旋转机械转子部件脱落故障识别方法及系统与流程

1.本发明涉及状态监测及故障诊断技术领域，特别涉及一种旋转机械转子部件脱落故障识别方法及系统。


背景技术：

2.转子部件脱落故障是大型旋转机械设备一类严重故障，如果不能及时发现可能会造成设备损坏影响生产。流程工业因其生产方式的特殊性，关键设备一旦发生故障会影响整个装置的生产，每天损失数以亿计，及时发现并诊断出故障尤为重要。
3.目前随着管理人员意识的提高，在原有控制系统的基础上设置有状态监测系统实时记录并保存机组的运行数据，但使用效果依托于诊断人员的业务能力和技术水平，难以保证较高的诊断准确率和诊断效率。而且人工诊断难以实现连续值守，设备出现故障也无法及时发现。


技术实现要素：

4.基于此，本技术实施例提供了一种旋转机械转子部件脱落故障识别方法及系统，能够将故障机理模型与数据特征相结合，实现流程工业大机组转子部件脱落故障的自动诊断。
5.第一方面，提供了一种旋转机械转子部件脱落故障识别方法，该方法包括：获取目标设备的运行数据；其中，所述运行数据通过目标设备上的多个传感器采集得到，所述运行数据具体包括各个传感器所采集到的设备转速、1倍频幅值、键相信号及各个传感器的工作状态；基于所述键相信号确定设备转速以及1倍频幅值的准确性，基于所述运行数据中的设备转速和传感器的工作状态进行数据条件判断得到目标设备的有效运行数据；通过预先建立的条件判断模型对目标设备中各个传感器所采集的1倍频幅值进行处理，得到各个传感器所对应的条件参数；通过各个传感器所对应的条件参数确定各个通道的故障权重，并基于各个通道的故障权重得到目标设备的故障概率。
6.可选地，基于所述运行数据中的设备转速和传感器的工作状态进行数据条件判断得到目标设备的有效运行数据，包括：当目标设备上的全部传感器信号正常且全部传感器所采集到的设备转速大于500rpm时，则确定目标设备在当前时刻所采集到的运行数据为有效运行数据。
7.可选地，通过预先建立的条件判断模型对目标设备中各个传感器所采集的1倍频幅值进行处理，得到各个传感器所对应的条件参数，具体包括：建立当前传感器所采集的1倍频幅值及所采集的时间的对应关系；基于所述对应关系确定多个采集点；其中，每个采集点包括当前传感器所采集的1倍频幅值及所采集的时间；
当所述多个采集点符合预设条件时，则将确定的多个采集点作为当前传感器所对应的条件参数；遍历目标设备所有有效的传感器，得到各个传感器所对应的条件参数。
8.可选地，基于所述对应关系确定4个采集点a、b、c、d，当所述多个采集点符合预设条件时，则将确定的多个采集点作为当前传感器所对应的条件参数，所述预设条件包括：其中，ea、eb、ec、ed分别表示采集点a、b、c、d的1倍频幅值，ta、tb、tc、td分别表示采集点a、b、c、d的采集时间，其中，采集点a、b、c、d的采集时间依次增加，&&表示和关系。
9.可选地，基于所述对应关系确定4个采集点a、b、c、d，当所述多个采集点符合预设条件时，则将确定的多个采集点作为当前传感器所对应的条件参数，所述预设条件包括：其中，ea、eb、ec、ed分别表示采集点a、b、c、d的1倍频幅值，ta、tb、tc、td分别表示采集点a、b、c、d的采集时间，其中，采集点a、b、c、d的采集时间依次增加，&&表示和关系。
10.可选地，基于所述对应关系确定3个采集点a、b、c，当所述多个采集点符合预设条件时，则将确定的多个采集点作为当前传感器所对应的条件参数，所述预设条件包括：其中，ea、eb、ec分别表示采集点a、b、c的1倍频幅值，ta、tb、tc分别表示采集点a、b、c的采集时间，其中，采集点a、b、c的采集时间依次增加。
11.可选地，通过各个传感器所对应的条件参数确定各个通道的故障权重，包括：通过公式确定各个通道的故障权重，其中，eb、ec分别表示采集点b、c的1倍频幅值。
12.可选地，所述基于各个通道的故障权重得到目标设备的故障概率，包括：通过公式得到目标设备的故障概率pn，其中，n表示目标设备的通道数量，p表示目标设备各个通道的故障概率。
13.可选地，方法还包括：当未得到符合条件的条件参数时，则退出当前故障概率计算流程。
14.第二方面，提供了一种旋转机械转子部件脱落故障识别系统，该系统包括：获取模块，用于获取目标设备的运行数据；其中，所述运行数据通过目标设备上的多个传感器采集得到，所述运行数据具体包括各个传感器所采集到的设备转速、1倍频幅值、键相信号及各个传感器的工作状态；数据判断模块，用于基于所述运行数据中的设备转速和传感器的工作状态进行数据条件判断得到目标设备的有效运行数据；模型计算模块，用于通过预先建立的条件判断模型对目标设备中各个传感器所采集的1倍频幅值进行处理，得到各个传感器所对应的条件参数；输出模块，用于通过各个传感器所对应的条件参数确定各个通道的故障权重，并基于各个通道的故障权重得到目标设备的故障概率。
15.本技术实施例提供的技术方案中首先获取目标设备的运行数据；基于所述运行数据中的设备转速和传感器的工作状态进行数据条件判断得到目标设备的有效运行数据；通过预先建立的条件判断模型对目标设备中各个传感器所采集的1倍频幅值进行处理，得到各个传感器所对应的条件参数；通过各个传感器所对应的条件参数确定各个通道的故障权重，并基于各个通道的故障权重得到目标设备的故障概率。可以看出，本技术的有益效果在于实现流程工业大机组转子部件脱落故障的自动诊断，能够解决行业对诊断系统以及诊断准确率与诊断效率的需求。
附图说明
16.为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引申获得其它的实施附图。
17.图1为本技术实施例提供的一种旋转机械转子部件脱落故障识别步骤流程图；图2为本技术实施例提供的一种旋转机械转子部件脱落故障识别过程中条件判断的示意图；图3为本技术实施例提供的一种旋转机械转子部件脱落故障识别流程图；图4为本技术实施例提供的一种旋转机械转子部件脱落故障识别系统框图。
具体实施方式
18.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对
本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
19.在本发明的描述中，术语“包括”、“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包括了一系列步骤或单元的过程、方法、系统、产品或设备不必限于已明确列出的那些步骤或单元，而是还可包含虽然并未明确列出的但对于这些过程、方法、产品或设备固有的其它步骤或单元，或者基于本发明构思进一步的优化方案所增加的步骤或单元。
20.针对于现有技术所存在的问题，本发明基于sg8000系统采集到的数据，采用的技术方案是故障机理模型与数据特征相结合，实现流程工业大机组转子部件脱落故障的自动诊断，能够解决行业对诊断系统以及诊断准确率与诊断效率的需求。具体地，请参考图1，其示出了本技术实施例提供的一种旋转机械转子部件脱落故障识别方法的流程图，该方法可以包括以下步骤：步骤101，获取目标设备的运行数据。
21.其中，运行数据通过目标设备上的多个传感器采集得到，运行数据具体包括各个传感器所采集到的设备转速、1倍频幅值、键相信号及各个传感器的工作状态。
22.步骤102，基于运行数据中的设备转速和传感器的工作状态进行数据条件判断得到目标设备的有效运行数据。
23.在本技术实施例中，基于所述键相信号确定设备转速以及1倍频幅值的准确性，并且当目标设备上的全部传感器信号正常且全部传感器所采集到的设备转速大于500rpm时，则确定目标设备在当前时刻所采集到的运行数据为有效运行数据。
24.步骤103，通过预先建立的条件判断模型对目标设备中各个传感器所采集的1倍频幅值进行处理，得到各个传感器所对应的条件参数。
25.具体地，建立当前传感器所采集的1倍频幅值及所采集的时间的对应关系；基于对应关系确定多个采集点；其中，每个采集点包括当前传感器所采集的1倍频幅值及所采集的时间；当多个采集点符合预设条件时，则将确定的多个采集点作为当前传感器所对应的条件参数；遍历目标设备所有有效的传感器，得到各个传感器所对应的条件参数。
26.在本技术实施例中，预先建立的条件判断模型可以包括以下四种情况。
27.情况1，断叶片后幅值上升且不联锁时。确定4个采集点a、b、c、d，具体的条件判断包括：即满足上述5个条件时，则认为当前4个采集点a、b、c、d满足情况1，其中，ea、eb、ec、ed分别表示采集点a、b、c、d的1倍频幅值，ta、tb、tc、td分别表示采集点a、b、c、d的采集时间，其中，采集点a、b、c、d的采集时间依次增加，&&表示和关系。
28.情况2，断叶片后幅值下降且不联锁时。确定4个采集点a、b、c、d，具体的条件判断包括：即满足上述5个条件时，则认为当前4个采集点a、b、c、d满足情况2，其中，ea、eb、ec、ed分别表示采集点a、b、c、d的1倍频幅值，ta、tb、tc、td分别表示采集点a、b、c、d的采集时间，其中，采集点a、b、c、d的采集时间依次增加，&&表示和关系。
29.可选地，当设备下超过两个通道满足情况1或2的全部条件即判断成立。
30.情况3，断叶片后幅值上升后联锁时，确定3个采集点a、b、c，具体地判断条件包括：即满足上述4个条件时，则认为当前3个采集点a、b、c满足情况3，其中，ea、eb、ec分别表示采集点a、b、c的1倍频幅值，ta、tb、tc分别表示采集点a、b、c的采集时间，其中，采集点a、b、c、d的采集时间依次增加。
31.情况4，即不属于上述情况1-3的其他数据。
32.当出现上述情况1-3时，则进行步骤104的计算，否则退出当前故障概率计算流程。如图2所示，给出了本技术中确定各个采集点的示意图，在本技术实施例中，可以根据时间-幅值对应关系中的拐点确认具体的采集点，进而确定所得到的各个拐点的时间、幅值是否满足上述情况，当满足时则根据具体采集点的赋值确定当前传感器通道的故障权重。
33.步骤104，通过各个传感器所对应的条件参数确定各个通道的故障权重，并基于各个通道的故障权重得到目标设备的故障概率。
34.根据步骤103中确定了满足情况1-3的a、b、c、（d）后通过公式
ꢀꢀ
（1）确定各个通道的故障权重，其中，eb、ec分别表示采集点b、c的1倍频幅值。
35.通过公式（2）得到目标设备的故障概率pn，其中，n表示目标设备的通道数量，p表示目标设备各个通道的故障概率。
36.在本技术一个可选的实施例中，如图2，例如，得到当前a、b、c、d数据为ea=14.62，ta=21:58:15eb=14.64，tb=21:58:16ec=37.44，tc=21:58:16ed=38.99，td=21:58:17则进行情况1判断，即：条件1，ec＞eb、ec＞ea、ed＞eb、ed＞ea；ec=37.44＞eb=14.64、ec=37.44＞ea=14.62、ed=38.99＞eb=14.64、ed=38.99＞ea=14.62条件2，（ec-eb）＞3.5
×
|ed-ec| &&（ec-eb）＞3.5
×
|eb-ea|&&（ec-eb）＞2.1；（37.44-14.64）＞3.5*|38.99-37.44|&&（37.44-14.64）＞3.5*|14.64-14.62|&&（37.44-14.64）＞2.1其中，“&&”表示“且”条件3，时间上（tc
ꢀ‑
tb）＜2s(tc=21:58:16
‑ꢀ
tb=21:58:16) ＜2s条件4*，时间上（td
ꢀ‑
ta）＜5s(td=21:58:16
‑ꢀ
ta=21:58:16) ＜5s条件5*，td~ta 前6个存储点（共10个）转速变化小于3%（b点为基准）转速变化符合条件b、a及a前4个存储点（共6个点）极差绝对值＜0.4
×
|ec-eb|极差点是a号点和d号点之差为1.06＜9.12即其符合情况1，在步骤104中该通道概率具体计算为：如图3，给出了应用上述方法的旋转机械转子部件脱落故障识别流程图。
37.如图4，本技术实施例还提供的一种旋转机械转子部件脱落故障识别系统200。系统200包括：获取模块201，用于获取目标设备的运行数据；其中，运行数据通过目标设备上的多个传感器采集得到，运行数据具体包括各个传感器所采集到的设备转速、1倍频幅值、键相信号及各个传感器的工作状态；数据判断模块202，用于基于运行数据中的设备转速和传感器的工作状态进行数据条件判断得到目标设备的有效运行数据；模型计算模块203，用于通过预先建立的条件判断模型对目标设备中各个传感器所采集的1倍频幅值进行处理，得到各个传感器所对应的条件参数；输出模块204，用于通过各个传感器所对应的条件参数确定各个通道的故障权重，并基于各个通道的故障权重得到目标设备的故障概率。
38.本技术实施例提供的旋转机械转子部件脱落故障识别系统用于实现上述旋转机械转子部件脱落故障识别方法，关于旋转机械转子部件脱落故障识别系统的具体限定可以
参见上文中对于旋转机械转子部件脱落故障识别方法的限定，在此不再赘述。上述旋转机械转子部件脱落故障识别系统中的各个部分可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于设备中的处理器中，也可以以软件形式存储于设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
39.以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
40.以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。