[发明专利]转子脱落故障诊断分析方法及装置

权利要求书

1.一种转子脱落故障诊断分析方法，其特征在于，包括：

获取故障转子和非故障转子径向的第一位移数据；

提取所述第一位移数据的时域特征和频域特征，形成包含时域特征和频域特征的第一数据集；

采用逻辑回归算法，以及所述第一数据集中的至少部分数据构建故障分析模型；

获取待检测转子径向的第二位移数据，并提取所述第二位移数据的特征；

根据所述故障分析模型对所述第二位移数据的特征进行分析，得到所述待检测转子是否会发生故障的分析结果。

2.根据权利要求1所述的方法，其特征在于，提取所述第一位移数据的时域特征和频域特征，形成包含时域特征和频域特征的第一数据集，包括：

对所述第一位移数据进行预处理；

提取预处理后的所述第一位移数据的原始时域特征和原始频域特征；

对所述原始时域特征和原始频域特征进行筛选得到所述时域特征和频域特征，并形成包含所述时域特征和频域特征的第一数据集。

3.根据权利要求2所述的方法，其特征在于，对所述第一位移数据进行预处理，包括：

对所述对所述第一位移数据进行填补；

将填补好的第一位移数据进行数据清洗，以去除异常数据和无用数据。

4.根据权利要求2所述的方法，其特征在于，对所述原始时域特征和原始频域特征进行筛选得到所述时域特征和频域特征，并形成包含所述时域特征和频域特征的第一数据集，包括：

计算所述原始时域特征和原始频域特征的相关系数；

根据所述相关系数确定相似时域特征和频域特征，并由所述相似时域特征和频域特征选择代表性时域特征和频域特征。

5.根据权利要求4所述的方法，其特征在于，根据所述相关系数确定相似时域特征和频域特征，并由所述相似时域特征和频域特征选择代表性时域特征和频域特征，包括：

选择所述代表性时域特征中的无量纲时域特征；

选择代表性时域特征和频域特征中的具有强单调性的时域特征和频域特征。

6.根据权利要求1所述的方法，其特征在于，采用逻辑回归算法，以及所述第一数据集中的至少部分数据构建故障分析模型之后，所述方法包括：

采用所述数据集中除所述至少部分数据以外的数据对所述模型进行测试，并获得所述模型的准确率、精确率和召回率。

7.根据权利要求1所述的方法，其特征在于，其中所述时域特征包括有量纲特征和无量纲特征；

其中，所述有量纲特征包括以下至少一种：均值、方差、标准差和均方根；所述无量纲特征包括以下至少一种：偏度、峭度、波形因子、峰值因子、脉冲因子、裕度因子和峰峰值；

所述频域特征包括以下至少一种特征：一倍频幅值、二倍频幅值、三倍频幅值、一倍频能量占比、二倍频能量占比和三倍频能量占比。

8.根据权利要求1所述的方法，其特征在于，所述第一位移数据包括故障邻近数据和故障远离数据。

9.根据权利要求1所述的方法，其特征在于，其中，所述故障转子、所述非故障转子和所述待检测转子的两端均布置有用于采集位移数据的电涡流位移传感器。

10.一种转子脱落故障诊断分析装置，其特征在于，所述装置包括：

第一获取模块，用于获取故障转子和非故障转子径向的第一位移数据；

提取模块，用于提取所述第一位移数据的时域特征和频域特征，形成包含时域特征和频域特征的第一数据集；

建模模块，用于采用逻辑回归算法，以及所述第一数据集中的至少部分数据构建故障分析模型；

第二获取模块，用于获取待检测转子径向的第二位移数据，并提取所述第二位移数据的特征；

分析模块，用于根据所述故障分析模型对所述第二位移数据的特征进行分析，得到所述待检测转子是否将发生故障的分析结果。