详情

原文传递设备故障识别方法

专利名称：	设备故障识别方法
摘要：	本发明揭示了一种设备故障识别方法，包括：采集设备设定部件运行过程中设定方向的加速度数据；抓取到设备运行一次完整的加速度数据信号；将设备运动一次的完整加速度数据信号进行变换，得到信号的细节因数；对获取的细节因数进行重构，得到有实际意义的加速度数据，同时获取到此次运行信号的五维数据；根据重构后的加速度数据的特征和五维数据，通过识别设备来确认电梯的运行状态，如果存在突变，则记录突变幅度，位置等信息，并根据突变故障和故障模型进行分析。如果深入分析没有发现突变，则作无突变类别故障处理，根据对应的故障模型进行对比分析，给出故障概率，原因，维修建议。本发明可实时获取设备状态，并根据相关的特征确定设备的问题。
专利类型：	发明专利
申请人：	猫岐智能科技(上海)有限公司
发明人：	欧阳世童;马琪聪;李金鹏;齐洋
专利状态：	有效
申请日期：	1900-01-20T00:00:00+0805
发布日期：	1900-01-20T19:00:00+0805
申请号：	CN201911375873.X
公开号：	CN111170103A
代理机构：	上海启核知识产权代理有限公司
代理人：	田嘉嘉
分类号：	B66B5/00;B;B66;B66B;B66B5;B66B5/00
申请人地址：	200331 上海市普陀区真北路958号20幢1292室
主权项：	1.一种设备状态识别方法，其特征在于：所述方法包括：步骤1：将三轴加速度传感器装配到电梯上；步骤2：三轴加速度传感器收集到数据后，确认包有效，然后通过筛选算法，排除电梯静止时收集到的数据后，传输数据到数据中心，数据中心搭建好对应的服务器与数据库，等待接收数据；步骤3：接收到信号后，对信号进行一阶小波变换，得到信号的近似因数和细节因数；得到细节因数和近似因数后，排除掉用不上的近似因数，对细节因数进行重构，重构后的信号为有实际意义的数据；步骤4：通过设备状态识别模块，获取到电梯的五维数据，包括加速期、匀速期、减速期、爬升期、平层期；数据库中记录了安装好设备后电梯试运行的正常数据，通过与获取到的五维数据和其特征做对比，当特征不再正常值范围内时，则判断电梯出现了异常；步骤5：判断电梯出现异常后，先判断信号中是否存在突变；当存在突变时系统根据算法反馈的突变内容进行分析，记录突变幅度，发生的时间位置；当没有突变内容时，则怀疑存在不明显的突变，提升小波变换分解的阶数，对信号进行多阶深入分析，小波变换对目前信号的分解最高阶数为4，意味着当阶数超过四级时反馈的结果无意义，当超过4次时仍然没有结果反馈，则认为信号无突变，无相关故障；步骤6：如果电梯出现异常，但是经过深入分析并无突变出现，则确认电梯出现了突变以外的异常，把此次运行数据整理完善后，通过故障模型模块，进行故障分析对比，来推测故障概率最高的几种故障，并给出相应的原因和维修建议。 2.一种设备状态识别方法，其特征在于：所述方法包括：步骤S1、采集设备设定部件运行过程中设定方向的加速度数据；步骤S2、抓取到设备运行一次完整的加速度数据信号；步骤S3、将设备运动一次的完整加速度数据信号进行小波变换，得到加速度数据信号的细节因数；步骤S4、对获取的细节因数进行重构，得到有实际意义的加速度数据；步骤S5、根据重构后的加速度数据的特征识别设备的运行状态，有突变则根据突变类故障处理，初步无发现则多阶进行深入分析；步骤S6、如果深入分析没有发现突变，则作无突变类别故障处理，根据对应的故障模型进行对比分析，给出故障概率、原因、维修建议。 3.根据权利要求2所述的设备故障识别方法，其特征在于：所述步骤S3中，对原始加速度信号进行一阶离散小波变换，获得近似系数和细节系数；近似系数代表小波分解后的低频信息，细节系数代表小波分解后的高频信息；将原始信号分解为低频近似分量和高频细节分量，低频分量是由X轴方向的加速度方向信号与低通滤波器先卷积运算然后1/2抽偶样所得；高频分量是由X轴方向的加速度方向信号与高通滤波器先卷积运算然后1/2抽偶所得，离散变换的卷积公式如下：xn*hn＝k＝-∞∞xk·h[n-k]；其中，x[n]代表信号数据,h[n]代表小波在时间轴上移动的窗函数,x[k]则代表信号数据的序号，h[n-k]代表小波在时间轴上移动的窗函数。 4.根据权利要求2或3所述的设备故障识别方法，其特征在于：所述步骤S3中，利用离散小波变换算法对信号进行分析；整个离散小波的处理过程由信号通过一个冲激响应为h[n]的半带数字低通滤波器开始，对信号滤波的过程在数学上等效为信号与滤波器冲激响应的卷积，离散时间的卷积定义如下：其中，x[n]代表信号数据,h[n]代表小波在时间轴上移动的窗函数,h[n-k]代表小波在时间轴上移动的窗函数,x[k]则代表信号数据的序号；半带低通滤波器滤除了信号中超过最高频率一半的所有频率分量,对离散信号来说，频率的单位常用弧度来表示；信号通过半带低通滤波器之后，根据奈奎斯特采样定理，由于信号此时最高频率为pi/2弧度而不是pi弧度，所以需要扔掉一半的采样点；半带低通滤波器滤除了一半频率信息，丢弃了一半信息，因此滤波处理以后，分辨率也将为一半；需要说明的是，此举并不会对结果造成问题，因为从信号中滤除一半的频率分量使得信号中一半的采样点变为亢余数据，丢掉亢余数据不会丢失任何信息，以上流程用数学公式表达如下：其中，y[n]为丢掉亢余数据的结果,h[k]代表小波在时间轴上移动的窗函数结果集的序号,x[2n-k]函数则代表滤波处理的过程,其中n代表序号k在数据集中对应的数据；离散小波变换通过在不同的频段利用不同的分辨率来讲信号分解为近似因数和细节因数；其中用到两组函数为尺度函数和小波函数，分别对应低通滤波器和高通滤波器；想分解到不同的频段可以再时域将信号数据不断地通过高通和低通滤波器来实现；原始信号x[n]首先通过一个半带高通滤波器g[n]和一个半带低通滤波器h[n]；由于滤波后信号的频率变为pi/2，根据奈奎斯特采样定理，丢掉一半的采样点，于是向下进行2倍下采样处理，即每隔一个点扔掉一个点，这就是第一阶小波变换；其中yhigh[k]和ylow[k]分别经过2倍下采样处理后的高通和低通滤波器输出得到，具体数学公式如下： yhigh[k]＝∑nx[n]·g[2k-n]； ylow[k]＝∑nx[n]·h[2k-n]；其中，yhigh为下采样处理后得到的高频结果，ylow则代表下采样处理过后的低频结果，x[n]代表待分解的原始信号,g[2k-n]代表高通滤波器得到的高频因数，即细节因数,h[2k-n]代表低通滤波器得到的低频因数，即近似因数；通过小波变换分解信号后得到信号的近似因数和细节因数，此时近似因数和细节因数未经重构仍属于无量纲的系数，只有经过重构过后，才具有实际量纲意义的信号；高频乃是信号边缘或信号重变化剧烈的地方，低频则是整个信号的综合状况。 5.根据权利要求2所述的设备故障识别方法，其特征在于：所述步骤S4中，将某一层次的低频分量和高频分量重新构造为上一层次的低频近似分量，分为低频近似分量重构和高频细节重构；低频近似分量先进行奇数序号插值，然后与低通重构滤波器进行卷积运算，得到低频分量重构部分；类似的，高频细节分量也先进性奇数序号插值，然后与高通重构滤波器进行卷积运算，得到高频分量重构部分，将两个卷积的结果进行相加，并取中间值即可得到重构信号，相关公式如下：其中，k代表信号数据的序号,yhigh则代表高通滤波器,ylow则代表低通滤波器g[-n+2k]代表信号小波变换后的近似因数,h[-n+2k]代表信号通过小波变换后的细节因数。 6.根据权利要求2所述的设备故障识别方法，其特征在于：所述步骤S5中，根据重构后的加速度数据的均方根值或/和最大值或/和峭度指标或/和极值识别设备的状态；峭度是把幅值进行四次方处理，一个脉冲信号按4次方关系变化后，高的幅值就会突显出来，低的幅值就会被抑制，这样就很容易从频率上识别故障；峭度指标则反映了振动信号的冲击特征；在小波重构信号的特征提取中，峭度指标越高，则代表信号中突变的幅度越大，峭度指标公式如下：其中, 均方根值也称有效值，用来反应信号的能量大小，特别适用于具有随机振动性质的物体测量；在故障诊断中，均方根值用来反应各个运动体在运动时有欲精度和表面点蚀产生的不规则震动状况；而在小波重构后信号的提取中，当整个信号振幅越不平稳时，高低起伏差距越大，信号的均方根值则越高，均方根值的公式如下：方差的公式为方差或标准差是测算一组数据离散趋势的一种指标；方差为变量值与其均值离差平方的平均数，标准差为方差的算术平方根。 7.根据权利要求2所述的设备故障识别方法，其特征在于：步骤S5中，根据加速度数据分析出信号的运行数据量长度、加速期减速期波峰极值、数据的方差值，判断出设备运行的大概状况；加速度获取模块把加速度数据传输到系统中后，根据当前等级对加速度数据进行小波变换，并对变换后的细节因数进行重构，获得有意义的数据集，然后提取数据集的特征；对设备故障进行分析，分析的对象包括电梯的加速度时域数据，小波变换并重构后的时频域数据；识别是否存在故障中设定特征:突变；当设备存在突变时，电梯加速度信号进行小波变换并重构后的时频域数据的峭度指标会远超出原先收集好的正常数据，同时其最大值也是远超正常范围值，此时则初步判断电梯出现故障，大概率是急停或带速停车所导致信号上产生突变，然后通过获得突变位置来确定电梯运行到哪一步产生了突变，获取到电梯的五维数据，然后把突变位置和五维中的位置所对应起来，根据时域特征来分析各类故障可能发生的概率；如果没有突变，则取收集好的电梯正常运行数据和此次电梯运行的数据进行对比，推测没有突变的情况下各类可能发生的故障的百分比概率；当没有检测到突变内容时，则判断存在不明显的突变，有时信号产生变化，但持续的时间相比突变较长，已不是突变，而是异常，异常也是电梯出现意料外状况的一种现象，而单阶小波变换把短时突变表现在重构后的信号里，但对于持续时间较长的异变无法则无法反应在信号数据上，此时提升小波变换分解的阶数，对信号进行多阶深入分析；小波变换对目前信号的分解最高阶数为4，意味着当阶数超过四级时，根据目前的电梯加速度数据长度，反馈的结果将无意义，当超过4次时仍然没有结果反馈，则认为信号无隐藏突变或长时突变，然后通过分析其他数据特征，确定有无故障，故障的发生百分比概率。
所属类别：	发明专利