[发明专利]风机能耗监测方法及系统

摘要

本发明公开了一种风机能耗监测方法及系统，获取训练样本时，通过人为制造各种类型的故障，使风机能耗增加，并采用国标规定的能效检测方法和系统，测试各种故障下风机能耗的增加值，对不同故障引起的能耗增加大小进行分类，将振动特征样本和轨迹特征样本组合，作为神经网络的训练样本，构建高维空间多权值神经元网络。在全天候能耗监测中，只需在风机上加装低成本三轴加速度传感器及涡流传感器，将三维振动信号及轴心轨迹特征向量输入多权值神经网络，网络输出即是能耗增加分类。

主权项

一种风机能耗监测方法，其特征是：包括下列步骤：（一）首先进行离线训练样本采集：（1） 离线训练样本采集系统构建构建能耗测试系统，采用包括扭矩传感器、差压传感器、转速传感器的多种传感器，检测风机流量、通风机全压、通风机静压、容积流量、风机轴功率，最终得通风机效率，从而得知通风机能耗大小；采用三个三轴加速度传感器，分别置于轴承座外壳、电机外壳、通风机外壳上，获取三个测试点的X、Y、Z三轴正交振动信号；通过与转轴垂直平面内的两个相互垂直的涡流传感器同时采集振动信号，并分别将所采集的数据作为横、纵坐标拟合成的图形，即为轴心轨迹；（2） 风机无故障时训练样本离线获取采用“信号处理及特征提取模块”进行特征提取，经过多次测量，获得多组无故障时的特征样本；将无故障时的特征样本对应的效率值定位为“能耗低”；（3）风机有故障时训练样本离线获取人为制造多种故障及多种故障的组合，采用三个三轴加速度传感器检测风机轴承座外壳、电机外壳、通风机外壳三点的三维振动信号，采用双涡流传感器检测轴心轨迹信号，采用“信号处理及特征提取模块”进行特征提取，对每一种故障进行多次测量，获得每一种故障下的特征样本；将不同故障情况下的效率值与无故障时的效率值进行比较，按照差值从大到小，均分为四种类型，分别定义为“能耗高”、“能耗偏高”、“能耗中等”、“能耗偏低”；（二）在线能耗监测采用三个三轴加速度传感器检测风机轴承座外壳、电机外壳、通风机外壳三点的三维振动信号，采用双涡流传感器检测轴心轨迹信号，采用“信号处理及特征提取模块”对信号进行特征提取，得到被测样本；采用多权值神经网络作为“基于神经网络的分类识别模块”的核心算法，采用“能耗检测用训练样本离线获取模块”获取的训练样本构造高维空间中的多自由度神经网络，在完成多权值神经元网络的构建之后，获得“能耗高”、“能耗偏高”、“能耗中等”、“能耗偏低”、“能耗低”五个表征不同能耗级别的多权值神经元覆盖区；计算待识别的样本与表征每类能耗级别的多权值神经元网络覆盖区之间的欧式距离，将与待识别样本的欧式距离最短的那一类能耗级别，当作待识别样本的所属的能耗级别，并将风机能耗级别分类作为多权值神经网络输出。