CN103743477B - 一种机械故障检测诊断方法及其设备 - Google Patents
一种机械故障检测诊断方法及其设备 Download PDFInfo
- Publication number
- CN103743477B CN103743477B CN201310734996.4A CN201310734996A CN103743477B CN 103743477 B CN103743477 B CN 103743477B CN 201310734996 A CN201310734996 A CN 201310734996A CN 103743477 B CN103743477 B CN 103743477B
- Authority
- CN
- China
- Prior art keywords
- mechanical
- fault detection
- detection
- mechanical fault
- svm
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 74
- 238000002405 diagnostic procedure Methods 0.000 title claims abstract description 21
- 238000012549 training Methods 0.000 claims abstract description 29
- 230000010358 mechanical oscillation Effects 0.000 claims abstract description 23
- 230000010355 oscillation Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 abstract description 11
- 238000003745 diagnosis Methods 0.000 abstract description 9
- 238000000034 method Methods 0.000 description 8
- 238000005070 sampling Methods 0.000 description 8
- 238000012937 correction Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013100 final test Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种机械故障检测诊断方法，其具体步骤为：在被检测机械设备上安装多个机械振动传感器；分别采集机械设备正常运转，以及在不同故障类型条件下运转的振动信号；生成机械故障检测的SVM分类规则；对SVM训练器进行训练，调整SVM训练器的训练规则；通过振动传感器采集机械振动信号，并由SVM分类器进行故障初步检测；应用多样本投票算法，对初步检测的结果进行投票分析，得到最终的故障检测结果。一种机械故障检测设备，其特征在于其包括SVM训练器和多个机械振动信号采集传感器。本发明所提出的一种机械故障检测诊断方法及其设备，确保了检测结果的准确性，能够对典型的机械故障检测与识别，并能够适应对多种不同种类、不同性能特点的机械设备的故障检测和诊断，提高了机械故障检测的精度。
Description
技术领域
本发明涉及一种机械故障检测方法及其检测设备。
背景技术
目前机械故障诊断方法有很多，既有基于静态的机械故障诊断方法，也有基于动态的机械故障诊断方法，其中以机械振动为检测对象的机械故障检测方法，是目前机械故障检测领域中的一种主流方法。但是基于机械振动故障检测方法对故障的诊断精度和故障识别种类，很大程度取决于对机械振动信号的分析和处理能力。目前已有的机械故障诊断方法，绝大多数都将研究的重点放在对机械振动信号的采集与分析算法上，这其中也包括大量对所采集到的机械振动信号进行不同变换，或者信号转换等处理，以提高机械振动信号的识别能力。然而目前这一系列典型的机械故障诊断方法，其所设计的故障时间和诊断算法，很大程度取决于统计或者概率分析，并没有十分明确的故障识别依据。也正因为如此，目前所提出的机械故障检测方法具有较强的局限性，即针对不同的场景、不同的检测对象，其故障检测的能力和效果往往差别很大。
发明内容
本发明所要解决的技术问题是提供一种机械故障检测诊断方法及其设备，能够对典型的机械故障检测与识别，并能够适应对多种不同种类、不同性能特点的机械设备的故障检测和诊断。
为解决上述技术问题，本发明提供一种机械故障检测诊断方法，其具体步骤为：
第一步：在被检测机械设备上安装多个机械振动传感器，针对多个不同的振动点采集多种不同类型的机械振动信号；
第二步：让被检测机械设备开始运转，分别采集机械设备正常运转，以及在不同故障类型条件下运转的振动信号，获取被检测机械设备的振动原始数据；
第三步：应用SVM训练器训练其对所采样得到的机械振动信号进行训练，生成机械故障检测的SVM分类规则；
第四步：将机械故障检测结果作为SVM训练器的输入数据，对SVM训练器进行训练，调整SVM训练器的训练规则；
第五步：当对被检测的机械故障检测时，首先通过振动传感器采集机械振动信号，并由SVM分类器进行故障初步检测；
第六步：当多个SVM分类器检测得到多组初步的故障检测结果后，应用多样本投票算法，对初步检测的结果进行投票分析，得到最终的故障检测结果。
在每一次得到的检测结果，都将做为SVM训练器的输入数据，实现机械故障诊断的分类规则调整，使得本发明提出的的机械故障诊断方法具备自学习能力，能够利用历史的检测数据修正故障检测方法；机械故障诊断方法以多组振动信号做为检测的数据源，能够覆盖被检测的机械对象多种振动信号，并综合进行采样和分析处理，确保了检测结果的准确性。
所述的多样本投票算法是一种基于权重大小的投票算法。
一种机械故障检测设备，其包括SVM训练器和多个机械振动信号采集传感器，机械振动信号采样传感器设置在被检测机械设备上多个不同测量点，从而获得机械运转过程中多种不同检测对象的振动信号；机械振动信号采集传感器将每一组机械振动信号分别送入SVM训练器，通过大量的机械振动信号的训练和分析，形成SVM训练器的分类规则，当真正进行机械故障诊断时，通过部署在机械设备上多组机械振动测量传感器，分别采样机械运转时的振动信号，并通过SVM分类器实现对机械振动信号的检测和识别，当每一个SVM分类器检测得到了一个检测结果之后，再由投票选择器对检测得到的多组检测结果，进行分析并投票得到最终的检测结果。
本发明所提出的一种机械故障检测诊断方法及其设备，以多组振动信号做为检测的数据源，能够覆盖被检测的机械对象多种振动信号，并综合进行采样和分析处理，确保了检测结果的准确性，能够对典型的机械故障检测与识别，并能够适应对多种不同种类、不同性能特点的机械设备的故障检测和诊断，提高了机械故障检测的精度，同时它还具备自学习能力，能够利用历史的检测数据修正故障检测方法。
附图说明
图1是本发明所提出的一种机械故障检测诊断方法流程示意图。
图2是机械故障检测结果对分类器修正原理图。
图3是多样本投票算法流程图。
具体实施方式
参见附图，一种机械故障检测诊断方法，其具体步骤为：
第一步：在被检测机械设备上安装多个机械振动传感器，针对多个不同的振动点采集多种不同类型的机械振动信号；
第二步：让被检测机械设备开始运转，分别采集机械设备正常运转，以及在不同故障类型条件下运转的振动信号，获取被检测机械设备的振动原始数据；
第三步：应用SVM训练器训练其对所采样得到的机械振动信号进行训练，生成机械故障检测的SVM分类规则；
第四步：将机械故障检测结果作为SVM训练器的输入数据，对SVM训练器进行训练，调整SVM训练器的训练规则；
第五步：当对被检测的机械故障检测时，首先通过振动传感器采集机械振动信号，并由SVM分类器进行故障初步检测；
第六步：当多个SVM分类器检测得到多组初步的故障检测结果后，应用多样本投票算法，对初步检测的结果进行投票分析，得到最终的故障检测结果。
在每一次得到的检测结果，都将做为SVM训练器的输入数据，实现机械故障诊断的分类规则调整，使得本发明提出的的机械故障诊断方法具备自学习能力，能够利用历史的检测数据修正故障检测方法；机械故障诊断方法以多组振动信号做为检测的数据源，能够覆盖被检测的机械对象多种振动信号，并综合进行采样和分析处理，确保了检测结果的准确性。
所述的多样本投票算法是一种基于权重大小的投票算法。
一种机械故障检测设备，其包括SVM训练器和多个机械振动信号采集传感器，机械振动信号采样传感器设置在被检测机械设备上多个不同测量点，从而获得机械运转过程中多种不同检测对象的振动信号；机械振动信号采集传感器将每一组机械振动信号分别送入SVM训练器，通过大量的机械振动信号的训练和分析，形成SVM训练器的分类规则，当真正进行机械故障诊断时，通过部署在机械设备上多组机械振动测量传感器，分别采样机械运转时的振动信号，并通过SVM分类器实现对机械振动信号的检测和识别，当每一个SVM分类器检测得到了一个检测结果之后，再由投票选择器对检测得到的多组检测结果，进行分析并投票得到最终的检测结果。
本发明所提出的一种机械故障检测诊断方法及其设备，以多组振动信号做为检测的数据源，能够覆盖被检测的机械对象多种振动信号，并综合进行采样和分析处理，确保了检测结果的准确性，能够对典型的机械故障检测与识别，并能够适应对多种不同种类、不同性能特点的机械设备的故障检测和诊断，提高了机械故障检测的精度，同时它还具备自学习能力，能够利用历史的检测数据修正故障检测方法。
Claims (2)
1.一种机械故障检测诊断方法，其具体步骤为：
第一步：在被检测机械设备上安装多个机械振动传感器，针对多个不同的振动点采集多种不同类型的机械振动信号；
第二步：让被检测机械设备开始运转，分别采集机械设备正常运转，以及在不同故障类型条件下运转的振动信号，获取被检测机械设备的振动原始数据；
第三步：应用SVM训练器训练其对所采样得到的机械振动信号进行训练，生成机械故障检测的SVM分类规则；
第四步：将机械故障检测结果作为SVM训练器的输入数据，对SVM训练器进行训练，调整SVM训练器的训练规则；
第五步：当对被检测的机械故障检测时，首先通过振动传感器采集机械振动信号，并由SVM分类器进行故障初步检测；
第六步：当多个SVM分类器检测得到多组初步的故障检测结果后，应用多样本投票算法，对初步检测的结果进行投票分析，得到最终的故障检测结果。
2.根据权利要求1所述的一种机械故障检测诊断方法，其特征在于，所述的多样本投票算法是一种基于权重大小的投票算法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310734996.4A CN103743477B (zh) | 2013-12-27 | 2013-12-27 | 一种机械故障检测诊断方法及其设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310734996.4A CN103743477B (zh) | 2013-12-27 | 2013-12-27 | 一种机械故障检测诊断方法及其设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103743477A CN103743477A (zh) | 2014-04-23 |
| CN103743477B true CN103743477B (zh) | 2016-01-13 |
Family
ID=50500517
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310734996.4A Active CN103743477B (zh) | 2013-12-27 | 2013-12-27 | 一种机械故障检测诊断方法及其设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103743477B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106595850A (zh) * | 2016-12-21 | 2017-04-26 | 潘小胜 | 一种机械振动信号的故障分析方法 |
| CN106969928A (zh) * | 2017-03-28 | 2017-07-21 | 辽宁机电职业技术学院 | 一种机械故障检测诊断方法 |
| CN110197194A (zh) * | 2019-04-12 | 2019-09-03 | 佛山科学技术学院 | 一种基于改进随机森林的轴承故障诊断方法及装置 |
| CN115656700B (zh) * | 2022-12-09 | 2023-04-14 | 广东美的暖通设备有限公司 | 检测方法、训练方法、电器、监控***和存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101067930A (zh) * | 2007-06-07 | 2007-11-07 | 深圳先进技术研究院 | 一种智能音频辨识***及辨识方法 |
| CN102661866A (zh) * | 2012-05-11 | 2012-09-12 | 天津工业大学 | 基于时域能量和支持向量机的发动机故障识别方法 |
| CN102944416A (zh) * | 2012-12-06 | 2013-02-27 | 南京匹瑞电气科技有限公司 | 基于多传感器信号融合技术的风电机组叶片故障诊断方法 |
| CN103336243A (zh) * | 2013-07-01 | 2013-10-02 | 东南大学 | 基于分合闸线圈电流信号的断路器故障诊断方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2003041562A2 (en) * | 2001-11-14 | 2003-05-22 | Whitehead Institute For Biomedical Research | Molecular cancer diagnosis using tumor gene expression signature |
-
2013
- 2013-12-27 CN CN201310734996.4A patent/CN103743477B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101067930A (zh) * | 2007-06-07 | 2007-11-07 | 深圳先进技术研究院 | 一种智能音频辨识***及辨识方法 |
| CN102661866A (zh) * | 2012-05-11 | 2012-09-12 | 天津工业大学 | 基于时域能量和支持向量机的发动机故障识别方法 |
| CN102944416A (zh) * | 2012-12-06 | 2013-02-27 | 南京匹瑞电气科技有限公司 | 基于多传感器信号融合技术的风电机组叶片故障诊断方法 |
| CN103336243A (zh) * | 2013-07-01 | 2013-10-02 | 东南大学 | 基于分合闸线圈电流信号的断路器故障诊断方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103743477A (zh) | 2014-04-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110110768B (zh) | 基于并行特征学习和多分类器的滚动轴承故障诊断方法 | |
| CN102765010B (zh) | 刀具破磨损状态检测方法及其检测*** | |
| CN110375987B (zh) | 一种基于深度森林机械轴承故障检测方法 | |
| CN107329079A (zh) | 一种高压断路器在线监测及故障综合诊断*** | |
| CN103743477B (zh) | 一种机械故障检测诊断方法及其设备 | |
| CN104596766B (zh) | 一种轴承早期故障确定方法及装置 | |
| CN102662390B (zh) | 一种随机模糊故障特征融合的旋转机械设备故障诊断方法 | |
| Dou et al. | A rule-based intelligent method for fault diagnosis of rotating machinery | |
| CN106441896A (zh) | 滚动轴承故障模式识别及状态监测的特征向量提取方法 | |
| CN109781411A (zh) | 一种结合改进稀疏滤波器与kelm的轴承故障诊断方法 | |
| CN107631867A (zh) | 一种基于深度学习的旋转机械故障智能分类方法 | |
| CN103776480A (zh) | 基于多次移动平均的微小故障检测方法和装置 | |
| CN105973595A (zh) | 一种滚动轴承故障的诊断方法 | |
| CN106447040A (zh) | 基于异类多传感器数据融合的机械设备健康状态评估方法 | |
| CN102033984A (zh) | 一种基于区间型证据融合的旋转机械设备故障诊断方法 | |
| CN102109554A (zh) | 电网次同步振荡的模态自适应实时检测方法 | |
| CN110261116A (zh) | 一种轴承故障检测方法及装置 | |
| CN105258789A (zh) | 一种振动信号特征频率带的提取方法及装置 | |
| CN106022366A (zh) | 一种基于近邻证据融合的旋转机械设备故障诊断方法 | |
| CN102156873A (zh) | 一种基于混沌的机械零部件早期单点故障检测与分类方法 | |
| CN103267652B (zh) | 一种智能早期设备故障在线诊断方法 | |
| CN103674545A (zh) | 一种机械故障侦测方法 | |
| JP2012018066A (ja) | 異常検査装置 | |
| CN104008294A (zh) | 轴承异常检测***及其方法 | |
| Li et al. | Mobile robot motor bearing fault detection and classification on discrete wavelet transform and LSTM network |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20140423 Assignee: Liuzhou Zhuode Machinery Technology Co.,Ltd. Assignor: LIUZHOU VOCATIONAL & TECHNICAL College Contract record no.: X2023980053806 Denomination of invention: A Method and Equipment for Mechanical Fault Detection and Diagnosis Granted publication date: 20160113 License type: Common License Record date: 20231225 |
|
| EE01 | Entry into force of recordation of patent licensing contract |