[发明专利]一种故障识别方法、装置、系统及计算机可读存储介质

说明书

本发明提供了一种故障识别方法、装置、系统及计算机可读存储介质,包括：获取故障样本集；基于信息熵法计算出故障样本集的客观权重β的最优值；基于层次分析法计算出故障样本集的主观权重值α最优值；计算出故障样本集的的组合权值；基于组合加权马氏距离法，计算故障样本集的最小组合加权马氏距离值；根据同类故障特征之间的最小组合加权马氏距离值最小的基本原理，用计算得出的最小组合加权马氏距离值识别齿轮箱或混联齿轮传动系统运行时轮齿产生的故障振动的故障类型。本发明中的故障特征信息识别算法，能对齿轮箱或混联齿轮传动系统中齿轮的早期故障产生预警作用，以保障齿轮系统安全运行。

技术领域

本发明涉及故障特征识别与诊断技术领域，特别是涉及一种故障识别方法、装置、系统及计算机可读存储介质。

背景技术

目前，对于机械设备在产生故障之初(早期故障)，故障特征信息被周围环境的干扰信息所淹没，容易被设备运行监测人员忽视。致使机械设备产生的早期故障不能被有效识别，使故障进一步恶化，直至产生重大故障而停机，或者引起重大伤亡事故时才被发现，而此时已带来了不可挽回的经济损失。因此，必须采用一种有效方法，将设备的早期故障特征信息从各类干扰信息中完整的、准确的识别来，并及时提醒设备监测人员对设备中故障零部件进行调整和维护等工作，从而降低事故的发生概率。

当前，对早期微弱故障特征识别的最有效方法是马氏距离法，根据的振动状态来判断故障的特性。该法采用数据之间的协方差距离，用来计算两种未知样本与特征样本的集相似度的一种有效方法，当未知样本与特征样本集的协方差的距离较小时，该未知样本与特征样本间的相似程度就越大。反之，其相似性的程度就越小。另外，马氏距离判别法具有线性不变形(与度量单位无关)，且也与尺度无关等特性，利用这些特性在实际故障识别与诊断中有着广泛的应用空间。该法将各个特征元素指标之间的相互关系均纳入到考虑范围内，也能排除特征变量之间的相关性的干扰。并且，马氏距离的计算摆脱了各参数量纲的影响，使其独立于特征测量的尺度上，故对故障特征诊断的结果具有较高的准确性等方面的优势。但是，该法在判别的过程中夸大了作用比较微弱的样本的重要性，从而使最终的计算结果失去了实际的指导意义。该算法所具有的这个问题，是由算法本身的属性所决定。因此，若要解决这个问题，需要对马氏距离的算法做相应改进。

为了解决上述算法，在判别过程中夸大了作用比较微弱样本的重要性方面存在的问题。本发明采用信息熵法和层次分析法对根据故障样本集中个样本的重要程度进行组合加权，以克服马氏距离法在故障判别过程中对样本重要性区分度不足的缺陷，并开发出一套能实现齿轮微弱故障特性识别的一套完整的方法。

发明内容

(一)解决的技术问题

针对当前机械设备故障微弱振动特征识别技术的不足，本发明提供了一种障识别方法，用以解决将机械设备故障微弱振动特征，从动态系统的随机振动信息以及干扰信息中有效识别来，且能保证特征信息识别的准确性。

(二)技术方案

本发明提供了一种故障识别方法,包括：

获取故障样本集；所述故障样本集为齿轮箱或混联齿轮传动系统运行时轮齿产生的故障振动的故障样本集；基于信息熵法计算出故障样本集的客观权重β的最优值；基于层次分析法计算出故障样本集的主观权重值α最优值；计算出故障样本集的的组合权值基于组合加权马氏距离法，计算故障样本集的最小组合加权马氏距离值；根据同类故障特征之间的最小组合加权马氏距离值最小的基本原理，用计算得出的最小组合加权马氏距离值识别齿轮箱或混联齿轮传动系统运行时轮齿产生的故障振动的故障类型。

进一步的，所述基于层次分析法计算出故障样本集的主观权重值α最优值，其计算过程包括如下步骤：

建立结构模型:

根据故障样本集特征信息，建立决策问题的结构模型；