一种基于分步模式的机械多故障诊断方法
【专利摘要】本发明公开了一种基于分步模式的机械多故障诊断方法，包括如下操作步骤：S1：判断机械是否发生故障，若发生故障则进行步骤S2操作；S2：判断机械发生的是否为多故障，若为单故障进行步骤S3操作，若为多故障进行步骤S4操作S3：采用单故障分类器模型对机械进行故障诊断；S4：采用多故障分类器模型对机械进行故障诊断。上述分步模式的方法其可对机械多故障进行有效可靠的诊断，提高机械多故障诊断的可靠性。
【专利说明】一种基于分步模式的机械多故障诊断方法
【技术领域】
[0001] 本发明涉及机械故障分析领域，具体涉及一种基于分步模式的机械多故障诊断方 法。
【背景技术】
[0002] 机械故障诊断技术的发展已经有三、四十年左右，诊断技术及其理论都得到了很 大的发展。现代的系统日益趋向大系统，且具有复杂、非线性等特点，而复杂的机电系统通 常由多个子系统组合与连接而成，所以当机电设备系统发生运行故障时多个故障同时出现 在一个系统中的现象越来越多。但是，对于多故障的诊断问题，目前还未能很好的解决。原 因是多方面，其一，系统复杂，对于多故障的研究还不够深入；其二，在工程实际中，多机组 同时运行，互相影响，多故障发生的机会增多，诊断分析更加困难；其三，诊断方法不够成 熟。由于规则和知识库的限制，专家系统等人工智能方法对多故障的处理也显得力不从心， 在神经网络诊断技术中，如果将各种多故障的组合作为训练样本，将使得网络规模非常庞 大。网络的归纳、联想能力将大幅度下降，甚至完全失败。同时，关于多故障诊断的研究也 不多见，可见研究多故障诊断的理论，提出多故障诊断方法，是很有必要的。
【发明内容】
[0003] 为实现上述目的，本发明提供了一种基于分步模式的机械故障诊断方法，其可对 机械多故障进行有效可靠的诊断，提高机械多故障诊断的可靠性。
[0004] 本发明采用的技术方案具体如下：
[0005] 一种基于分步模式的机械多故障诊断方法，其特征在于，包括如下操作步骤：
[0006] S1 :判断机械是否发生故障，若发生故障则进行步骤S2操作；
[0007] S2:判断机械发生的是否为多故障，若为单故障进行步骤S3操作，若为多故障进 行步骤S4操作；
[0008] S3 :采用单故障分类器模型对机械进行故障诊断；
[0009] S4 :采用多故障分类器模型对机械进行故障诊断。
[0010] 更为详细的操作为：
[0011] 步骤S3中用GBN分类器模型进行故障诊断。
[0012] 步骤S4中用TAN分类器模型进行故障诊断。
[0013] 通过上述分步模式的机械故障诊断方法，其可快速的对机械的多故障或者单故障 进行有效可靠的分析诊断，实现机械快速可靠的诊断。
【专利附图】
【附图说明】
[0014] 图1为本发明流程示意图；
[0015] 图2为多故障试验数据；
[0016] 图3为数据集15Hz (未分类）的贝叶斯网络模型；
[0017] 图4为数据集ΙδΗζ(高）的贝叶斯网络模型；
[0018] 图5为数据集ΙδΗζ (低）的贝叶斯网络模型；
[0019] 图6为数据集30Hz (未分类）的贝叶斯网络模型；
[0020] 图7为数据集30Hz (高）的贝叶斯网络模型；
[0021] 图8为数据集3〇Ηζ (低）的贝叶斯网络模型；
[0022] 图9为数据集45Hz (未分类）的贝叶斯网络模型；
[0023] 图10为数据集45Hz (低）的贝叶斯网络模型；
[0024] 图11为数据集45Hz (高）的贝叶斯网络模型；
[0025] 图12为数据集45Hz (未分类）的贝叶斯网络模型；
[0026] 图13为数据集45Hz (低）的贝叶斯网络模型；
[0027] 图14为数据集45Hz (高）的贝叶斯网络模型；
[0028] 图15为数据集60Hz (低）的贝叶斯网络分类器的混淆矩阵；
[0029] 图16为基于数据集60hz (低）机械状态贝叶斯网络判断模型；
[0030] 图17为各分类器模型的混淆矩阵；
[0031] 图18为基于数据集60hZ (低）故障模式判断贝叶斯网络模型；
[0032] 图19为各分类器模型混淆矩阵；
[0033] 图20为GBN分类器模型（左）和TAN分类器模型（右）；
[0034] 图21为分类器模型的混淆矩阵；
[0035] 图22为单故障贝叶斯网络分类器转子翘曲故障R0C曲线对比；
[0036] 图23为多故障贝叶斯网络分类器模型的升力曲线对比。
【具体实施方式】
[0037]为了使本发明的目的及优点更加清楚明白，以下结合实施例对本发明进行进一步 详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发 明。
[0038] 其中：在此处分别介绍下
[0039] 旋转机械有很多种不同的故障，其故障机理和特征各不相同。综合国内外典型故 障诊断案例，可将旋转机械故障归纳为10类58种故障识别规则，具体如表丨所示。
[0040]表1旋转机械故障原因简表 [0041]
【权利要求】
1. 一种基于分步模式的机械多故障诊断方法，其特征在于，包括如下操作步骤： 51 :判断机械是否发生故障，若发生故障则进行步骤S2操作； 52 :判断机械发生的是否为多故障，若为单故障进行步骤S3操作，若为多故障进行步 骤S4操作； 53 :采用单故障分类器模型对机械进行故障诊断； 54 :采用多故障分类器模型对机械进行故障诊断。
2. 如权利要求1所述的基于分步模式的机械多故障诊断方法，其特征在于，步骤S3中 用GBN分类器模型进行故障诊断。
3. 如权利要求1所述的基于分步模式的机械多故障诊断方法，其特征在于，步骤S4中 用TAN分类器模型进行故障诊断。
【文档编号】G06N7/00GK104252573SQ201410141574
【公开日】2014年12月31日 申请日期:2014年4月4日 优先权日:2014年4月4日
【发明者】蔡志强, 司伟涛, 司书宾, 杨柳, 孙树栋, 张帅 申请人:西北工业大学