正常情况下机械设备振动信号及所述代表各种特征现象的分离信号的“绝对均值—有效值”统计显示结果集中于一条直线上或附近，如果偏离了这一直线，说明机械设备存在异常的振动，或者是机械设备工况发生了变化；同时，不同工况下所述代表各种特征现象的分离信号在“绝对均值—有效值”、“绝对均值—峭度指标”、“峭度指标—歪度指标”上也会有相应的变化，都有其特定的双参数平面分布位置和形式，并且对应着特定的振动信号波形；根据所述代表各种特征现象的分离信号的时域参数分布、信号波形特点，结合信号的基元周期，形成机械设备运动的状态特征矩阵，在该状态矩阵中包含了设备运动的各种定性识别信息；⑦在实时监测过程中根据实测振动信号的时域参数分布、信号波形特点，结合信号的基元周期，对实测振动信号进行所述步骤②③④的处理与统计分析，获得机械设备运转过程中某一时刻的状态向量；将该向量与步骤⑥所述的状态特征矩阵中的特征向量进行比对来实现机械设备工况的监测与故障诊断；⑧利用步骤④获得的所述代表各种特征现象的分离信号的参数统计结果，建立机械设备工作状态、工作参数与分离信号时域统计结果之间的定量关系模型；⑨在实时监测过程中利用步骤④获得的所述代表各种特征现象的分离信号时域参数统计结果，代入到步骤⑧建立的定量关系模型中，实现机械设备工况检测、故障诊断与工作参数的定量预测、预警及预报。