一种工业风机振动异常故障诊断方法及系统与流程

本发明涉及数据分析领域，具体涉及一种工业风机振动异常故障诊断方法及系统。

背景技术：

1、工业风机通常运行在高温、高压的环境，这种环境对风机的质量产生了较高的要求。通过振动监测风机异常状态的方法，具有实现方便、可以实时收集设备运行时的振动数据、不需要停机检修等特点。

2、在风机的振动数据中，通常包含大量的噪声数据（如空气共振、电磁干扰导致的振动信号异常等），这些噪声数据具有随机性，但一些由于硬件异常产生的振动信号（如风扇叶面不平衡，转轴部位磨损等产生的周期性的信号）则具有一定的周期性。因此，通过分析这些周期性的异常信号，可以实现监测风机的运行状态。

3、然而，传统的基于振动信号分析风机运行状况的方法，在处理周期性异常振动时，通常依赖于单一确定的采样频率。这种方法在实际应用中存在明显局限，由于风机转子的位置变化，可能导致异常振动信号的捕捉不准确。同时，该方法忽视了不同采样频率下振动信号的差异，缺乏对多频率振动信号之间关联性的深入分析，从而限制了异常振动信号的捕捉能力和对周期性异常振动判断的准确度。

4、基于此，有必要研究一种更加科学、有效的工业风机振动异常故障诊断方法及系统，以提高风机振动异常故障诊断的准确性。

技术实现思路

1、为了解决上述技术问题，本发明的目的在于提供一种工业风机振动异常故障诊断方法及系统，所采用的技术方案具体如下：

2、本发明的一个方面提供一种工业风机振动异常故障诊断方法，所述方法包括：

3、根据风机的转速频率使用振动传感器进行多倍频采样，得到多个特定倍频下的振动信号采样序列集合；

4、识别不同倍频下每一个采样序列中的疑似异常振动点；

5、根据所述疑似异常振动点的周期性特征，计算每一个采样倍频下每一个采样序列对应的异常振动周期表现；

6、基于每一个倍频下多次采样得到的多个采样序列的异常振动周期表现，确定每一个倍频下的振动信号采样序列集合的波动情况；

7、根据相邻倍频下的采样序列集合的波动情况和异常振动周期表现，得到不同倍频下的波动情况差异表现和异常振动周期差异表现；

8、基于所述波动情况差异表现和所述异常振动周期差异表现，计算所述风机存在异常振动的可能性；

9、根据所述风机存在异常振动的可能性，以及最高采样频率下疑似异常振动点占全部采样点的比重，得到所述风机的异常振动程度；

10、基于所述异常振动程度对所述风机进行振动异常故障诊断。

11、在一些实施例中，所述识别不同倍频下每一个采样序列中的疑似异常振动点，包括：

12、获取预设的振动速度阈值范围；

13、将不同倍频下采样得到的振动信号采样序列中振动速度不在所述阈值范围内的采样点作为疑似异常振动点。

14、在一些实施例中，所述根据所述疑似异常振动点的周期性特征，计算每一个采样倍频下每一个采样序列对应的异常振动周期表现，包括：

15、根据所述风机的转动周期将每一个振动信号采样序列切分为若干个时间窗口；

16、获取每一个时间窗口内的疑似异常振动点的数量，以及每一个时间窗口内的疑似异常振动点的位置表现；

17、基于每一个时间窗口内的疑似异常振动点的数量以及对应的位置表现，得到对应采样序列的异常振动周期表现。

18、在一些实施例中，每一个时间窗口内的疑似异常振动点的位置表现基于如下方式计算得到：

19、对于每一个目标时间窗口，确定所述目标时间窗口内的疑似异常振动点的数量、所述目标时间窗口内每一个疑似异常振动点与窗口划分点的距离以及每一个疑似异常振动点的振幅；

20、基于所述疑似异常振动点与窗口划分点的距离和所述疑似异常振动点的振幅，得到所述目标时间窗口内每一个疑似异常振动点对应的第一参数；

21、计算所述目标时间窗口内所有疑似异常振动点对应的第一参数的均值，得到所述目标时间窗口内的疑似异常振动点的位置表现。

22、在一些实施例中，所述基于每一个时间窗口内的疑似异常振动点的数量以及对应的位置表现，得到对应采样序列的异常振动周期表现，包括：

23、对于目标采样倍频下的目标采样序列，基于所述目标采样序列中不同两个时间窗口内的疑似异常振动点的数量以及对应的位置表现的差异，得到第二参数；

24、基于所述目标采样序列中所有不同时间窗口所对应的第二参数之和，得到所述目标采样序列的异常振动周期表现。

25、在一些实施例中，所述基于每一个倍频下多次采样得到的多个采样序列的异常振动周期表现，确定每一个倍频下的振动信号采样序列集合的波动情况，包括：

26、对于目标采样倍频下的振动信号采样序列集合，获取该采样序列集合中每一次采样得到的采样序列所对应的异常振动周期表现，以及所述目标采样倍频下多次采样所得到的多个采样序列所对应的异常振动周期表现均值；

27、基于所述目标采样倍频下每一次采样得到的采样序列所对应的异常振动周期表现与所述异常振动周期表现均值的差值，得到第三参数；

28、基于所述目标采样倍频下多个采样序列所对应的第三参数的均值，得到所述目标采样倍频下的振动信号采样序列集合的波动情况。

29、在一些实施例中，所述根据相邻倍频下的采样序列集合的波动情况和异常振动周期表现，得到不同倍频下的波动情况差异表现和异常振动周期差异表现，包括：

30、计算所有相邻倍频中较高倍频与较低倍频所对应的波动情况的第一差分值之和，以及所有相邻倍频中较高倍频与较低倍频所对应的异常振动周期表现的第二差分值之和；

31、基于所述第一差分值之和以及所述第一差分值中差分为负的第一比例得到不同倍频下的波动情况差异表现，基于所述第二差分值之和以及所述第二差分值中差分为正的第二比例得到不同倍频下的异常振动周期差异表现。

32、在一些实施例中，所述基于所述波动情况差异表现和所述异常振动周期差异表现，计算所述风机存在异常振动的可能性，包括：

33、基于所述波动情况差异表现与所述异常振动周期差异表现的乘积，得到所述风机存在异常振动的可能性。

34、在一些实施例中，所述基于所述异常振动程度对所述风机进行振动异常故障诊断，包括：

35、将所述异常振动程度与预设异常振动程度阈值进行比较，若所述异常振动程度大于所述预设异常振动程度阈值，则判定所述风机存在振动异常故障。

36、本发明的另一个方面还提供一种工业风机振动异常故障诊断系统，所述系统包括：

37、采样模块，用于根据风机的转速频率使用振动传感器进行多倍频采样，得到多个特定倍频下的振动信号采样序列集合；

38、疑似异常振动点识别模块，用于识别不同倍频下每一个采样序列中的疑似异常振动点；

39、异常振动周期表现计算模块，用于根据所述疑似异常振动点的周期性特征，计算每一个采样倍频下每一个采样序列对应的异常振动周期表现；

40、波动情况确定模块，用于基于每一个倍频下多次采样得到的多个采样序列的异常振动周期表现，确定每一个倍频下的振动信号采样序列集合的波动情况；

41、差异表现确定模块，用于根据相邻倍频下的采样序列集合的波动情况和异常振动周期表现，得到不同倍频下的波动情况差异表现和异常振动周期差异表现；

42、异常振动可能性计算模块，用于基于所述波动情况差异表现和所述异常振动周期差异表现，计算所述风机存在异常振动的可能性；

43、异常振动程度计算模块，用于根据所述风机存在异常振动的可能性，以及最高采样频率下疑似异常振动点占全部采样点的比重，得到所述风机的异常振动程度；

44、诊断模块，用于基于所述异常振动程度对所述风机进行振动异常故障诊断。

45、本发明具有如下有益效果：

46、在本技术实施例所提供的工业风机振动异常故障诊断方法及系统中，通过根据风机的转速频率进行多倍频采样，能够提高振动传感器捕捉到风机异常振动信号的可能性，有利于减少风机采样时偶然性导致的异常信号对故障诊断产生的干扰；此外，在本技术实施例中，通过计算不同采样倍频下的采样序列的异常振动周期性表现和波动情况，并利用多个采样倍频间的异常振动周期性差异表现和波动情况差异表现计算风机存在异常振动的可能性和异常振动程度，能够有效避免由于采样频率单一而导致的风机故障误诊断，从而在一定程度上提高诊断结果的准确率。