[发明专利]一种基于灰度关联分析的机械故障状态监测系统及方法

说明书

技术领域

本发明涉及机械故障状态监测技术领域，具体地说是一种基于灰度关联分析的机械故障状态监测系统及方法。

背景技术

机械故障状态监测是一种基于设备当前和历史状态信息，并使用相关分析方法对机械状态进行定量和定性分析的技术。机械运行过程中，故障与征兆之间没有确定的映射关系，因此可以将机械看作是一个复杂的灰色系统。

灰色关联分析方法作为灰色理论的一个重要组成部分，目前在机械故障监测领域被广泛应用，并取得了良好效果。但是，传统灰色关联分析方法存在关联度值受分辨系数影响而不唯一、关联度值离散性不强、结果趋于均化且可靠性低、忽略了因子权重差异等问题。

基于此，本发明提供一种能够有效解决上述问题的基于灰度关联分析的机械故障状态监测系统及方法，通过使用灰色关联分析方法作为机械故障状态监测方法来提高机械故障状态监测结果的准确性和可靠性。

发明内容

本发明的技术任务是针对以上不足之处，提供一种基于灰度关联分析的机械故障状态监测系统及方法。

一种基于灰度关联分析的机械故障状态监测系统，包括：

数据获取模块，用于获取机械的状态数据；

数据处理模块，用于对获取的状态数据进行预处理，将该状态数据处理成向量；

数据分析模块，通过灰色关联分析方法对获取的向量进行分析，确定机械故障状态；

结果显示模块，将数据分析模块分析的结果进行展示。

所述机械的状态数据包括样本状态数据和实时状态数据，相对应的，数据处理模块将状态数据处理成样本状态下的参考向量和实时状态下的比较向量，由数据分析模块通过灰色关联分析方法分析两种变量后再通过结果显示模块将结果进行展示。

所述数据获取模块获取机械在样本状态下的状态数据过程为：首先自定义设置样本状态，并将机械置于该样本状态下，在机械上配置振动传感器，将机械开启，通过振动传感器获取机械在该样本状态下的状态数据并发送给数据获取模块。

数据获取模块获取机械在实时状态下的状态数据过程为：将机械置于工作环境中，在机械上配置振动传感器，将机械开启，通过振动传感器获取机械在该样本状态下的状态数据并发送给数据获取模块。

数据处理模块将状态数据处理成向量的具体过程为：数据获取模块将获取的样本状态数据或实时状态数据发送给数据处理模块，数据处理模块将该样本状态数据或实时状态数据进行傅里叶变换，得到对应的频谱特征值，然后将该频谱特征值分别作为参考向量或比较向量。

一种基于灰度关联分析的机械故障状态监测方法，其实现步骤为：

一、首先获取不同环境下机械的状态数据；

二、然后将机械的状态数据处理成向量；

三、使用灰色关联分析方法对所有的向量进行比较分析，得到机械故障状态，完成对机械故障状态监测。

所述不同环境包括作为样本用作对比的样本状态环境和机械正常工作时的实时环境。

所述步骤一的具体实现过程包括：

当获取样本状态环境的状态数据时，首先将机械置于自定义的样本环境下，然后在机械上配置振动传感器，将机械开启，最后通过振动传感器获取机械在该样本状态下的状态数据；

当获取实时状态环境下的状态数据时，首先将机械置于工作环境中，然后在机械上配置振动传感器，将机械开启，最后通过振动传感器获取机械在该样本状态下的状态数据。

在步骤二中，将状态数据处理成向量是指通过进行傅里叶变换得到得到频谱特征值，然后将频谱特征值作为状态监测过程中的向量。

当获取样本状态环境的状态数据后，对该状态数据进行傅里叶变换以得到频谱特征值，将该频谱特征值作为状态监测过程中的参考向量；当获取实时状态环境的状态数据后，对该状态数据该状态数据进行傅里叶变换以得到频谱特征值，将该频谱特征值作为实时工作过程中的比较向量，该参考向量和比较向量即为通过灰色关联分析方法对比分析的向量。

本发明的一种基于灰度关联分析的机械故障状态监测系统及方法和现有技术相比，具有以下有益效果：

本发明的一种基于灰度关联分析的机械故障状态监测系统及方法解决了传统方法存在的关联度值受分辨系数影响而不唯一等问题，使用灰色关联分析方法作为机械故障状态监测方法，有效提高机械故障状态监测结果的准确性和可靠性，实用性强，适用范围广泛，易于推广。

附图说明

附图1是本发明的系统结构示意图。

附图2是本发明的方法实现流程图。

具体实施方式