[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN111222247A - 一种旋转机械早期故障预警方法 - Google Patents

一种旋转机械早期故障预警方法 Download PDF

Info

Publication number
CN111222247A
CN111222247A CN202010031040.8A CN202010031040A CN111222247A CN 111222247 A CN111222247 A CN 111222247A CN 202010031040 A CN202010031040 A CN 202010031040A CN 111222247 A CN111222247 A CN 111222247A
Authority
CN
China
Prior art keywords
equipment
early
trend
early warning
point
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010031040.8A
Other languages
English (en)
Inventor
王庆锋
刘家赫
卫炳坤
马文生
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing University of Chemical Technology
Original Assignee
Beijing University of Chemical Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing University of Chemical Technology filed Critical Beijing University of Chemical Technology
Priority to CN202010031040.8A priority Critical patent/CN111222247A/zh
Publication of CN111222247A publication Critical patent/CN111222247A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00—Testing of machine parts
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
    • G07C3/005—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles during manufacturing process
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/187—Machine fault alarms

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明公开了一种旋转机械早期故障预警方法，充分利用设备在线监测系统的监测参数数据，以实现设备运行异常早期报警并提高设备报警的准确率。本发明的早期故障预警方法利用谱距离指标函数提取设备振动特征信号，利用l1趋势滤波技术对振动特征信号进行滤波处理，根据滤波后振动特征信号曲线斜率变化，构建基于谱距离指标函数趋势滤波技术的早期故障预警模型，可以预测设备早期故障的发生、发展，能够为设备预测性维修提供技术支撑。

Description

一种旋转机械早期故障预警方法
技术领域
本发明涉及设备状态监测预警技术领域，特别涉及一种旋转机械早期故障预警方法。
背景技术
旋转机械在流程工业中被广泛使用，设备的安全运行能够带来良好的经济效益和社会效益，因此，实现旋转机械早期故障预警至关重要。由于常规报警阈值线设置依据相关设备国家标准为固定阈值线，固定阈值报警方法存在“报警不足”或“同一事件反复报警”的问题；存在难以在故障发生初期追踪到故障的发生和发展的问题；存在难以实现设备预测性维修以确保设备运行安全的问题。为了使监测系统实现早期预警而将报警阈值调低，则可能会因为噪声及采集误差的影响导致监测数据反复穿越报警线而错误报警。充分利用设备在线监测系统的监测参数数据，研究能够解决上述问题的早期故障预警技术，防止隐患发展为事故，减少设备故障报警不及时或误报警给企业可能带来的安全、环境、生产损失等影响后果，具有重要的工程研究意义。
发明内容
本发明目的在于提供一种旋转设备早期故障预警方法，基于机械设备运行可靠度函数(谱距离指标函数)提取设备振动特征信号，利用l1趋势滤波技术对振动特征信号进行滤波处理，根据滤波后振动特征信号曲线斜率变化，构建基于可靠度函数趋势滤波技术的早期故障预警模型，判断早期故障发生与否的原则不是基于固定阈值报警线，而是当振动特征信号趋势滤波后曲线斜率变化超过某一设定倍数时，认为发生早期故障，以实现设备运行异常早期报警并提高设备报警的准确率，为设备预测性维修提供技术支撑。
为实现上述目的，本发明提供了一种旋转设备早期故障预警方法，包括：
Step1:选取所述旋转设备正常状态监测数据为参考数据，根据谱距离指标函数提取设备振动特征信号；
Step2:采用l1趋势滤波技术对振动特征信号进行趋势滤波处理，得到消除采集误差后平滑的机组真实振动趋势曲线；
Step3:求取平滑振动趋势曲线各点的导数值，选取正常运行状态下的某一点作为参考点，该点处导数值作为参考数值；
Step4:预先设定阈值倍数，当实时数据点处的导数值大小超过参考数值的阈值倍数时，视为设备发生早期故障，产生预警。
所述根据谱距离指标函数提取设备振动特征信号，具体包括以下步骤：
(1)选取旋转设备正常状态监测数据x(t)以及振动特征信号中的实时监测数据y(t)，Jx,y是运行“优秀”状态信号x(t)和待评估状态信号y(t)之间的J散度，可以表示为：
Figure BDA0002364302710000021
式中，Sx(k)和Sy(k)分别是信号x(t)和y(t)的自功率谱，N为功率谱线个数；
(2)计算谱距离指标函数R：
Figure BDA0002364302710000022
式中，α为灵敏度系数，由设备性能退化趋势决定。
所述采用l1趋势滤波技术对振动特征信号进行趋势滤波处理，得到消除采集误差后平滑的机组真实振动趋势曲线，具体包括以下步骤：
(1)设定趋势滤波的平滑度系数λ大小，要根据对信号处理的实际需求对λ进行取值；
(2)采用l1趋势滤波技术对谱距离指标函数提取的振动特征信号进行滤波处理，得到消除采集误差后平滑的机组真实振动趋势曲线；
(3)l1趋势滤波技术通过最小加权目标函数实现，即使下式最小，公式为：
(1/2)
Figure BDA0002364302710000023
式中，yi(i＝1,…,n)为标准时间序列，即振动特征信号，xi为基本趋势，n为振动特征信号组数，λ是一个非负参数来控制趋势线的平滑性和平衡余项的大小，控制估计的趋势和信号冗余之间的平衡。
所述求取平滑振动趋势曲线各点的导数值，具体包括以下步骤：
根据求导公式，计算振动趋势曲线各点处的斜率大小，即导数值大小。
所述预先设定阈值倍数，当实时数据点处的导数值大小超过参考数值的阈值倍数时，视为设备发生早期故障，产生预警，具体包括以下步骤：
(1)设定阈值倍数m，m的取值需要根据以往故障案例监测数据训练得出。参考点导数值越趋近于0，调整参数m值需要越大；参考点导数值越远离0，调整参数m值需要越小；
(2)实时数据点i处的导数值ki(i＝1,2,…,n)的大小，n为数据样本数量。取正常运行状态下的一点i0的导数值
Figure BDA0002364302710000031
为参考点，
Figure BDA0002364302710000032
一般接近于0，规定当
Figure BDA0002364302710000033
时，认为设备处于正常运行状态，当
Figure BDA0002364302710000034
时，判断设备运行偏离正常状态或发生早期故障。
本发明具有以下有益效果：
本发明提供一种旋转设备早起故障预警方法，通过谱距离指标函数提取设备振动特征信号，利用l1趋势滤波技术对振动特征信号进行滤波处理，根据滤波后振动特征信号曲线斜率变化，当实时数据点处的导数值大小超过参考数值的阈值倍数时，视为设备发生早期故障，产生预警。该方法减少了“报警不足”或“同一事件反复报警”的问题，不仅可以预测设备早期故障的发生、发展，而且可以实时掌控正常运行设备早期故障发生、发展态势，能够为设备预测性维修提供技术支撑。
附图说明
图1所示为本发明算法流程示意图；
图2所示为谱距离指标系数趋势滤波曲线；
图3所示为谱距离指标系数导数值变化曲线；
图4所示为早起故障点处数据频谱图。
具体实施方式
以下结合附图和具体实施例进一步描述。
参考图1，本发明旋转机械早期故障预警方法，包括：
选取所述旋转设备正常状态监测数据为参考数据，根据谱距离指标函数提取设备振动特征信号；
采用l1趋势滤波技术对振动特征信号进行趋势滤波处理，得到消除采集误差后平滑的机组真实振动趋势曲线；
求取平滑振动趋势曲线各点的导数值，选取正常运行状态下的某一点作为参考点，该点处导数值作为参考数值；
预先设定阈值倍数，当实时数据点处的导数值大小超过参考数值的阈值倍数时，视为设备发生早期故障，产生预警。
具体地，以美国辛辛那提大学NSFI/UCR中心轴承实验台NO.2轴承运转正常的第200组数据为参考，选取该轴承运转到坏的全部数据作为监测数据，计算该轴承全生命周期内的谱距离指标。
采用l1趋势滤波技术对谱距离指标进行趋势滤波处理，设定趋势滤波的平滑度系数λ为75，得到消除采集误差后平滑的机组真实振动趋势曲线，谱距离指标趋势滤波前后对比图如图2所示；
求取谱距离指标趋势滤波后曲线各点的导数值，导数值曲线如图3所示，选择第200组数据处导数值作为参考数值，此时参考点导数值接近于0；
根据导数曲线突变处数值大小，预先设定阈值倍数m＝5，在第533组数据处时有k533＞5×k200，由此判断轴承数据在第533处可能发生早期故障。
为识别实验数据早期故障点，针对NO.2轴承外圈故障数据进行频谱分析，结果如图4所示。在第532组数据的频谱图(4(a))中未出现故障特征频率，在第533组数据的频谱图(4(b))中出现了轴承外圈故障特征频率。由此说明，轴承的早期故障发生在第533组数据处。

Claims (5)

1.一种旋转设备早期故障预警方法，其特征在于：该方法包括如下步骤，
Step1:选取所述旋转设备正常状态监测数据为参考数据，根据谱距离指标函数提取设备振动特征信号；
Step2:采用l1趋势滤波技术对振动特征信号进行趋势滤波处理，得到消除采集误差后平滑的机组真实振动趋势曲线；
Step3:求取平滑振动趋势曲线各点的导数值，选取正常运行状态下的某一点作为参考点，该点处导数值作为参考数值；
Step4:预先设定阈值倍数，当实时数据点处的导数值大小超过参考数值的阈值倍数时，视为设备发生早期故障，产生预警。
2.根据权利要求1所述的一种旋转设备早期故障预警方法，其特征在于：所述根据谱距离指标函数提取设备振动特征信号，具体包括以下步骤，
(1)选取旋转设备正常状态监测数据x(t)以及振动特征信号中的实时监测数据y(t)，Jx,y是运行“优秀”状态信号x(t)和待评估状态信号y(t)之间的J散度，表示为：
Figure FDA0002364302700000011
式中，Sx(k)和Sy(k)分别是信号x(t)和y(t)的自功率谱，N为功率谱线个数；
(2)计算谱距离指标函数R：
Figure FDA0002364302700000012
式中，α为灵敏度系数，由设备性能退化趋势决定。
3.根据权利要求1所述的一种旋转设备早期故障预警方法，其特征在于：所述采用l1趋势滤波技术对振动特征信号进行趋势滤波处理，得到消除采集误差后平滑的机组真实振动趋势曲线，具体包括以下步骤：
(1)设定趋势滤波的平滑度系数λ大小，要根据对信号处理的实际需求对λ进行取值；
(2)采用l1趋势滤波技术对谱距离指标函数提取的振动特征信号进行滤波处理，得到消除采集误差后平滑的机组真实振动趋势曲线；
(3)l1趋势滤波技术通过最小加权目标函数实现，即使下式最小，公式为：
Figure FDA0002364302700000021
式中，yi(i＝1,…,n)为标准时间序列，即振动特征信号，xi为基本趋势，n为振动特征信号组数，λ是一个非负参数来控制趋势线的平滑性和平衡余项的大小，控制估计的趋势和信号冗余之间的平衡。
4.根据权利要求1所述的一种旋转设备早期故障预警方法，其特征在于：所述求取平滑振动趋势曲线各点的导数值，具体包括以下步骤：
根据求导公式，计算振动趋势曲线各点处的斜率大小，即导数值大小。
5.根据权利要求1所述的一种旋转设备早期故障预警方法，其特征在于：所述预先设定阈值倍数，当实时数据点处的导数值大小超过参考数值的阈值倍数时，视为设备发生早期故障，产生预警，具体包括以下步骤：
(1)设定阈值倍数m，m的取值需要根据以往故障案例监测数据训练得出；参考点导数值越趋近于0，调整参数m值需要越大；参考点导数值越远离0，调整参数m值需要越小；
(2)实时数据点i处的导数值ki(i＝1,2,…,n)的大小，n为数据样本数量；取正常运行状态下的一点i0的导数值
Figure FDA0002364302700000022
为参考点，
Figure FDA0002364302700000023
一般接近于0，规定当
Figure FDA0002364302700000024
时，认为设备处于正常运行状态，当
Figure FDA0002364302700000025
时，判断设备运行偏离正常状态或发生早期故障。
CN202010031040.8A 2020-01-13 2020-01-13 一种旋转机械早期故障预警方法 Pending CN111222247A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010031040.8A CN111222247A (zh) 2020-01-13 2020-01-13 一种旋转机械早期故障预警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010031040.8A CN111222247A (zh) 2020-01-13 2020-01-13 一种旋转机械早期故障预警方法

Publications (1)

Publication Number Publication Date
CN111222247A true CN111222247A (zh) 2020-06-02

Family

ID=70826739

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010031040.8A Pending CN111222247A (zh) 2020-01-13 2020-01-13 一种旋转机械早期故障预警方法

Country Status (1)

Country Link
CN (1) CN111222247A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111723998A (zh) * 2020-06-28 2020-09-29 国网湖南省电力有限公司 发电机压油槽油压系统故障早期预警方法
CN112267979A (zh) * 2020-10-26 2021-01-26 积成电子股份有限公司 一种判断偏航轴承失效的预警方法及系统
CN112395550A (zh) * 2020-11-19 2021-02-23 中国船舶重工集团公司第七0四研究所 基于可视化特征参数矩阵的旋转机械故障预警方法
CN112525336A (zh) * 2020-11-18 2021-03-19 西安因联信息科技有限公司 一种机械设备振动连续增长的自动化检测方法
CN114135477A (zh) * 2021-10-11 2022-03-04 昆明嘉和科技股份有限公司 一种机泵设备状态监测动态阈值预警方法
CN114460024A (zh) * 2020-11-10 2022-05-10 蓝星智云(山东)智能科技有限公司 一种氯化氢合成炉中氢气、氯气在线实时监控方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5561610A (en) * 1994-06-30 1996-10-01 Caterpillar Inc. Method and apparatus for indicating a fault condition
JP2009115481A (ja) * 2007-11-02 2009-05-28 Jfe Advantech Co Ltd 回転機械設備の診断システム
CN105510023A (zh) * 2015-11-24 2016-04-20 国网内蒙古东部电力有限公司电力科学研究院 基于散度指标的变工况风电行星齿轮箱故障诊断方法
CN105588717A (zh) * 2015-12-10 2016-05-18 潍坊学院 一种齿轮箱故障诊断方法
CN110208019A (zh) * 2019-05-14 2019-09-06 北京博华信智科技股份有限公司 一种动设备状态监测动态阈值预警方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5561610A (en) * 1994-06-30 1996-10-01 Caterpillar Inc. Method and apparatus for indicating a fault condition
JP2009115481A (ja) * 2007-11-02 2009-05-28 Jfe Advantech Co Ltd 回転機械設備の診断システム
CN105510023A (zh) * 2015-11-24 2016-04-20 国网内蒙古东部电力有限公司电力科学研究院 基于散度指标的变工况风电行星齿轮箱故障诊断方法
CN105588717A (zh) * 2015-12-10 2016-05-18 潍坊学院 一种齿轮箱故障诊断方法
CN110208019A (zh) * 2019-05-14 2019-09-06 北京博华信智科技股份有限公司 一种动设备状态监测动态阈值预警方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
JIAHE LIU 等: "A fault early warning and health status rating method for ensuring safe operation of rotating equipement", 《2019 6TH INTERNATIONAL CONFERENCE ON INFORMATION SCIENCE AND CONTROL ENGINEERING (ICISCE)》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111723998A (zh) * 2020-06-28 2020-09-29 国网湖南省电力有限公司 发电机压油槽油压系统故障早期预警方法
CN112267979A (zh) * 2020-10-26 2021-01-26 积成电子股份有限公司 一种判断偏航轴承失效的预警方法及系统
CN114460024A (zh) * 2020-11-10 2022-05-10 蓝星智云(山东)智能科技有限公司 一种氯化氢合成炉中氢气、氯气在线实时监控方法及系统
CN114460024B (zh) * 2020-11-10 2024-04-26 蓝星智云(山东)智能科技有限公司 一种氯化氢合成炉中氢气、氯气在线实时监控方法及系统
CN112525336A (zh) * 2020-11-18 2021-03-19 西安因联信息科技有限公司 一种机械设备振动连续增长的自动化检测方法
CN112395550A (zh) * 2020-11-19 2021-02-23 中国船舶重工集团公司第七0四研究所 基于可视化特征参数矩阵的旋转机械故障预警方法
CN114135477A (zh) * 2021-10-11 2022-03-04 昆明嘉和科技股份有限公司 一种机泵设备状态监测动态阈值预警方法
CN114135477B (zh) * 2021-10-11 2024-04-02 昆明嘉和科技股份有限公司 一种机泵设备状态监测动态阈值预警方法

Similar Documents

Publication Publication Date Title
CN111222247A (zh) 一种旋转机械早期故障预警方法
CN110298455B (zh) 一种基于多变量估计预测的机械设备故障智能预警方法
Duman et al. Acoustic anomaly detection using convolutional autoencoders in industrial processes
CN109211548A (zh) 一种机械故障诊断方法
CN112487910A (zh) 核电汽轮机系统故障预警方法及系统
Han et al. Fault detection of pneumatic control valves based on canonical variate analysis
CN107202027A (zh) 一种大型风机运行趋势分析及故障预测方法
KR100997009B1 (ko) 산업설비의 공정 여유도에 대한 동적 감시 및 적시 경보 방법
CN110209144B (zh) 基于动静协同差异分析的两层实时监测与报警溯源方法
Khan et al. System design for early fault diagnosis of machines using vibration features
CN114061743A (zh) 风力发电机组的振动监测方法、装置、设备及介质
CN109238455A (zh) 一种基于图论的旋转机械振动信号监测方法及系统
CN115578084A (zh) 基于深度卷积自编码器的风电机组变频器故障预警方法
CN106441843B (zh) 一种旋转机械故障波形识别方法
Ginart et al. Automated feature selection for embeddable prognostic and health monitoring (PHM) architectures
CN109779938B (zh) 一种离心压缩机组智能联锁保护方法
CN111913463B (zh) 一种核电厂化学容积控制系统状态监测方法
CN109872511B (zh) 一种针对轴向位移突变监测的自适应两级报警方法
CN116796261A (zh) 一种基于人工智能的封闭开关设备机械特性预测方法
CN114818779A (zh) 一种基于层级分类算法的风机转子的故障诊断方法
Zheng et al. Wavelet packet decomposition and neural network based fault diagnosis for elevator excessive vibration
Rosli et al. Application of Principle Component Analysis in Resolving Influential Factor Subject to Industrial Motor Failure
CN104048287A (zh) 一种基于rbf网络的锅炉汽包水位报警方法
CN111915052B (zh) 一种模拟量测值智能预测算法的自适应测试方法
CN102900534B (zh) 一种燃气轮机防振动监控保护方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200602