一种起重机齿轮箱故障诊断方法、电子设备及存储介质与流程

本发明涉及特种设备故障诊断，具体而言，涉及一种起重机齿轮箱故障诊断方法、电子设备及存储介质。

背景技术：

1、起重机是工业生产、基建工程中的核心重载设备，齿轮箱作为其动力传动的关键核心部件，长期承受变载荷、变转速、冲击载荷及往复交变应力作用，极易出现齿面磨损、点蚀、断齿、轴承剥落、齿轮偏心、轴系松动等故障。齿轮箱故障具有隐蔽性强、早期特征微弱、故障演化快、连锁风险高的特点，一旦发生突发失效，将直接导致起重机停机、作业中断，甚至引发设备倾覆、人员伤亡等重大安全事故，因此开展起重机齿轮箱精准故障诊断对设备安全运维、隐患提前预警、降低运维成本具有重要工程意义。

2、当前起重机齿轮箱故障诊断主流方法以数据驱动深度学习方法为主，通过采集齿轮箱振动信号，依托卷积神经网络、循环神经网络等模型实现故障分类与识别。但现有起重机齿轮箱故障诊断方法对连续采集的振动信号不做工况区分，采用统一模型和统一阈值处理全工况数据，且仅以振动信号作为单一诊断依据，未结合齿轮箱动力学传动机理构建健康状态下的物理预期，也未利用温度、转速等独立物理量对诊断结果进行交叉校核，导致不同工况下诊断标准混乱、早期故障特征被背景噪声淹没难以分离、非故障振动干扰易被误识别为内部故障，整体诊断精度低、误报率高、结果缺乏物理依据。

技术实现思路

1、有鉴于此，本申请实施例的目的在于提供一种起重机齿轮箱故障诊断方法、电子设备及存储介质，能够改善现有技术整体诊断精度低、误报率高、结果缺乏物理依据的问题。

2、为实现上述技术目的，本申请采用的技术方案如下：

3、第一方面，本申请实施例提供了一种起重机齿轮箱故障诊断方法，所述方法包括：

4、获取起重机齿轮箱在指定时段中每个时间步的实际转速、实际温度和实际载荷，以及起重机齿轮箱在中至少一个指定位置的实际振动参数，以获得实际转速时序数据、实际温度时序数据、实际载荷时序数据以及所述指定位置的实际振动时序数据；

5、根据每个所述时间步的实际转速、实际温度和实际载荷，将所述指定时段划分为至少一个连续的实际时序片段；

6、根据所述实际时序片段中每个时间步的实际转速、实际温度和实际载荷，确定每个所述实际时序片段的预设工况的类型，所述预设工况的数量为若干个；

7、在预先建立的健康基线库中，获得所述起重机齿轮箱在健康状态下的每个实际时序片段的工况参数；

8、将所述实际转速时序数据、实际载荷时序数据以及每个实际时序片段的工况参数输入至齿轮箱模型中，所述齿轮箱模型通过前向仿真，生成所述指定位置在每个时间步的预测振动参数，以获得每个指定位置的预测振动时序数据；

9、通过每个时间步的所述预测振动时序参数与实际振动时序参数的差值，得到所述预测振动时序数据与实际振动时序数据之间的第一物理残差序列；

10、将所述第一物理残差序列、实际振动时序数据以及所述实际时序片段的标识输入至深度学习模型中，通过所述深度学习模型得到起重机齿轮箱处于每个所实际时序片段时的第一初始故障诊断结果，所述第一初始故障诊断结果包括起重机齿轮箱处于对应的所述实际时序片段时无故障，或者存在指定故障类型的故障；

11、基于所述实际时序片段中每个时间步的实际温度和实际转速，校核所述所述第一初始故障诊断结果，得到第二初始故障诊断结果，所述第二初始故障诊断结果表征所述第一初始故障诊断结果为可信或者不可信；

12、根据所有表征所述第一初始故障诊断结果可信的所述第二初始故障诊断结果，得到所述起重机齿轮箱的最终诊断结果。

13、第二方面,本申请实施例还提供一种电子设备，所述电子设备包括相互耦合的处理器及存储器，所述存储器内存储计算机程序，当所述计算机程序被所述处理器执行时，使得所述电子设备执行第一方面所述的方法。

14、第三方面,本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行第一方面所述的方法。

15、采用上述技术方案的发明，具有如下优点：

16、在本申请提供的技术方案中，通过获取起重机齿轮箱在指定时段中每个时间步的实际转速、实际温度、实际载荷以及至少一个指定位置的实际振动参数，形成多源同步时序数据，为后续分析提供了全面的运行状态信息；通过根据每个时间步的实际转速、实际温度和实际载荷将指定时段划分为连续的实际时序片段，并确定每个片段的预设工况类型，使得不同运行状态下的数据被分离处理，避免了不同工况混合分析导致的诊断标准不统一问题；通过从预先建立的健康基线库中获取每个实际时序片段对应工况的工况参数，并将实际转速时序数据、实际载荷时序数据及工况参数输入齿轮箱模型进行前向仿真生成预测振动时序数据，为每个工况提供了基于物理机理的健康振动预期；通过计算预测振动与实际振动的差值得到第一物理残差序列，去除了健康状态下由转速和载荷决定的预期振动成分，使故障特征在残差中相对增强，便于早期微弱故障的识别；通过将第一物理残差序列、实际振动时序数据和实际时序片段标识输入深度学习模型得到第一初始故障诊断结果，融合了物理残差特征、原始振动特征和工况上下文特征，提升了故障识别的准确性；通过基于实际温度和实际转速对第一初始故障诊断结果进行校核得到表征可信或不可信的第二初始故障诊断结果，利用温度和转速这两个独立物理量对振动诊断结论进行交叉验证，抑制了传感器干扰和外部瞬态冲击导致的误报；通过根据所有表征可信的第二初始故障诊断结果得到最终诊断结果，仅采信经过温度和转速校核的诊断结论，进一步保证了最终诊断结果的可靠性。

1.一种起重机齿轮箱故障诊断方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述根据每个所述时间步的实际转速、实际温度和实际载荷，将所述指定时段划分为至少一个连续的实际时序片段，包括：

3.根据权利要求1所述的方法，其特征在于，所述根据所述实际时序片段中每个时间步的实际转速、实际温度和实际载荷，确定每个所述实际时序片段的预设工况的类型，包括：

4.根据权利要求3所述的方法，其特征在于，所述根据所述实际时序片段中每个时间步的实际温度特征、实际转速特征和实际载荷特征，基于预设工况映射表，确定所述实际时序片段中每个时间步对应的预设工况，包括：

5.根据权利要求3所述的方法，其特征在于，所述根据相邻的实际时序片段的预设工况，确定所述实际时序片段的预设工况，包括：

6.根据权利要求1所述的方法，其特征在于，在预先建立的健康基线库中，获得所述起重机齿轮箱在健康状态下的每个实际时序片段的工况参数之前，所述方法还包括：

7.根据权利要求1所述的方法，其特征在于，所述基于所述实际时序片段中每个时间步的实际温度和实际转速，校核所述所述第一初始故障诊断结果，得到第二初始诊断结果，包括：

8.根据权利要求1所述的方法，其特征在于，所述根据在时序上连续的所有表征所述第一初始故障诊断结果可信的所述第二初始故障诊断结果，得到所述起重机齿轮箱的最终诊断结果，包括：

9.一种电子设备，其特征在于，所述电子设备包括相互耦合的处理器及存储器，所述存储器内存储计算机程序，当所述计算机程序被所述处理器执行时，使得所述电子设备执行如权利要求1至8中任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行如权利要求1至8中任一项所述的方法。