一种往复式设备的故障监测方法与流程

1.本发明为一种故障监测方法，具体涉及一种往复式设备的故障监测方法，属于机械设备故障诊断领域。


背景技术：

2.自上世纪60年代始，为满足航空、军工以及工业生产等领域的发展需要，机械故障诊断学科开始兴起，随着研究的不断深入和技术的更迭，现阶段，各高校、研究机构与生产企业就旋转式设备（如轴承、齿轮等）的状态检测与故障诊断取得了诸多研究成果。区别于旋转式设备，往复式设备的内部结构较为复杂、运动部件多、激励部件多，发生故障的概率以及故障监测的难度远高于旋转式设备，因此对于往复式设备的维护，目前仍以定期保养和事后维修的方式进行，业内并未出现一种针对此类设备的、真正有效的故障监测手段。
3.就其结构而言，往复式设备的传动部件主要由驱动机（如电机皮带系统、柴油机皮带系统等）、曲轴箱（主要包括曲轴、连杆、十字头等）以及输出系统三部分组成，根据做功介质的不同，还可以对其中的输出系统进行进一步的划分和明确，例如往复式空气压缩机，其输出系统所包含的主要零部件就有活塞杆、活塞、气缸、进气阀和排气阀等。在上述三部分中，驱动机是整个设备的动力输入端，其相较于曲轴箱和输出系统而言稳定性更强、不易出现故障，因此，针对往复式设备的故障监测，就需要着眼于对曲轴、连杆、活塞、进气（液）阀、排气（液）阀等易损耗零部件的状态监测上。
4.目前针对往复式设备的故障诊断方法有振动诊断、铁谱分析、油液分析和温度监测等，其中应用最为广泛的方法是基于振动信号的故障诊断法。但在现阶段的执行过程中，需要借助人工分析完成故障诊断，这对于分析人员有着较高的技术、经验要求，不仅自动化程度较低而且需要消耗大量的人力资源。为此，有相关学者提出通过监测泵在不同频段的振动幅值大小来对应设备某些部位的故障，但由于设备内的部件众多，不同设备间的激励力大小不同、固有频率也存在差异，因此频段与故障部件之间的对应关系很难确定。此外，还有一些研究人员提出用深度神经网络或其他机器学习方法训练出一种往复式设备的故障诊断模型，但这样的方式缺乏不同工况下、不同故障类型的有效训练样本，同时受限于样本采样频率的影响，训练出的模型通用性较差，不能用在实际的工业情境下。
5.综上所述，如何基于上述研究现状，提出一种针对往复式设备、通用性好、自动化程度高的故障监测方法，以克服现有技术中所存在的不足，也就成为了本领域内技术人员所共同关注的问题。


技术实现要素：

6.鉴于现有技术存在上述缺陷，本发明的目的是提出一种针对往复式设备的故障监测方法，具体如下。
7.一种往复式设备的故障监测方法，针对往复式设备，包括如下步骤：s1、采集所述往复式设备正常运行状态下的多个振动加速度信号，选取其中一个
振动加速度信号、截取其片段作为基准信号，将其余未被选取的振动加速度信号进行汇总、形成训练数据集；s2、针对训练数据集中的每个振动加速度信号，从中选取多个信号段，分别计算每一个信号段与基准信号的互相关系数，将其中最大的互相关系数所对应的信号段作为一个训练样本，按上述操作遍历训练数据集，并将基准信号作为一个训练样本、得到与s1中振动加速度信号数量一致的训练样本；s3、对训练样本进行转化操作、得到一对上、下包络线；s4、采集待监测的振动加速度信号，依据s2中的操作，从待监测的振动加速度信号中获取检测样本；s5、比较s4中所得到的检测样本是否超出s3中所得到的上、下包络线所围成的区域，若未超出则标记待监测的振动加速度信号为正常信号，若超出则标记待监测的振动加速度信号为异常信号、发出告警。
8.优选地，s1包括如下步骤：s11、采集所述往复式设备正常运行状态下的m个振动加速度信号，控制每个加速度信号的采样点数为n；s12、选取所采集的m个振动加速度信号中的一个、截取其片段作为基准信号，将其余未被选取的振动加速度信号进行汇总、形成训练数据集。
9.优选地，当所述往复式设备的曲轴箱部分的运行状态为变转速时，在s11步骤前还包括如下步骤：s10、通过插值与拟合的方法，使述往复式设备正常运行状态下每个曲轴回转周期内的采样点数一致。
10.优选地，s2包括如下步骤：s21、设基准信号的采样点数为n、满足2n≤n；s22、设训练数据集中第i个振动加速度信号为sig
‑
i，随后从sig
‑
i中选取sig
‑
i[1：n]、sig
‑
i[2：n+1]
……
sig
‑
i[n
‑
n：n]，共n
‑
n+1个信号段，分别计算每一个信号段与基准信号的互相关系数、得到n
‑
n+1个互相关系数，选取其中最大的互相关系数所对应的信号段作为一个训练样本；s23、按s22中的操作遍历训练数据集中的全部信号、得到m
‑
1个训练样本，再将基准信号作为一个训练样本，共得到m个训练样本、其中每个训练样本的采样点数为n。
[0011]
优选地，s22中互相关系数的计算公式如下，，式中，为样本的采样点数，和分别为样本和样本中的第个数据点、，为样本的均值，为样本的均值，表示互相关系数。
[0012]
优选地，s3包括如下步骤：s31、将训练样本视为一个m行n列的二维数组，对二维数组中的每个元素进行取绝
对值操作，随后取每列元素中最大值的k倍、满足k≥1，组成一个包含有n个元素的一维数组；s32、对一维数组中的每一个元素进行取相反数操作、形成一个包含有n个元素的新的一维数组，s33、由s31中所得到的一维数组与s32中所得到的新的一维数组，得到一对上、下包络线。
[0013]
优选地，s31中的k=1.2。
[0014]
优选地，s4包括如下步骤：采集待监测的振动加速度信号，依据s2中的操作，从待监测的振动加速度信号中选取n
‑
n+1个信号段，分别计算每个信号段与基准信号的互相关系数，选取其中最大的互相关系数所对应的信号段作为检测样本。
[0015]
与现有技术相比，本发明的优点主要体现在以下几个方面：本发明所述的一种针对往复式设备的故障监测方法，着眼于设备运行过程中振动信号，通过完整、高效的振动信号处理逻辑，以全自动的方式实现了对振动信号的监测，并能够在不借助人工的前提下及时发现设备异常，不仅显著地降低了方法对于人力资源的依赖、节约了企业内的劳动力，而且确保了监测效果的准确性。
[0016]
使用本发明的方法对往复式设备进行故障监测，在振动信号的信号幅值、有效值等没有明显升高的情况下，若出现波形成分异常时，本方法也可以对设备运行发出预警，监测灵敏度相较于现有技术提升显著。
[0017]
此外，本发明的方法流程清晰、可重复性强，具有一定的普适性特征，应用前景广阔并具有极高的使用价值。使用者还可以根据自身实际的应用需要对其中的部分操作进行调整，从而进一步拓宽本发明的适用范围。
附图说明
[0018]
图1为三缸泥浆泵某缸头的振动信号图；图2为本发明的方法流程示意图；图3为实际案例中的振动加速度信号采集图例；图4为实际案例中的基准信号选取图例；图5为实际案例中的训练数据的波形叠加图例；图6为实际案例中的上、下包络线图例；图7为实际案例中的待检测的振动加速度信号及其所生成的检测样本图例；图8为实际案例中的检测样本检验图例。
具体实施方式
[0019]
本发明揭示了一种往复式设备的故障监测方法，着眼于设备运行过程中振动信号，以往复式设备为三缸泥浆泵为例，其通过曲轴箱（曲轴连杆结构）的传动，将驱动机部分的回转运动转变为输出系统部分的往复运动，当其输出系统中活塞每次运动到极限位置时，均会产生一个振动冲击。具体地，三缸泥浆泵某缸头的振动信号图如图1所示。
[0020]
从图1中可以得知，在曲轴箱部分的一个曲轴回转周期内，当距离传感器最近的缸
内活塞运动到止端位置时，在振动信号上地表现为出现一个振动冲击；而当其他两个距离稍远的缸内活塞也先后到达止端位置时，由于振动在传递路径上的衰减，这时在振动信号上表现为分别出现两个较小的振动冲击。
[0021]
可以预见，当三缸泥浆泵中某个缸内的零部件出现磨损、断裂或其他故障时，其所对应的振动冲击的波形成分就会出现明显变化，而本发明的核心就在于监控这个波形成分的变化过程。具体方案如下。
[0022]
一种往复式设备的故障监测方法，方法流程如图2所示，主要针对恒转速的往复式设备，通过最大互相关系数匹配到同相位波段、再通过统计训练的方式给波段整个波段设置阈值。方法包括如下步骤。
[0023]
s1、采集所述往复式设备正常运行状态下的多个振动加速度信号，选取其中一个振动加速度信号、截取其片段作为基准信号，将其余未被选取的振动加速度信号进行汇总、形成训练数据集。
[0024]
具体而言，s1包括可进一步明确为：s11、采集所述往复式设备正常运行状态下的m个振动加速度信号，控制每个振动加速度信号的采样点数为n；s12、选取所采集的m个振动加速度信号中的一个、截取其片段作为基准信号，将其余未被选取的振动加速度信号进行汇总、形成训练数据集。
[0025]
需要说明的是，当所述往复式设备的曲轴箱部分的运行状态为变转速时，在s11步骤前还包括，s10、通过插值与拟合的方法，使述往复式设备正常运行状态下每个曲轴回转周期内的采样点数一致。
[0026]
s2、针对训练数据集中的每个振动加速度信号，从中选取多个信号段，分别计算每一个信号段与基准信号的互相关系数，将其中最大的互相关系数所对应的信号段作为一个训练样本，按上述操作遍历训练数据集，并将基准信号作为一个训练样本、得到与s1中振动加速度信号数量一致的训练样本。
[0027]
具体而言，s2包括可进一步明确为：s21、设基准信号的采样点数为n、满足2n≤n；s22、设训练数据集中第i个振动加速度信号为sig
‑
i，随后从sig
‑
i中选取sig
‑
i[1：n]、sig
‑
i[2：n+1]
……
sig
‑
i[n
‑
n：n]，共n
‑
n+1个信号段，分别计算每一个信号段与基准信号的互相关系数、得到n
‑
n+1个互相关系数，选取其中最大的互相关系数所对应的信号段作为一个训练样本；s23、按s22中的操作遍历训练数据集中的全部信号、得到m
‑
1个训练样本，再将基准信号作为一个训练样本，共得到m个训练样本、其中每个训练样本的采样点数为n。
[0028]
在上述s22步骤中，s22中互相关系数的计算公式如下，，式中，为样本的采样点数，和分别为样本和样本中的第个数据点、
，为样本的均值，为样本的均值，表示互相关系数。
[0029]
s3、对训练样本进行转化操作、得到一对上、下包络线。
[0030]
具体而言，s3包括可进一步明确为：s31、将训练样本视为一个m行n列的二维数组，对二维数组中的每个元素进行取绝对值操作，随后取每列元素中最大值的k倍、满足k≥1，组成一个包含有n个元素的一维数组；s32、对一维数组中的每一个元素进行取相反数操作、形成一个包含有n个元素的新的一维数组，s33、由s31中所得到的一维数组与s32中所得到的新的一维数组，得到一对上、下包络线。
[0031]
s4、采集待监测的振动加速度信号，依据s2中的操作，从待监测的振动加速度信号中选取n
‑
n+1个信号段，分别计算每个信号段与基准信号的互相关系数，选取其中最大的互相关系数所对应的信号段作为检测样本。
[0032]
s5、比较s4中所得到的检测样本是否超出s3中所得到的上、下包络线所围成的区域，若未超出则标记待监测的振动加速度信号为正常信号，若超出则标记待监测的振动加速度信号为异常信号、发出告警。
[0033]
以下结合一次实际监测案例，对上述技术方案进行说明：图3为采集往复式设备正常运行状态下所采集的振动加速度信号，共9个、即m=9，采样频率fs= 3472, 每个振动加速度信号采样点数为8192、即n=8192。
[0034]
截取其中第一个振动加速度信号的前2750个数据点作为基准信号，如图4所示。
[0035]
遍历第二到第九个振动加速度信号，每个振动加速度信号分别滑动连续选取2750个数据点，并计算其与基准信号的互相关系数，选取最大互相关数据对应的数据段作为训练数据。这样可以获得8个训练数据，并将基准数据也作为训练数据，共计获得9个训练数据，每个训练数据的波形叠加如图5所示。
[0036]
将上述训练数据看成一个9行2750列的二维数组，首先对这个二维数组中的每个元素取其绝对值，然后取每一列的最大值的1.2倍，组成一个包含2750个元素的一维数组。对该一维数组中每一个元素取其相反数，又形成一个包含2750个元素的一维数组。由这两个一维数组便可以得到一对上、下包络线，如图6所示。
[0037]
当有新的待检测的振动加速度信号上传到采集系统后，选取最大互相关系数所对应的信号段作为检测样本。待检测的振动加速度信号及其所生成的检测样本如下图7所示。
[0038]
最后，检验检测样本是否位于上、下包络线之间的区域，如图8所示，该检测样本超出了上、下包络线之间的区域，因此会触发告警。
[0039]
综上所述，本发明所述的一种针对往复式设备的故障监测方法，通过完整、高效的振动信号处理逻辑，以全自动的方式实现了对振动信号的监测，并能够在不借助人工的前提下及时发现设备异常，不仅显著地降低了方法对于人力资源的依赖、节约了企业内的劳动力，而且确保了监测效果的准确性。
[0040]
使用本发明的方法对往复式设备进行故障监测，在振动信号的信号幅值、有效值等没有明显升高的情况下，若出现波形成分异常时，本方法也可以对设备运行发出预警，监
测灵敏度相较于现有技术提升显著。
[0041]
此外，本发明的方法流程清晰、可重复性强，具有一定的普适性特征，应用前景广阔并具有极高的使用价值。使用者还可以根据自身实际的应用需要对其中的部分操作进行调整，从而进一步拓宽本发明的适用范围。
[0042]
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，特别是在本方案中，除互相关外，任何可以评价信号间相似性程度的手段都可以进行替代上述计算互相关系数的步骤。因此，无论从哪一点来看，均应将以上方案看作是示范性的，而且是非限制性的，旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。
[0043]
最后，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。