基于振动信号的设备故障分析方法、系统、终端及介质与流程

本发明涉及故障分析，更具体地说，它涉及基于振动信号的设备故障分析方法、系统、终端及介质。

背景技术：

1、设备振动故障一般通过采集设备的振动加速度信号进行时域波形解析和/或频谱分析，通过提取振动加速度信号中表征的特征值，并将提取的特征值进行对比、融合等方式处理后实现设备振动故障类型的判断。

2、然而，引起设备振动故障有不平衡、不对中、机械松动、轴承故障等多种原因，而不同的设备振动故障类型所展现的特征量以及特征量所对应的特征值各不相同，在对单个设备振动故障类型进行分析时，常常因特征量的选取而存在较大的误差，尤其是在各种干扰信号影响下的判断误差更大；此外，由于干扰信号会增加一定的特征量以及改变特征值，且信号采集方向的不同也会导致所采集的干扰信号以及振动加速度信号存在差异，一旦实际的信号采集方向与标定的信号采集方向存在差异时，也会影响到设备振动故障类型判定的准确性。

3、因此，如何研究设计一种能够克服上述缺陷的基于振动信号的设备故障分析方法、系统、终端及介质是我们目前急需解决的问题。

技术实现思路

1、为解决现有技术中的不足，本发明的目的是提供基于振动信号的设备故障分析方法、系统、终端及介质，能够同时准确、可靠的分析出不同的设备故障类型，数据处理过程复杂度较低，易于实现。

2、本发明的上述技术目的是通过以下技术方案得以实现的：

3、第一方面，提供了基于振动信号的设备故障分析方法，包括以下步骤：

4、确定采集振动数据的主矢量方向，并将主矢量方向分解为多个不同的子矢量方向；

5、根据不同的子矢量方向采集目标设备在同一固定周期内的振动加速度信号，得到多个对应的第一振动加速度数据集；

6、采用时域波形解析方法提取振动加速度数据集中的第一特征值，得到相应的第一特征集；

7、依据共性约束条件从所有特征集的第一特征值中选取得到至少一个共性特征量；

8、依据主矢量方向获取目标设备相应固定周期内的振动加速度信号，得到第二振动加速度数据集；

9、采用时域波形解析方法从第二振动加速度数据集中提取与共性特征量对应的第二特征值，得到第二特征集；

10、将第二特征集中的所有第二特征值与不同设备故障类型所对应的异常特征参考值进行相似度匹配，并选取相似度不小于对应的设定阈值的设备故障类型作为设备故障分析结果。

11、进一步的，所有所述子矢量方向的矢量和等于主矢量方向，且子矢量方向与主矢量方向之间的方向偏差角度小于90度。

12、进一步的，所述共性约束条件包括：

13、不同子矢量方向所对应选取的第一特征值之间的单一波动不超过对应的波动阈值；

14、任意两个子矢量方向所对应选取的第一特征值之间的差值不超过对应的跨度阈值；

15、和/或，任意两个子矢量方向中所有选取的第一特征值之间的整体波动不超过差异阈值。

16、进一步的，所述共性约束条件的表达式具体为：

17、

18、其中，xi，j表示第i个子矢量方向所对应的第j个第一特征值；表示所有子矢量方向所对应的第j个第一特征值的平均值；n表示子矢量方向的数量；dj表示第j个第一特征值的波动阈值；表示所有子矢量方向所对应的第j个第一特征值的最大值；表示所有子矢量方向所对应的第j个第一特征值的最小值；表示第j个第一特征值的跨度阈值；xk，j表示第jk个子矢量方向所对应的第j个第一特征值；m表示第一特征值的数量；d0表示第一特征集之间的差异阈值。

19、进一步的，所述差异阈值的计算公式具体为：

20、d0＝dmin(1+logmm)

21、其中，d0表示差异阈值；dmin表示差异下限值；m表示在共性特征量提取过程中所选取的第一特征值的数量；m表示第一特征值的数量。

22、进一步的，所述差异阈值的计算公式具体为：

23、

24、其中，d0表示差异阈值；dmax表示差异上限值；m表示在共性特征量提取过程中所选取的第一特征值的数量；m表示第一特征值的数量；k(m)表示转换系数函数；k′(m)表示转换系数函数的一介导。

25、进一步的，所述第二振动加速度数据集依据多个不同的子矢量方向所对应采集的第一振动加速度数据集进行矢量求和得到；或，依据主矢量方向采集目标设备在同一固定周期内的振动加速度信号得到。

26、第二方面，提供了基于振动信号的设备故障分析系统，包括：

27、方向分解模块，用于确定采集振动数据的主矢量方向，并将主矢量方向分解为多个不同的子矢量方向；

28、数据采集模块，用于根据不同的子矢量方向采集目标设备在同一固定周期内的振动加速度信号，得到多个对应的第一振动加速度数据集；

29、特征解析模块，用于采用时域波形解析方法提取振动加速度数据集中的第一特征值，得到相应的第一特征集；

30、特征筛选模块，用于依据共性约束条件从所有特征集的第一特征值中选取得到至少一个共性特征量；

31、数据融合模块，用于依据主矢量方向获取目标设备相应固定周期内的振动加速度信号，得到第二振动加速度数据集；

32、特征提取模块，用于采用时域波形解析方法从第二振动加速度数据集中提取与共性特征量对应的第二特征值，得到第二特征集；

33、故障分析模块，用于将第二特征集中的所有第二特征值与不同设备故障类型所对应的异常特征参考值进行相似度匹配，并选取相似度不小于对应的设定阈值的设备故障类型作为设备故障分析结果。

34、第三方面，提供了一种计算机终端，包含存储器、处理器及存储在存储器并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面中任意一项所述的基于振动信号的设备故障分析方法。

35、第四方面，提供了一种计算机可读介质，其上存储有计算机程序，所述计算机程序被处理器执行可实现如第一方面中任意一项所述的基于振动信号的设备故障分析方法。

36、与现有技术相比，本发明具有以下有益效果：

37、1、本发明提供的基于振动信号的设备故障分析方法，通过将主矢量方向分解为多个不同的子矢量方向，以此获得具有对干扰信号以及不同设备故障类型具有差异性表现的共性特征量，再从主矢量方向所对应的第二振动加速度数据集中提取与共性特征量对应的第二特征值进行设备故障类型对比分析，能够同时准确、可靠的分析出不同的设备故障类型，数据处理过程复杂度较低，易于实现；

38、2、本发明在选取共性特征量时，不仅考虑了在不同子矢量方向上单一特征量之间波动情况，也考虑了多个特征量在两个子矢量方向上的波动情况，使得共性特征量的选取更加符合实际故障情况；

39、3、本发明在分析所有选取的第一特征值之间的整体波动时，依据所选取的第一特征值数量动态调整差异阈值的大小，能够尽可能的选取所有与设备故障类型相关的特征量，以此减少设备故障类型漏判的情况。