[发明专利]一种旋转机械振动故障诊断方法及其系统

说明书

本申请公开了一种旋转机械振动故障诊断方法及其系统。其中，基于去趋势波动分析的旋转机械振动故障诊断方法包括如下步骤：获取旋转机械的振动数据；利用振动数据构建时间序列矩阵，并对该时间序列矩阵进行处理从而获得时域信号矩阵；确定平均波动函数的转折点，并根据转折点去顶波动函数的分析区间；在每个标度区间上，根据标度律关系确定标度指数，以标度指标α构成的向量作为特征向量进行机械设备故障诊断。本申请具有给出设备的故障特征而且能对其进行量化估计，实现机械故障在定性和定量两方面的精准判断的技术效果。

技术领域

本申请涉及数字处理技术领域，特别涉及一种基于去趋势波动分析的旋转机械振动故障诊断方法及其系统。

背景技术

设备的振动信息能够反映设备的运行状态。现有的设备健康状态评估与故障诊断方法主要包括:第一类基于信号分析和处理技术的故障诊断方法，其中包括傅里叶变换、短时傅里叶变换、小波变换、经验模态分解等。第二类基于模型的机械故障诊断方法，其中包括时间序列模型、隐马尔可夫模型、协整理论模型等。第三类的基于大数据和人工智能的故障诊断方法、其中包括神经网络、支持向量机等。第一类和第二类的故障诊断方法都要求系统是稳态的线性系统并从振动信号中提取出能够反应设备运行状态的特征值，但此类方法的理论基础决定了只能适用于平稳的线性的振动信号；第三类方法需要大量的历史数据和较高的算力才能得到可靠的诊断结果。

机械设备的工作环境通常比较复杂，一般存在多个振源，在干扰信号较多的背景下测量得到的振动信号多表现出非平稳性，因而在实际工程应用中以上三类方法表现出缺乏时间和频率同时定位功能、处理非平稳信号时的局限性和分辨率上的局限性等缺点。

基于以上的分析需要建立针对非线性系统且算力适合用于边缘存储和计算分析的机械故障诊断方法。

发明内容

本申请提供一种旋转机械振动故障诊断方法，包括：

步骤S1、获取旋转机械的振动数据；

步骤S2、利用振动数据构建时间序列矩阵，并对该时间序列矩阵进行处理从而获得时域信号矩阵；

步骤S3、对时域信号矩阵中的每个元素进行去趋势波动分析，得到时间序列矩阵中每一元素的波动函数，对时间序列矩阵中每个方向上的波动函数进行平均，得到平均波动函数；

步骤S4、以对数坐标确定平均波动函数的转折点，并根据转折点确定波动函数的标度区间，在每个标度区间上，根据标度律关系确定标度指数；

步骤S5、以标度指数构成的向量作为特征向量进行旋转机械振动故障诊断。

如上所述的一种旋转机械振动故障诊断方法及其系统，其中，通过传感器对需要进行故障诊断的旋转机械进行数据采集，获得振动数据，并将数据上传至处理器；其中，振动数据包括来自旋转机械的三个方向的振动信号。

如上所述的一种旋转机械振动故障诊断方法，其中，步骤S2具体包括如下子步骤：

利用振动数据构建时间序列矩阵；

对时间序列矩阵进行分割，获取所有方向的时间子序列矩阵；

利用所有方向的时间子序列矩阵构成时域信号矩阵。

如上所述的一种旋转机械振动故障诊断方法及其系统，其中，利用窗函数对时间序列矩阵X_i,j(t)中的任一维变量进行分割，得到在时间尺度τ下的k个子序列。

如上所述的一种旋转机械振动故障诊断方法，其中，步骤S3具体包括如下子步骤：

构建去均值的累积求和序列；

将累积求和序列按照长度n进行等分；

分段拟合各段数据的多项式趋势L_n(i)；