[发明专利]一种设备状态趋势分析及故障诊断方法

权利要求书

1.一种设备状态趋势分析及故障诊断方法，其特征在于：包括以下步骤：

获取待诊断设备的历史运行参数；

对历史运行参数进行预处理，得到分析数据集；

根据分析数据集，建立趋势算法模型；

获取待诊断设备的当前运行参数，并将当前运行参数输入当前趋势算法模型内，再将当前运行参数与预设的正常状态参数进行对比，得到待诊断设备的劣化程度；

根据当前趋势算法模型获取预测趋势曲线，并根据预测趋势曲线、当前运行参数和预设的标准限值，得到预测性维护时间窗口。

2.根据权利要求1所述的一种设备状态趋势分析及故障诊断方法，其特征在于：所述历史运行参数包括振动时序数列和温度时序数列；其中，振动时序数列为带有时间标签的振动频率数据，温度时序数列为带有时间标签的温度数据。

3.根据权利要求1所述的一种设备状态趋势分析及故障诊断方法，其特征在于：对历史运行参数进行预处理时，步骤如下：对历史运行参数进行数据清洗处理、数据对齐处理和/或数据异常值排除处理。

4.根据权利要求1或3所述的一种设备状态趋势分析及故障诊断方法，其特征在于：对历史运行参数进行预处理后，还包括以下步骤：

对历史运行参数进行平滑处理、滤波处理和/或有效化处理。

5.根据权利要求1所述的一种设备状态趋势分析及故障诊断方法，其特征在于：根据分析数据集，建立趋势算法模型时，步骤如下：

对分析数据集进行样本划分，得到训练数据集以及评估数据集；

根据训练数据集建立趋势算法模型；

根据评估数据集对趋势算法模型进行优化，得到优化后趋势算法模型。

6.根据权利要求5所述的一种设备状态趋势分析及故障诊断方法，其特征在于：根据专家规则的方法对分析数据集进行样本划分。

7.根据权利要求5所述的一种设备状态趋势分析及故障诊断方法，其特征在于：采用人工智能机器学习技术中的曲线拟合及BP神经网络建立趋势算法模型。

8.根据权利要求1所述的一种设备状态趋势分析及故障诊断方法，其特征在于：得到待诊断设备的劣化程度后，还包括以下步骤：

根据当前趋势算法模型，对当前运行参数进行特征分析，得到故障初步诊断指征。

9.根据权利要求8所述的一种设备状态趋势分析及故障诊断方法，其特征在于：得到故障初步诊断指征后，还包括以下步骤：

获取当前运行参数对应的频率特征，再将频率特征与工业标准中的预定特征进行对比，得到故障原因。