一种旋转机械振动故障诊断方法
【专利摘要】本发明公开了一种旋转机械振动故障诊断方法，在采集多状态的振动数据的同时，对应采集多状态的工艺量数据，由此得到旋转机械各种典型振动故障状态下的振动数据和工艺量数据。分别对其进行特征值提取，构成特征值矩阵，这些特征值矩阵就完整描述了各种典型故障的过程变化规律，也即是各种典型故障的样本矩阵数据库。在此基础上，本发明将图像识别技术运用于故障诊断领域，通过特征值矩阵匹配计算，克服了目前故障诊断领域人工故障识别和单一特征量故障识别的弊端，实现了高精度的自动故障诊断。
【专利说明】一种旋转机械振动故障诊断方法
【技术领域】
[0001]本发明涉及旋转机械振动故障诊断领域，特别是一种利用异类传感器过程信息融合技术和图像识别技术来监测及高精度自动诊断旋转机械振动故障类型的方法。
【背景技术】
[0002]旋转机械是电力、冶金、石化、交通等行业广泛使用的关键设备，对旋转机械进行在线监测及故障诊断是保证旋转机械安全稳定运行的重要手段。基于振动数据的旋转机械现代故障诊断技术已经发展了 30多年，但目前绝大多数故障诊断方法归根结底是依靠采集的原始振动数据来进行诊断的。这些原始振动数据往往是针对特定测点在某短瞬间采集的一段波形，是对应某时刻状态的信息，是状态的一种表现。而在远大于采集周期的较长时段中，旋转机械的状态可能会明显变化。如果产生故障，在某一状态下，振动波形不一定含有明显的故障信息，或故障信息被淹没在其他信息中。这时，依靠随机抽取的状态信息来进行诊断是会碰到困难的，如果故障特征不是绝对清晰的，基于某时刻状态波形的方法就不能很好区分这些故障。
[0003]汽轮发电机转子是电力行业中最重要的旋转机械，目前国内外使用的大部分汽轮机转子振动监测诊断系统普遍还存在着对机组运行数据监测、使用不够全面的问题，一般以振动量为主，不能接入负荷、压力、温度、真空、电流等机组相关工艺量数据。即使有部分振动监测诊断系统采集了机组相关工艺量数据，也只是用于显示相关数据，没有将其与振动信号结合起来综合分析进行故障诊断。然而旋转机械振动故障征兆并不都只体现在振动数据中，某些故障征兆既体现在振动数据中，也体现在机组相关工艺量数据中，如汽轮机转子热变形、发电机转子故障、轴系负载分配不均衡等故障。因此，如果只是单纯分析振动数据，而不考虑工艺量数据，就不能很好的区分相关故障类型。
【发明内容】
[0004]本发明所要解决的技术问题是，针对现有技术不足，提供一种旋转机械振动故障诊断方法，同时分析多状态的振动数据和工艺量数据，更好地区分振动故障类型，提高故障诊断的准确性，避免盲目处理故障。
[0005]为解决上述技术问题，本发明所采用的技术方案是:一种旋转机械振动故障诊断方法，该方法为:
1)采集旋转机械各种典型振动故障状态下的各个振动测点的振动数据，其中任意一个振动测点在一个采样过程中的典型振动故障数据由若干个采样转速点或采样时间点下的振动数据组成；同时在同样的采样转速点或采样时间点下对应采集各个工艺量测点的工艺量数据；
2)对上述各种典型振动故障状态下的振动数据和工艺量数据进行特征值提取，对每一种典型振动故障构建一个振动故障样本矩阵X:
【权利要求】
1.一种旋转机械振动故障诊断方法，其特征在于，该方法为: 1)采集旋转机械各种典型振动故障状态下各个振动测点的振动数据，其中任意一个振动测点在一个采样过程中的典型振动故障数据由若干个采样转速点或采样时间点下的振动数据组成；同时在同样的采样转速点或采样时间点下对应采集各个工艺量测点的工艺量数据； 2)对上述各种典型振动故障状态下的振动数据和工艺量数据进行特征值提取，对每一种典型振动故障构建一个振动故障样本矩阵X:
2.根据权利要求1所述的旋转机械振动故障诊断方法，其特征在于，所述步骤I)中，典型振动故障类型为不平衡、不对中、动静碰磨、部件松动、油膜涡动、汽流激振、转子热变形、发电机转子故障、轴系负载分配不均衡。
3.根据权利要求1所述的旋转机械振动故障诊断方法，其特征在于，所述步骤I)中，工艺量数据包括旋转机械的负荷、压力、温度、真空值、电流值。
4.根据权利要求1所述的旋转机械振动故障诊断方法，其特征在于，所述步骤2)中，利用小波分析或流形学习方法对各种典型振动故障状态下的振动数据和工艺量数据进行特征值提取。
【文档编号】G01M13/00GK103471841SQ201310457277
【公开日】2013年12月25日 申请日期:2013年9月30日 优先权日:2013年9月30日
【发明者】陈非, 韩彦广, 黄来, 程贵兵, 焦庆丰, 张柏林 申请人:国家电网公司, 国网湖南省电力公司电力科学研究院, 湖南省湘电试研技术有限公司