[发明专利]一种基于在线监测的旋转机械早期故障诊断方法及系统

摘要

本发明涉及机械设备健康管理领域，公开了一种基于在线监测的旋转机械早期故障诊断方法及系统，包括采样单元、模拟信号预处理单元、A/D转换单元、网络传输单元、大数据平台。本发明具有以下优点和效果：本发明引入描述故障性质的特征指标的增量作为分析诊断的主要参量，提供了一种基于在线监测的旋转机械早期故障诊断方法及系统，满足旋转机械设备健康状态管理和预知维修对早期故障识别的需求，提高设备管理水平。

主权项

1.一种基于在线监测的旋转机械早期故障诊断方法，包括以下步骤，第一步，在线监测旋转机械健康状态指标，在各项状态指标运行过程中，根据所需趋势描述周期长短，设置不同周期，分别计算各状态指标在周期时间段内的平均值，以此为据，作出各状态指标的移动平均线；第二步，按照设定时间周期，读取选定移动平均线上的数值d，并据此作出指标矩阵D，其元素d_i,j为相应时间序号、指标序号所对应的d值，下标i代表时间序号，下标j代表指标序号，即第三步，设定时间间隔Δt，计算指标增量与其初始值的百分比e值，即e_i,j＝(d_i,j‑d_i‑Δt,j)/d_i‑Δt,j*100据此作出矩阵E，其中e_i,j时间序号为i，指标序号为j时对应的增量比值；在此矩阵中，当某一列元素连续出现正值时，表示该指标存在劣化倾向；第五步，根据各指标不同的敏感性，设置一组与之对应的阈值组，该阈值组是一个单行矩阵H，即式中下标j为指标编号序号；比较D矩阵各元素与H矩阵各阈值的大小，即d_i，j‑h_j，当d_i，j‑h_j大于0时，判断为设备出现早期故障，发出设备早期故障报警；第六步，对在线监测所得的周期性指标进行频谱分析，得到各频率对应的幅值时序矩阵K＝∣k_i,j∣，即及各频率对应的相位时序矩阵L＝∣l_i,j∣，即第七步：对三相电流、电压进行负序计算，得到对应的正序、负序、零序电流、电压与电流、电压总值之比的时序矩阵R，即第六步和第七步所得指标为派生指标；第八步，按照以上第三步所设定的时间间隔Δt，计算以上派生指标的增量与其初始值的百分比值，并重新对所有派生指标进行编序，合并为一个派生指标增量矩阵P，矩阵P由在各元素行下标定义不变的前提下，将矩阵R加入到矩阵L后构成，使矩阵P的列数＝矩阵L的列数+矩阵R列数，其元素为P_i，j，其中下标i为时序编号，j为重新编制的派生指标序号，即第九步，合并矩阵E和矩阵P为矩阵Q，其原则是新的矩阵包含E和P的所有各列，并对所有指标重新编序，这样就组成了一个完整的描述设备状态的指标增量比值的矩阵Q，其元素为q_i,j，下标i为时序号，下标j为所有指标重新编序后的序号；第十步：确定描述故障类型与所有指标增量比值之间关系的矩阵S，其元素s_i,j的下标i为所有指标重新编序后的序号，下标j为故障类型序号，s_i,j的赋值在‑100——+100之间，负值表示负相关，0值表示不相关，正值表示正相关，100表示完全一致；第十一步，求取诊断结果矩阵U＝Q*S，其元素u_i,j的下标i为时序编号，下标j为故障类型编号；第十二步，对矩阵U进行解读，并编制诊断报告。