[发明专利]转子脱落故障诊断分析方法及装置

说明书

本发明公开了一种转子脱落故障诊断分析方法及装置，所述方法包括：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；待检测转子径向的第二位移数据，根据所述故障分析模型对多个待检测转子进行分析，得到所述待检测转子是否会发生故障的分析结果。本发明实施例通过采用逻辑回归算法构建故障分析模型，根据所述故障分析模型分析判断是否会发生转子脱落故障，对可能发生故障的转子进行及时预防和维护，优化设备运维管理方法，从而避免因故障发生造成经济损失。

技术领域

本发明涉及转子脱落故障诊断技术领域，特别涉及一种基于逻辑回归算法的转子脱落故障分析方法及装置。

背景技术

大型旋转机械是在化工、电力和钢铁生产制造过程中的关键设备。如果旋转机械出现故障将直接影响整个生产线的运行。旋转机械由基本的转子、轴承等零部件组成。其中转子作为大型旋转机械设备的重要组成部件，长期处于高速运转以及交叉载荷的运行环境下，很容易对其表面以及结构造成一定的损伤，使其脱落，给设备安全运行带来巨大的威胁，对工业生产效率以及经济效益造成极大的影响。

但由于工业生产中转子运行的不间断性，设备维护人员对设备进行检测维护只是间断和周期性的，并且还要在工业现场由专业人员进行相应的数据采集和故障诊断，这并不有利于旋转机械转子的长期监测以及诊断，所以如何采用合理有效的监测诊断方法以及便利快捷的实现路径，是判断工业现场中旋转机械转子早期是否故障的关键难题。

现有的针对转子进行故障诊断的流程基本为专业人员通过安装传感器，进行振动信号的采集，再将数据进行相应的处理获得相应的频谱，通过个人的专业知识来分析转子可能存在的问题。但这存在着以下不足之处∶一是由于转子运行的长期性和连续性，对转子进行维护诊断也是周期间隔性的，这并不能有效及时的发现转子的早期故障情况，这对延长维护转子生产寿命上有着极大的不利；二是针对转子脱落故障情况必须在现场及时的采集信号数据，再将数据带回进行相应的处理，这对于维护诊断而言存在着极大的不便利性；三是转子的维护诊断是基于专家知识，需要专业的人员，这对于早期诊断和维护而言具有太高的专业门槛。所以研究如何将工业生产上转子设备的故障诊断在线化、便利化以及程序化，对工业生产上设备维护诊断的效率提升具有非常重要的意义。

发明内容

有鉴于此，本发明实施例的目的是提供一种能够对转子脱落故障进行分析预测，以便于优化设备运维管理方法，避免因故障发生造成经济损失的转子脱落故障分析方法及装置。

为了实现上述目的，本发明实施例提供了一种转子脱落故障分析方法，所述方法包括：

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将发生故障的分析结果。

优选地，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。

优选地，对所述第一位移数据进行预处理，包括：

对所述第一位移数据进行填补；