基于多级阈值的循环风机运行状态智能识别方法及系统与流程

摘要: 本发明涉及故障诊断,尤其涉及基于多级阈值的循环风机运行状态智能识别方法及系统。背景技术:1、循环风机是工业生产系统中的重要辅机设备,风机运行状态的准确识别直接关...
基于多级阈值的循环风机运行状态智能识别方法及系统与流程

本发明涉及故障诊断,尤其涉及基于多级阈值的循环风机运行状态智能识别方法及系统。

背景技术:

1、循环风机是工业生产系统中的重要辅机设备,风机运行状态的准确识别直接关系到整套系统运行安全性与生产连续性。目前针对循环风机的状态识别大多采用固定阈值判别方式,阈值参数多依靠人工经验设定,未充分考虑风机实际运行过程中复杂多变的工况条件,当风机处于变负荷、变环境的工作场景下,固定阈值极易出现误判、漏判问题,状态识别结果可靠性较差。

2、现有风机状态识别方案对采集得到的运行原始数据缺少完备的畸变处理手段,传感器扰动、瞬时信号突变会直接干扰判别流程,同时多数识别方法仅依靠单时刻参数完成状态判定,缺少对历史时序数据的趋势校验环节,难以捕捉风机缓慢劣化的演变特征,整体识别效率与识别精度难以满足实际工业现场的使用需求,因此如何提升风机状态识别的效率,成为亟待解决的问题。

技术实现思路

1、本发明提供基于多级阈值的循环风机运行状态智能识别方法及系统,以解决上述背景技术中提出的问题。

2、为实现上述目的,本发明提供的基于多级阈值的循环风机运行状态智能识别方法,包括:

3、p1、对循环风机的运行参数进行畸变校正,得到所述循环风机的有效运行参数;

4、p2、对所述循环风机的历史运行数据进行波动包络收束,得到所述循环风机的基准阈值区间;

5、p3、对所述基准阈值区间进行多源工况剖分,得到所述循环风机的多级阈值;

6、p4、基于所述多级阈值,对所述有效运行参数进行逐级越限映射,得到所述有效运行参数的越限等级;

7、p5、基于所述越限等级,对所述有效运行参数进行耦合残差反演,得到所述循环风机的初始状态表征;

8、p6、基于所述历史运行数据,对所述初始状态表征进行时序趋势核验,得到所述循环风机的最终运行状态。

9、在一个优选的实施方式中,所述对循环风机的运行参数进行畸变校正,得到所述循环风机的有效运行参数,包括:

10、对循环风机的运行参数进行时间戳对齐,得到所述循环风机的对齐参数序列;

11、对所述对齐参数序列进行突变甄别剖分,得到所述循环风机的稳态片段和畸变片段;

12、对所述畸变片段进行瞬态扰动修正,得到所述循环风机的畸变校正片段;

13、将所述畸变校正片段和所述稳态片段进行时序拼接,得到所述循环风机的有效运行参数。

14、在一个优选的实施方式中,所述对所述循环风机的历史运行数据进行波动包络收束,得到所述循环风机的基准阈值区间,包括:

15、对所述循环风机的历史运行数据进行时序峰谷辨识,得到所述历史运行数据的波动极值序列;

16、对所述波动极值序列进行双边界拟合,得到所述历史运行数据的波动包络带;

17、对所述波动包络带进行带宽归拢判定,得到所述波动包络带的包络收敛段;

18、对所述包络收敛段的上下边界数值进行区间映射,得到所述循环风机的基准阈值区间。

19、在一个优选的实施方式中,所述对所述波动包络带进行带宽归拢判定,得到所述波动包络带的包络收敛段,包括:

20、对所述波动包络带的上包络轨迹与下包络轨迹进行逐点差值求取,得到所述波动包络带的包络带宽序列;

21、对所述包络带宽序列进行波动衰减甄别,得到所述包络带宽序列的窄幅候选段;

22、对所述窄幅候选段进行幅值跳变剔除,得到所述波动包络带的包络收敛段。

23、在一个优选的实施方式中,所述对所述基准阈值区间进行多源工况剖分,得到所述循环风机的多级阈值,包括:

24、对所述循环风机的多源工况信息和所述基准阈值区间进行时间戳对齐,得到所述基准阈值区间的工况关联记录;

25、对所述工况关联记录进行工况特征解耦,得到所述循环风机的工况影响因素;

26、基于所述工况影响因素,对所述基准阈值区间进行工况响应分层,得到所述基准阈值区间的工况分层阈值区间;

27、将所述工况分层阈值区间的边界值作为所述循环风机的多级阈值。

28、在一个优选的实施方式中,所述基于所述多级阈值,对所述有效运行参数进行逐级越限映射,得到所述有效运行参数的越限等级,包括:

29、将所述多级阈值进行排序,确定所述多级阈值的最小阈值和最大阈值,并将所述最小阈值和所述最大阈值的均值作为所述多级阈值的中心阈值;

30、基于所述多级阈值,对所述多级阈值中相邻两级阈值进行差分均值求取,得到所述多级阈值的阈值步长;

31、基于所述多级阈值,计算所述有效运行参数的越限等级,其中,所述越限等级的计算公式为:

32、;

33、其中,表示所述越限等级,表示所述有效运行参数,表示所述中心阈值,表示所述阈值步长,表示绝对值,表示以自然指数为底的对数函数,表示向上取整运算。

34、在一个优选的实施方式中,所述基于所述越限等级,对所述有效运行参数进行耦合残差反演,得到所述循环风机的初始状态表征,包括:

35、基于所述越限等级,对所述有效运行参数进行阈值映射,得到所述有效运行参数对应的越限边界基准;

36、基于所述越限边界基准,对所述有效运行参数进行偏差解析,得到所述有效运行参数的残差偏移量,并记录所述残差偏移量的偏移方向标识;

37、将所述残差偏移量和所述偏移方向标识进行偏差融合编码,得到所述循环风机的初始状态表征。

38、在一个优选的实施方式中,所述将所述残差偏移量和所述偏移方向标识进行偏差融合编码,得到所述循环风机的初始状态表征,包括:

39、对所述偏移方向标识进行方向特征编码,得到所述偏移方向标识的方向编码分量;

40、对所述残差偏移量和所述方向编码分量进行矢量合成,得到所述循环风机的偏差特征向量;

41、对所述偏差特征向量进行卷积变换,得到所述循环风机的初始状态表征。

42、在一个优选的实施方式中,所述基于所述历史运行数据,对所述初始状态表征进行时序趋势核验,得到所述循环风机的最终运行状态,包括:

43、对所述历史运行数据进行时序演变归纳,得到所述循环风机的历史状态趋势;

44、基于所述历史状态趋势,对所述初始状态表征进行趋势走向比对,得到所述初始状态表征的方向判定结果;

45、基于所述方向判定结果,对所述初始状态表征进行时序吻合裁定,得到所述循环风机的最终运行状态。

46、为了解决上述问题,本发明还提供基于多级阈值的循环风机运行状态智能识别系统,所述系统包括:

47、参数校正模块,用于对循环风机的运行参数进行畸变校正,得到所述循环风机的有效运行参数;

48、区间构建模块,用于对所述循环风机的历史运行数据分别进行波动包络收束,得到所述循环风机的基准阈值区间;

49、阈值剖分模块,用于对所述基准阈值区间进行多源工况剖分,得到所述循环风机的多级阈值;

50、越限分级模块,用于基于所述多级阈值,对所述有效运行参数进行逐级越限映射,得到所述有效运行参数的越限等级;

51、残差反演模块,用于基于所述越限等级,对所述有效运行参数进行耦合残差反演,得到所述循环风机的初始状态表征;

52、时序核验模块,用于基于所述历史运行数据,对所述初始状态表征进行时序趋势核验,得到所述循环风机的最终运行状态。

53、与现有技术相比,本发明具有以下有益效果:

54、1.本发明通过对采集到的风机运行参数开展畸变校正处理,剔除信号瞬态扰动带来的数据异常,获取可靠的有效运行参数;依托历史运行数据完成波动包络收束与多源工况剖分,生成适配不同工况条件的多级阈值,能够实现运行参数的逐级越限映射,精准输出参数对应的越限等级,提升风机运行参数异常程度的分辨能力。

55、2.本发明通过得到越限等级后开展耦合残差反演完成初始状态表征构建,进一步结合历史运行数据完成时序趋势核验输出最终运行状态,通过残差解析编码与时序趋势校验的联合处理,完整捕捉风机参数偏移量与劣化演变趋势,强化风机运行状态表征的完备性,有效提升循环风机运行状态识别的整体效率与判别准确度。