[发明专利]一种旋转机械设备的故障检测方法及装置

权利要求书

1.一种旋转机械设备的故障检测方法，其特征在于，所述方法包括：

获取旋转机械设备的原始振动信号；

从所述原始振动信号中提取振动信号特征值；

将所述振动信号特征值以及采集到的所述旋转机械设备的设备数据输入专家决策系统，获得所述旋转机械设备是否存在故障的故障判断结果，所述专家决策系统是根据历史数据、所述历史数据对应的故障判断结果以及专家经验知识构建的，所述历史数据包括历史振动信号特征值以及历史设备数据；

当获取到所述旋转机械设备存在故障的故障判断结果，将所述振动信号特征值以及所述设备数据输入故障分类模型，获得故障分类结果，所述故障分类模型是根据所述历史数据以及所述历史数据对应的故障分类结果训练生成的；所述故障分类模型包括故障分类算法和故障分类模型自学习校正算法，所述故障分类算法的计算公式如下：

h_θ(x)＝1；ifθ^Tx≥0

h_θ(x)＝0；ifθ^Tx0

其中，h_θ(x)函数是对于样本x取值的概率函数，表示其相似特征故障的概率，h_θ(x)＝1表示明确某种故障的分类，参数θ是故障分类模型的待估计参数；

所述故障分类模型自学习校正算法通过如下的最小化代价函数得到参数θ：

cost₁(θ^Tx⁽ⁱ⁾)＝-logh_θ(x⁽ⁱ⁾)

cost₀(θ^Tx⁽ⁱ⁾)＝-log(1-h_θ(x⁽ⁱ⁾))

其中，cost函数为代价函数，用来估计样本属于某类的风险程度，其值越小代表越有可能属于这类，x代表每个样本数据点在某一个特征上的值，即特征向量x的某个值，y则表示每个样本数据的所属类别标签；

其中，将所述振动信号特征值以及所述设备数据作为所述历史数据，结合对应的故障分类结果更新所述故障分类模型和/或所述专家决策系统。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述原始振动信号以及自回归滑动平均模型对通频振动幅值超过阈值的时间点进行预测，将所述时间点作为所述旋转机械设备的寿命估计值。

3.根据权利要求1所述的方法，其特征在于，所述从所述原始振动信号中提取振动信号特征值，包括：

将所述原始振动信号进行预处理，获得预处理后的振动信号，所述预处理包括单位转换处理以及积分处理；

将所述预处理后的振动信号进行低通滤波处理，获得去除噪声的振动信号，所述去除噪声的振动信号包括振动信号时域数据；

将所述去除噪声的振动信号进行快速傅里叶变换，得到振动信号频域数据，所述振动信号频域数据包括振动信号幅值数据、振动信号相位数据，将所述振动信号幅值数据、所述振动信号相位数据以及所述振动信号时域数据确定为振动信号特征值。

4.根据权利要求1所述的方法，其特征在于，所述专家决策系统采用树状结构，所述树状结构的叶子节点输出所述旋转机械设备是否存在故障的故障判断结果，所述树状结构的各个非叶子节点记录有一个属性特征的程度值，所述树状结构的各个非叶子节点的位置根据各个非叶子节点对应的属性特征的信息增益确定。