基于多域特征与敏感特征选择的旋转设备故障分析方法与流程

技术特征：
1.基于多域特征与敏感特征选择的旋转设备故障分析方法，其特征在于，包括：获取监测数据，并提取多域特征；对每个特征分别进行平滑处理；对平滑处理后的特征进行归一化处理；对归一化处理后的特征进行指标筛选，提取敏感特征；根据提取的敏感特征，构建监测指标，以进行故障监测。2.根据权利要求1所述的基于多域特征与敏感特征选择的旋转设备故障分析方法，其特征在于，获取监测数据，并提取多域特征，具体为：获取s个监测数据文件，提取得到24个时频特征fi
k
(i)(i＝1,...,s；k＝1,...,24)，包括12个时域特征和12个频域特征；其中，12个时域特征分别为：最大值绝对值、最小值绝对值、峰峰值、绝对值平均值、时域能量、均方根、峭度、负熵、峰值因子、脉冲因子、裕度因子、形状因子；12个频域特征分别为：谱峰值、谱均值、谱能量、谱均方根、谱峭度、谱负熵、重心频率、均方频率、均方根频率、方差频率、标准差频率、故障频率幅值；时域特征是直接计算采集数据的统计特征，频域特征是先对采集数据进行快速傅里叶变换，获得信号的频谱后再计算相应的统计特征，即为频域特征；故障频率幅值和(fault frequency amplitude，ffa)指标定义为：式中，y表示信号包络谱的幅值；f
a
表示理论故障频率；f1和f
k
是信号包络谱频率的起始值和最终值；n为选取的频率值个数。3.根据权利要求2所述的基于多域特征与敏感特征选择的旋转设备故障分析方法，其特征在于，平滑处理后的特征表示为：式中，h是fi
k
(i)的增长率，其表达式为式中，w是平滑的窗宽。4.根据权利要求3所述的基于多域特征与敏感特征选择的旋转设备故障分析方法，其特征在于，归一化处理后的特征f
k
＝{nfi
k
(i)}(i＝1,...,s；k＝1,...,24)表达式如下：5.根据权利要求4所述的基于多域特征与敏感特征选择的旋转设备故障分析方法，其特征在于，提取敏感特征，具体包括：计算归一化处理后的24个特征的相关性，按照降序排列计算结果，提取前12个特征；计算提取的12个特征的趋势性，按照降序排序计算结果，提取前6个特征；
计算提取的6个特征的单调性，按照降序排列计算结果，提取前3个特征作为敏感特征。6.根据权利要求5所述的基于多域特征与敏感特征选择的旋转设备故障分析方法，其特征在于，所述相关性计算表达式为：式中，cov(rms,f
k
)为均方根rms和特征f
k
的协方差，d(
·
)表示方差；所述趋势性计算表达式为：式中，t
i
表示第i个监测数据集的时间，nfi
k
(i)为相关性计算筛选后的特征；所述单调性计算表达式为：式中，差值d/di＝nfi
k
(i 1)-nfi
k
(i)，n
d/di>0
和n
d/di<0
分别表示差值为正数和差值为负数的个数。7.根据权利要求1-6任一项所述的基于多域特征与敏感特征选择的旋转设备故障分析方法，其特征在于，构建的监测指标，表示为：式中，sfi
j
表示提取的敏感特征。8.基于多域特征与敏感特征选择的旋转设备故障分析系统，其特征在于，包括：多域特征提取模块，用于获取监测数据并提取多域特征；平滑模块，对每个特征分别进行平滑处理；归一化模块，对每个平滑处理后的特征进行归一化处理；敏感特征提取模块，对归一化处理后的特征进行指标筛选，提取敏感特征；监测指标构建模块，根据提取的敏感特征，构建监测指标，以进行故障监测。9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1-7中任一项所述方法的步骤。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-7中任一项所述方法的步骤。

技术总结
本发明公开了基于多域特征与敏感特征选择的旋转设备故障分析方法，包括获取监测数据，并提取多域特征；对每个特征分别进行平滑处理；对平滑处理后的特征进行归一化处理；对归一化处理后的特征进行指标筛选，提取敏感特征；根据提取的敏感特征，构建监测指标，以进行故障监测。本发明通过对历史监测数据的分析和特征提取，综合多域特征的优势自动挖掘其中关键信息，为旋转设备安全运行提供有效的监测指标，为准确识别出旋转设备早期故障，为设备安全运行提供技术支撑。全运行提供技术支撑。全运行提供技术支撑。


技术研发人员：何超 赖姜 孙磊 李朋洲 马建中
受保护的技术使用者：中国核动力研究设计院
技术研发日：2022.08.17
技术公布日：2022/11/8