[发明专利]一种旋转机械在线状态监测与故障诊断装置及方法

说明书

技术领域

本发明涉及一种旋转机械在线状态监测与故障诊断装置及方法，特别是涉及大型旋转机械设备、关键设备的智能在线状态监测与诊断装置及方法。

背景技术

随着科学技术的不断进步，尤其是系统集成化的趋势，很多机械设备如发电机、汽轮机等越来越大型化、高速化、复杂化，设备对安全性、自动化方面的要求也越来越高。一些关键部件，比如高速旋转的轴、轴承等一旦发生故障，不仅需承担更换设备本身的费用，更为重要的是还会导致整个连续生产流程的中断，造成停产等重大的经济损失甚至危害工作人员的人身安全。而关键设备的监测已经被证明是一种有效避免重大事故的方法。

传统的监测方法最初是采用二次仪表进行监测，这种方法只能在故障规律简单清晰的条件下有效，而随着设备的复杂化已经难以满足诊断的需求，尤其是难以实现故障的早期诊断与预防。其后逐步采用以计算机为采集分析核心的状态监测与故障诊断系统。在国外，相关的技术在近20年得到日益广泛的应用，比如：本特利公司的系列产品，西屋公司的PDS系统，丹麦的ROVSINGDynamics系统以及日本三菱的MHM系统等。其中美国的技术开发最早，技术最为先进。在国内，也有一批旋转机械在线监测与故障诊断系统投入运行，比如：哈工大以模糊数学理论为基础的MMMD系统，郑州大学的MMSD2000系统，北京英华达公司的EN8000系统以及西北工业大学的MD3905系统等。这些系统大多提供轴振、轴位移、轴承温度等监测信息，并提供波形图、频谱图、轴心轨迹图、伯德图等分析功能，其故障诊断主要采用的是故障树专家系统或者神经网络等。而随着计算机技术的提高，对信号进行分析和诊断的方法日益多样和复杂，所以如何建立有效的状态监测与诊断方法，进一步提高诊断的准确性、智能化成为现代状态监测与故障诊断系统的核心技术。

发明内容

本发明的一个目的是为了提供一种旋转机械新型有效的状态监测与故障诊断装置，该装置是一种便携式快速诊断设备，所有功能均集中在一台便携机上，适用于故障诊断相关专业研究人员进行快速诊断或初步诊断。该装置包含一个数据采集装置101、一个特征提取装置102、一个数据管理装置103、一个显示装置106以及鼠标、键盘等用户进行参数设置与设备管理的装置107，还包含一个多模型检测器训练装置104、一个多模型故障诊断装置105。

所述的多模型检测器训练装置(104)还包含：

一个隐马尔可夫模型训练装置(301)，用于实现混合模型隐马尔可夫模型部分的自聚类训练；

一个支持向量机训练装置(302)，用于实现混合模型支持向量机部分的一对一训练；

一个混合模型评估装置(303)，用于评估训练得到的混合模型的性能并给出训练指导参数。

所述的混合模型评估装置(303)还包含一个评估控制与数据存储装置，(501)一个隐马尔可夫模型评估装置(502)，一个支持向量机评估装置(503)。

所述的多模型诊断故障装置(105)首先通过比对各故障HMM最大似然率获得HMM可能故障数组；然后利用HMM可能故障数组激活相应的SVMs进行精确诊断。

所述的比对各故障HMM最大似然率时采用如下公式对似然率做标量化：标量值＝1-(l_max-似然率)/σ。

所述的隐马尔可夫模型评估装置通过输出参数：HMM模型似然率、HMM识别率以及HMM模型评价指标评估隐马尔可夫模型的诊断性能；

所述的支持向量机评估装置通过输出参数：SVM得票数组、SVM模型的识别率、HMM-SVM混合模型得票数组、HMM-SVM混合模型的识别率评估支持向量机及混合模型的诊断性能。

本发明另一目的旨在提供一种旋转机械状态监测与故障诊断方法，包括下列步骤：

(1)数据采集，用数据采集装置采集旋转部件如轴、轴承等的振动、位移以及温度等信号；

(2)存储信号，并用标准特征数组提取装置提取信号的特征，特征提取的方式包括歪度、冲击指标、波形指标、裕度指标、峭度指标、自相关系数等信号时域特征也包括特征频率、二倍频、三倍频、用户自定义频率的最大振幅与频率偏移以及能量等。由以上特征构成的数组作为标准特征数组，存储于标准特征数组存储空间。典型故障的样本随机存入故障样本数据库或检测器快速评估库。检测器快速评估库与故障样本库数据不重复且存入评估库数据的概率通常＜20％。

(3)用识别用检测器的训练装置训练检测器。其过程分为以下三个过程：