[发明专利]一种大型旋转机械运行状态故障诊断系统及方法

说明书

本发明属于大型旋转机械的故障智能诊断领域，公开了一种大型旋转机械运行状态故障诊断系统及方法，系统包括：数据采集模块用于获取大型旋转机械当前运行时间的振动数据；振动特征提取模块用于通过振动数据提取多种振动特征；振动特征分类模块用于将每种振动特征通过分类规则进行分类，得到对应的振动子特征；故障概率计算模块用于预设多种故障类型，根据所有振动子特征计算不同故障类型下的故障概率；故障诊断模块用于根据故障概率计算模块的计算结果进行判定，判定故障概率大于40％所对应的故障类型为大型旋转机械当前的运行故障。本发明能够根据大型旋转机械的振动数据特征进行智能分析，进而自动诊断出具体故障概率。

技术领域

本发明属于大型旋转机械的故障智能诊断领域，具体涉及一种大型旋转机械运行状态故障诊断系统及方法。

背景技术

目前，大型旋转机械的振动分析与故障诊断工作主要还是依靠专业人员人工分析完成，对人员的专业技术和诊断经验要求比较高，专业人员无法时刻守在用户现场，导致振动问题发生后处理故障的响应速度受到限制。随着近年来大数据分析和人工智能技术的发展，把数据分析技术与故障诊断技术、专家诊断经验进行有机融合，开发大型旋转机械的故障智能诊断系统就具备了技术条件，并且有着非常广阔的应用前景。

在开发大型旋转机械的故障智能诊断系统过程中，主要有两个重要问题需要解决：第一个是振动数据的智能分析、特征自动提取、专家经验的量化技术。第二个就是故障诊断规则库的设计，即根据不同故障原因所表现出来的不同故障特征，设计一套能够根据大型旋转机械的振动数据特征进行智能分析，进而诊断出具体故障原因的方法。

发明内容

本发明的目的在于提供一种大型旋转机械运行状态故障诊断系统及方法，用以解决现有技术中存在的大型旋转机械的故障无法智能诊断的问题。

为了实现上述任务，本发明采用以下技术方案：

一种大型旋转机械运行状态故障诊断系统，包括数据采集模块、振动特征提取模块、振动特征分类模块、故障概率计算模块和故障诊断模块；

所述数据采集模块用于获取大型旋转机械当前运行时间的振动数据；

所述振动特征提取模块用于通过数据采集模块采集到的振动数据提取多种振动特征，所述振动特征包括波形特征、频率特征、轴心轨迹特征、一倍频相位特征、一倍频轴心轨迹长短轴比值特征、工艺参数相关性特征、齿轮啮合特征和振动稳定性特征；

所述振动特征分类模块用于将振动特征提取模块得到的每种振动特征通过分类规则进行分类，得到对应的振动子特征；

所述故障概率计算模块用于预设多种故障类型，根据振动特征分类模块得到的所有振动子特征计算不同故障类型下的故障概率；

所述故障诊断模块用于根据故障概率计算模块的计算结果进行判定，判定故障概率大于40％所对应的故障类型为大型旋转机械当前的运行故障。

进一步的，所述振动数据包括大型旋转机械当前运行时间的振幅、频率、相位、旋转轴轴心位置和转速。

进一步的，所述振动特征提取模块包括波形特征提取子模块、频率特征提取子模块、轴心轨迹特征提取子模块、一倍频相位特征提取子模块、一倍频轴心轨迹长短轴比值特征提取子模块、工艺参数特征提取子模块、齿轮啮合特征提取子模块和振动稳定性特征提取子模块，其中，所述工艺参数相关性特征提取子模块用于获取振动发生时同步变化的工艺量与振动的相关性，所述工艺量包括速度、压力、温度和流量；所述振动稳定性提取子模块用于根据当前运行时间内的振动数据，每10个周期获得一次振动幅值最高值与最低值之差△A。

更进一步的，所述振动特征分类模块包括波形特征分类子模块、频率特征分类子模块、轴心轨迹特征分类子模块、一倍频相位特征分类子模块、一倍频轴心轨迹长短轴比值特征分类子模块、工艺参数特征分类子模块、齿轮啮合特征分类子模块和振动稳定性特征分类子模块；