故障检测方法、装置、设备及存储介质与流程

本公开涉及信号处理，尤其涉及一种故障检测方法、装置、设备及存储介质。

背景技术：

1、风机设备为配置旋转叶轮的动力设备，可适配多类工业应用场景，广泛应用于火电、化工、冶金、数据中心、中央空调等场景。由于风机设备长期处于高湿、水雾、腐蚀、粉尘及连续运行环境中，叶轮容易因积垢、腐蚀、磨损、变形、安装偏差或配重脱落等原因产生失衡故障。而叶轮失衡会导致风机设备运行过程中出现各种问题。因此，对风机设备进行早期故障检测十分重要。

2、相关技术中，一般是采集风机设备运行过程中的声音信号，然后提取声音信号的频谱峰值、频带能量、声压级、谱熵等声学特征，根据声学特征判断风机设备是否故障。但由于风机设备附近存在喷淋水声、气流噪声、电机噪声、相邻设备噪声和环境风噪等背景噪声干扰，叶轮失衡对应的声学特征容易被背景噪声淹没，进而导致故障检测不准确。

技术实现思路

1、本公开提供一种故障检测方法、装置、设备及存储介质，本公开的技术方案如下。

2、根据本公开实施例的一方面，提供一种故障检测方法，所述方法包括：

3、获取风机设备在第一时段内的声音信号和转速数据，所述声音信号包括多个时刻的声音幅值，所述转速数据包括所述风机设备的叶轮在所述多个时刻的转速；

4、基于所述多个时刻的转速，确定所述多个时刻各自对应的相位；

5、基于所述多个时刻各自对应的相位和声音幅值，确定多个目标相位各自对应的多个声音幅值，每个目标相位对应的一个声音幅值为所述目标相位在一个旋转周期内所对应时刻的声音幅值，一个旋转周期对应所述叶轮完整旋转一周；

6、对于每个目标相位，融合所述目标相位对应的多个声音幅值，得到所述目标相位的融合声音幅值；

7、基于所述多个目标相位各自的融合声音幅值，确定所述叶轮的故障信息。

8、在一些实施例中，所述基于所述多个目标相位各自的融合声音幅值，确定所述叶轮的故障信息，包括：

9、基于所述多个目标相位各自的融合声音幅值，确定所述声音信号在多个维度的声学特征；

10、基于所述声音信号在多个维度的声学特征，确定所述叶轮的故障信息。

11、在一些实施例中，所述基于所述多个目标相位各自的融合声音幅值，确定所述声音信号在多个维度的声学特征，包括：

12、对所述多个目标相位各自的融合声音幅值进行离散傅里叶变换，得到阶次谱，所述阶次谱包括多个阶次各自对应的阶次幅值；

13、基于所述阶次谱，确定所述声音信号在多个维度的声学特征。

14、在一些实施例中，所述基于所述阶次谱，确定所述声音信号在多个维度的声学特征，包括以下至少一项：

15、基于所述阶次谱中一阶对应的阶次幅值，确定所述声音信号的转频声学能量，所述转频声学能量用于表征所述叶轮一倍转频失衡的周期性扰动；

16、基于所述阶次谱中一阶以外的各阶次对应的阶次幅值，确定所述声音信号的倍频声学能量，所述倍频声学能量用于表征所述叶轮倍频非线性的复合周期扰动；

17、基于所述阶次谱中一阶对应的阶次幅值，确定所述声音信号的转频声学能量，基于所述阶次谱中一阶以外的各阶次对应的阶次幅值，确定所述声音信号的倍频声学能量，基于所述转频声学能量和所述倍频声学能量，确定所述转频声学能量在总阶次声学能量中的占比。

18、在一些实施例中，所述基于所述阶次谱，确定所述声音信号在多个维度的声学特征，包括以下至少一项：

19、基于所述阶次谱中目标阶次对应的阶次幅值，确定所述声音信号的叶片通过阶次能量，所述目标阶次对应于所述叶轮的叶片数量，所述叶片通过阶次能量用于表征叶片切割气流所产生气动噪声的能量强度；

20、基于所述阶次谱中与所述目标阶次相邻阶次的阶次幅值，确定所述声音信号的调制边带能量，所述调制边带能量用于表征所述叶轮失衡对所述气动噪声的扰动程度。

21、在一些实施例中，所述基于所述多个目标相位各自的融合声音幅值，确定所述声音信号在多个维度的声学特征，包括：

22、确定所述多个目标相位各自的融合声音幅值的统计值，所述统计值包括标准差、均值和均方根值中的至少一项；

23、基于所述统计值，确定所述叶轮的声音分布特征，所述声音分布特征用于表征单旋转周期内声压分布的不均匀程度。

24、在一些实施例中，所述基于所述声音信号在多个维度的声学特征，确定所述叶轮的故障信息，包括：

25、对于每个维度的声学特征，基于所述维度的标准声学特征，确定所述维度的特征偏离值，所述标准声学特征是在所述风机设备正常工况下获取的；

26、融合所述多个维度的特征偏离值，得到失衡指数，所述失衡指数用于指示所述多个维度的声学特征相对于所述多个维度的标准声学特征的整体偏离程度；

27、基于所述失衡指数，确定所述叶轮的故障信息。

28、在一些实施例中，所述基于所述失衡指数，确定所述叶轮的故障信息，包括：

29、将所述失衡指数分别与多个故障等级的失衡指数阈值进行匹配，将匹配到的失衡指数阈值对应的故障等级确定为所述叶轮的故障等级。

30、在一些实施例中，所述对于每个维度的声学特征，基于所述维度的标准声学特征，确定所述维度的特征偏离值之前，所述方法还包括：

31、基于所述风机设备的当前工况类型，从多种工况类型各自对应的标准声学特征集合中确定所述当前工况类型对应的标准声学特征集合，每个标准声学特征集合包括多个维度各自的标准声学特征。

32、在一些实施例中，所述基于所述失衡指数，确定所述叶轮的故障信息，包括：

33、获取多个第二时段各自的声音信号的失衡指数；

34、基于所述第一时段和所述多个第二时段各自的声音信号的失衡指数，确定失衡指数变化信息；

35、基于所述失衡指数变化信息，确定所述叶轮的故障信息。

36、在一些实施例中，所述融合所述目标相位对应的多个声音幅值，得到所述目标相位的融合声音幅值，包括：

37、基于所述多个声音幅值各自所在的旋转周期的权重，对所述多个声音幅值加权平均，得到所述目标相位的融合声音幅值。

38、在一些实施例中，所述基于所述多个时刻的转速，确定所述多个时刻各自对应的相位，包括：

39、基于所述多个时刻的转速，确定所述多个时刻的转频；

40、对于每个时刻，对所述时刻和所述时刻之前的各个时刻的转频积分，得到累积相位，基于所述累积相位和初始相位，得到所述时刻对应的相位。

41、在一些实施例中，所述方法还包括：

42、将单个旋转周期按照预设角度间隔进行划分，得到所述多个目标相位。

43、根据本公开实施例的另一方面，提供一种故障检测装置，所述装置包括：

44、获取模块，用于获取风机设备在第一时段内的声音信号和转速数据，所述声音信号包括多个时刻的声音幅值，所述转速数据包括所述风机设备的叶轮在所述多个时刻的转速；

45、确定模块，用于基于所述多个时刻的转速，确定所述多个时刻各自对应的相位；

46、所述确定模块，还用于基于所述多个时刻各自对应的相位和声音幅值，确定多个目标相位各自对应的多个声音幅值，每个目标相位对应的一个声音幅值为所述目标相位在一个旋转周期内所对应时刻的声音幅值，一个旋转周期对应所述叶轮完整旋转一周；

47、融合模块，用于对于每个目标相位，融合所述目标相位对应的多个声音幅值，得到所述目标相位的融合声音幅值；

48、所述确定模块，还用于基于所述多个目标相位各自的融合声音幅值，确定所述叶轮的故障信息。

49、在一些实施例中，所述确定模块，用于：

50、基于所述多个目标相位各自的融合声音幅值，确定所述声音信号在多个维度的声学特征；

51、基于所述声音信号在多个维度的声学特征，确定所述叶轮的故障信息。

52、在一些实施例中，所述确定模块，用于：

53、对所述多个目标相位各自的融合声音幅值进行离散傅里叶变换，得到阶次谱，所述阶次谱包括多个阶次各自对应的阶次幅值；

54、基于所述阶次谱，确定所述声音信号在多个维度的声学特征。

55、在一些实施例中，所述确定模块，用于执行以下至少一项：

56、基于所述阶次谱中一阶对应的阶次幅值，确定所述声音信号的转频声学能量，所述转频声学能量用于表征所述叶轮一倍转频失衡的周期性扰动；

57、基于所述阶次谱中一阶以外的各阶次对应的阶次幅值，确定所述声音信号的倍频声学能量，所述倍频声学能量用于表征所述叶轮倍频非线性的复合周期扰动；

58、基于所述阶次谱中一阶对应的阶次幅值，确定所述声音信号的转频声学能量，基于所述阶次谱中一阶以外的各阶次对应的阶次幅值，确定所述声音信号的倍频声学能量，基于所述转频声学能量和所述倍频声学能量，确定所述转频声学能量在总阶次声学能量中的占比。

59、在一些实施例中，所述确定模块，用于执行以下至少一项：

60、基于所述阶次谱中目标阶次对应的阶次幅值，确定所述声音信号的叶片通过阶次能量，所述目标阶次对应于所述叶轮的叶片数量，所述叶片通过阶次能量用于表征叶片切割气流所产生气动噪声的能量强度；

61、基于所述阶次谱中与所述目标阶次相邻阶次的阶次幅值，确定所述声音信号的调制边带能量，所述调制边带能量用于表征所述叶轮失衡对所述气动噪声的扰动程度。

62、在一些实施例中，所述确定模块，用于：

63、确定所述多个目标相位各自的融合声音幅值的统计值，所述统计值包括标准差、均值和均方根值中的至少一项；

64、基于所述统计值，确定所述叶轮的声音分布特征，所述声音分布特征用于表征单旋转周期内声压分布的不均匀程度。

65、在一些实施例中，所述确定模块，用于：

66、对于每个维度的声学特征，基于所述维度的标准声学特征，确定所述维度的特征偏离值，所述标准声学特征是在所述风机设备正常工况下获取的；

67、融合所述多个维度的特征偏离值，得到失衡指数，所述失衡指数用于指示所述多个维度的声学特征相对于所述多个维度的标准声学特征的整体偏离程度；

68、基于所述失衡指数，确定所述叶轮的故障信息。

69、在一些实施例中，所述确定模块，用于：

70、将所述失衡指数分别与多个故障等级的失衡指数阈值进行匹配，将匹配到的失衡指数阈值对应的故障等级确定为所述叶轮的故障等级。

71、在一些实施例中，所述确定模块，还用于：

72、基于所述风机设备的当前工况类型，从多种工况类型各自对应的标准声学特征集合中确定所述当前工况类型对应的标准声学特征集合，每个标准声学特征集合包括多个维度各自的标准声学特征。

73、在一些实施例中，所述确定模块，用于：

74、获取多个第二时段各自的声音信号的失衡指数；

75、基于所述第一时段和所述多个第二时段各自的声音信号的失衡指数，确定失衡指数变化信息；

76、基于所述失衡指数变化信息，确定所述叶轮的故障信息。

77、在一些实施例中，所述融合模块，用于：

78、基于所述多个声音幅值各自所在的旋转周期的权重，对所述多个声音幅值加权平均，得到所述目标相位的融合声音幅值。

79、在一些实施例中，所述确定模块，用于：

80、基于所述多个时刻的转速，确定所述多个时刻的转频；

81、对于每个时刻，对所述时刻和所述时刻之前的各个时刻的转频积分，得到累积相位，基于所述累积相位和初始相位，得到所述时刻对应的相位。

82、在一些实施例中，所述装置还包括划分模块，用于：

83、将单个旋转周期按照预设角度间隔进行划分，得到所述多个目标相位。

84、根据本公开实施例的另一方面，提供一种计算机设备，该计算机设备包括：

85、处理器；

86、用于存储所述处理器可执行指令的存储器；

87、其中，所述处理器被配置为执行所述指令，以实现上述故障检测方法。

88、根据本公开实施例的另一方面，提供一种计算机可读存储介质，当所述计算机可读存储介质中的指令由计算机设备的处理器执行时，使得所述计算机设备能够执行上述故障检测方法。

89、根据本公开实施例的另一方面，提供了一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现上述故障检测方法。

90、本技术实施例提供了一种故障检测方法，该方法同步采集风机设备同一时段下的声音信号和叶轮转速，依托实时转速换算各时刻对应的相位，实现声学幅值与相位的精准映射；然后以叶轮完整旋转一周的旋转周期划分多个目标相位，归集不同旋转周期内同一目标相位对应的全部声音幅值并融合，由于叶轮失衡故障产生的声学扰动具有周期重复性，会稳定出现在每一旋转周期的相同相位位置，这样经多旋转周期同相位的声音幅值融合后，叶轮失衡带来的周期性声学特征得到叠加增强，随机喷淋噪声、环境杂声、气流随机扰动等无规律背景噪声则显著衰减，大幅提升故障对应的声学特征的信噪比，在此基础上，依托信噪比优化后的各目标相位融合声音幅值进行叶轮故障检测，就能够精准识别微弱故障对应的声学特征，有效提升叶轮失衡故障检测的准确度与可靠性。

91、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。