[发明专利]一种转动设备性能劣化评估方法、装置及存储介质

说明书

本发明涉及一种转动设备性能劣化评估方法、装置及存储介质，该方法具体为：通过振动评估步骤获得第一评估得分，通过工况评估步骤获得第二评估得分；根据第一评估得分和第二评估得分，通过加权平均获得设备状态评估得分；根据设备状态评估得分判断转动设备的劣化趋势和劣化程度。与现有技术相比，本发明具有直观性强、鲁棒性好、可靠性高、模型建立难度低和计算简便等优点。

技术领域

本发明涉及一种转动设备状态评估技术，尤其是涉及一种转动设备性能劣化评估方法、装置及存储介质。

背景技术

随着工业4.0、工业互联网及智慧工厂概念在我国的启动及推进，转动装备的状态检修需求再次受到了关注，机械设备在使用过程中会因磨损等诸多原因而逐渐老化，直至无法使用，通过保养及维修可以延长设备的使用寿命，然而设备的劣化问题仍然如墨菲定律般无法彻底避免，设备劣化是指设备降低或丧失了规定的功能，包括设备工作异常、性能降低、突发故障、设备损坏和经济价值降低等状态表现得总称。

为了应对设备劣化问题，提高设备可靠性，延长设备使用寿命，从预防劣化、测定劣化及修复劣化三个方面开展工作，影响设备劣化的主要因素包括设备本身质量、运行条件、供油情况以及循环条件，需要保证设备的正常运行和日常维修，但劣化仍不可避免，当劣化发展到某种程度时，需要及时发现并预测和判断劣化的趋势，通过测定劣化确定劣化程度，开展针对性地修理，使其性恢复性能，然而经过修理后的设备与新设备的性能相比，总是在向劣化发展，直至突发损坏，乃至报废，这就是绝对劣化，劣化评估与预测要做得就是在设备发生绝对劣化之前，便能够在早期发现劣化的趋势，提供防止绝对劣化发生的手段及策略，减少或延缓绝对劣化的发生，从而避免由于绝对劣化对设备乃至系统造成的经济及安全上的损坏。

传统的解决方式是基于计划检修的，分别是通过定期维护、点检检查及计划修理等方式来进行预防、测定和修复劣化，但该方式无法实时掌握设备劣化状态、分析手段单一，对人员的工作量和分析能力要求较高。

因此，基于状态检修的设备劣化分析方法被提了出来。通过采集设备的实时状态数据，对其进行分析从而判断设备的状态，而其主流方法主要分两类：一是通过分析机理模型，利用各种曲线分析、参数设置、阈值设置、专家系统和机理系统等手段，从设备及其系统机理上判断其状态，该类方法往往需要分析人员具备丰富的经验，且往往属于事后分析，预测准确率较低；二是基于大数据、机器学习、深度学习等新兴技术，挖掘和设备运行状况相关的数据，构建模型。以上两种方法的目的都是提前发现设备故障，预防由于劣化引起的设备故障，但是普遍存在的以下几个问题：

1)对样本数据要求较高，泛化能力及鲁棒性较差；

2)模型并非自适应的，需要借助经验进行人为设置参数或者是阈值，一旦设备工况发生变化，需要人为进行参数调整，甚至重新筛选数据和架构模型，误报率高；

3)模型基于有监督的学习，需要大量的负样本数据，而往往这是目前实际生产不具备的。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种转动设备性能劣化评估方法、装置及存储介质，直观性强，鲁棒性好，可靠性高，模型建立难度低，计算简便。

本发明的目的可以通过以下技术方案来实现：

一种转动设备性能劣化评估方法，具体为：

通过振动评估步骤获得第一评估得分，通过工况评估步骤获得第二评估得分；

根据第一评估得分和第二评估得分，通过加权平均获得设备状态评估得分；

根据设备状态评估得分的实际值、日平均值和月平均值判断转动设备的劣化趋势和劣化程度；

进一步地，所述的振动评估步骤具体为：

获取转动设备的若干个设定部位的第三评估得分，根据各个设定部位的第三评估得分，通过加权平均获得第一评估得分。