[发明专利]一种基于支持向量机和数据驱动的旋转电机状态监测方法

说明书

本发明公开了一种基于支持向量机和数据驱动的旋转电机状态监测方法，包括采集旋转电机振动信号，利用曲线拟合振动信息预测旋转电机加速度及速度运行状态，以及根据误差、电机性能等指标评估电机状态。将采集节点安装于旋转电机外壳上，实时获得监测电机的三轴振动信号以及环境温湿度，通过物联网无线通讯技术传至接收端，再由接收端存储至数据库，利用小波分析与ARIMA模型或者其他时间序列预测方法计算各节点速度频谱图等信息，得到预测曲线。加入历史误差补偿得到准确的预测值，将之与真值比较得到此刻误差。此误差作为支持向量机分类的主要特征、结合温度、电机功率、转速等辅助特性做出故障判断。

技术领域

本发明涉及一种基于支持向量机和数据驱动的旋转电机状态监测方法，用于各类工厂内旋转电机设备的振动信号的检测、诊断与预警。

背景技术

电动机作为核心部件，被广泛地应用于生产现场的各种场合。电机的分类有很多，例如伺服电机、步进电机、直流电机等等，而其基本原理都是将电能转化为机械能，产生驱动转矩应用在生产的各方面。在实际的生产使用中，一个工厂常常需要使用大中小型的电机若干台，从每分钟百转到每分钟万转的电机都存在，而同样型号的电机可能所处于的工作环境也不同，所以电机的型号差异性以及电机的使用环境也会不同程度的造成电机可靠性判断的差异。

电动机是制造业领域用途最为广泛的设备之一，其性能高低决定着生产流水线产品质量的好坏。例如在石油冶炼行业中，发动机便用在空气压缩、冷却水循环、原料进给、阀门驱动等环节。为了能够准确掌握电动机运行情况，保证各个环节的正常工作，需要通过测量电动机的振动信号，作为分析电动机是否故障的重要依据。一方面,现在科学进步使得工厂日益大型化，复杂化以及分散化，设备的数量迅速上升，分布则愈加分散。设备一旦发生故障,轻则停机,造成重大的经济损失,重则造成设备毁坏和人生伤亡。无论什么样的事故都会对生产带来巨大影响。同时，设备维修费用在成本管理以及人员使用中占了很大的比例，如果在设备发生故障后进行维修则成本巨大。纵观目前我国的传统的制造生产、能源等等企业，如冶金、石化、传统发电和新能源等领域的企业，并没有一套成熟的、可用于实时监测旋转电机运行情况的系统。

在进行故障诊断，最初的方法就是定期停机检修。定期停机检修的操作成本非常高，需要中断几天的生产以及投入人员将每个设备检测，观察运行情况，往往效果很差。发展至今，企业偏向于指定检修员定期巡视生产现场。这种方式依赖于检修员的经验以及对旋转电机的了解情况，缺点是同样导致企业生产成本的增加，并且检修员无法根据不同型号的电机做出不同的判断，也无法将数据保存至服务器端进行综合管理，耗费大量人力物力，也无法做到对故障的及时预判与处理。

发明内容

本发明的目的在于针对现有技术的不足，提供一种基于支持向量机和数据驱动的旋转电机状态监测方法。

本发明的目的是通过以下技术方案来实现的：一种基于支持向量机和数据驱动的旋转电机状态监测方法，该方法包括以下步骤：

步骤1、在旋转电机的外壳安装数据采集装置，所述数据采集装置包括加速度传感器、电源模块和LORA通信模块；通过数据采集装置测量旋转电机在健康状态的加速度、温度值；

步骤2、将步骤1采集的数据通过LORA通信模块发送到服务端；服务端对加速度数据进行卡尔曼滤波、积分处理，得到速度信息和位移信息；

步骤3、使用连续小波分析方法获得加速度数据和速度数据的时频谱图，温度数据的均方差值图；通过图分析数据判断旋转设备是否正常，判断条件如下：

a)速度与加速度在时域幅值超过阈值，速度均方根值明显偏大；

b)温度值超过阈值；

c)除旋转电机主频外有其他明显主要频率成分存在；

d)除旋转电机主频外有高频信号存在超过一定时间周期，或存在周期性信号；