CN112067334A - 一种空调外机故障识别方法 - Google Patents

一种空调外机故障识别方法 Download PDF

Info

Publication number
CN112067334A
CN112067334A CN202010894731.0A CN202010894731A CN112067334A CN 112067334 A CN112067334 A CN 112067334A CN 202010894731 A CN202010894731 A CN 202010894731A CN 112067334 A CN112067334 A CN 112067334A
Authority
CN
China
Prior art keywords
value
normal
domain signal
time domain
air conditioner
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.)
Granted
Application number
CN202010894731.0A
Other languages
English (en)
Other versions
CN112067334B (zh
Inventor
唐樟春
吴文锋
李征泰
杨宗承
曾鑫
丁林飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN202010894731.0A priority Critical patent/CN112067334B/zh
Publication of CN112067334A publication Critical patent/CN112067334A/zh
Application granted granted Critical
Publication of CN112067334B publication Critical patent/CN112067334B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M99/00—Subject matter not provided for in other groups of this subclass
    • G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04D—NON-POSITIVE-DISPLACEMENT PUMPS
    • F04D27/00—Control, e.g. regulation, of pumps, pumping installations or pumping systems specially adapted for elastic fluids
    • F04D27/001—Testing thereof; Determination or simulation of flow characteristics; Stall or surge detection, e.g. condition monitoring
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M1/00—Testing static or dynamic balance of machines or structures
    • G01M1/14—Determining imbalance
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00—Testing of machine parts

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

该发明公开了一种空调外机故障识别方法，属于空调设备、机械设备故障诊断领域。本发明通过获取空调在多个空间维度上的振动信号和扭转角信号，通过对获得的多个信号进行处理分析，得到空调是否正常，或者空调是否处于哪种故障状态的结果。相对于原有的空调外机故障识别方法，本发明能有效检测空调外机常见的各种工况，提升检测的准确率和效率。

Description

一种空调外机故障识别方法
技术领域
本发明属于空调设备、机械设备故障诊断领域，尤其涉及一种空调外机的故障识别方法。
背景技术
目前，我国家电制造商对出产空调振动检测的方法主要是通过检测人员的触感来完成，一般通过用手触摸感觉空调振动幅度的大小，用耳朵听噪声是否出现奇异等。这不仅需要耗费检测人员大量的精力，更需要检测人员根据自己的经验做出正确的主观判断，显然这是有困难的，并且对于大企业来说是不经济的。
发明内容
本发明针对背景技术的不足，设计一种空调外机的故障识别方法。
本发明技术方案一种空调外机故障识别方法，该方法包括：
步骤1：分别采集工况为正常的空调外机X,Y,Z三轴方向上的振动信号FX,FY,FZ和绕X,Y,Z三轴的扭转角θX,θY,θZ信号，得到6种时域信号；
步骤2：建立合格性识别模型；
步骤2.1：按照计算步骤1得到的每种时域信号一段时间内的峰值xmax、谷值xmin、均方根值xrms和方差σ2；
步骤2.2：通过对多个样本进行步骤2.1的计算，可统计六个维度方向上四个特征值的直方图；
步骤2.2.1：当统计结果为正态分布时，计算出时域信号的均值μ和标准差σ，直接求得对应特征值阈值的最大值Xmax、最小值Xmin；
步骤2.2.2：当时域信号属于非正态分布中的偏态分布时，首先计算出该时域信号的中值m和标准差σ，得到该时域信号的不对称系数k，然后采用下式计算阈值的最大值Xmax、最小值Xmin；
Figure BDA0002658078540000011
Figure BDA0002658078540000012
步骤2.2.3：当时域信号属于其它非正态分布时，计算出时域信号的均值为μ、方差为σ2，认定该时域信号样本均值服从均值为μ、方差为
Figure BDA0002658078540000021
的正态分布，式中n为时域信号采集样本的个数；则时域信号样本均值的分散范围为
Figure BDA0002658078540000022
求得
Figure BDA0002658078540000023
和
Figure BDA0002658078540000024
再根据
Figure BDA0002658078540000025
和
Figure BDA0002658078540000026
计算出阈值的最大值Xmax、最小值Xmin；
步骤3：若6种时域信号的峰值xmax、谷值xmin、均方根值xrms和方差σ2均落在各自对应的(Xmax，Xmin)范围内，则认为空调外机正常；
步骤4：对6种时域信号进行傅里叶变换，当FX和θY的轴流风扇转动的三倍频的幅值均大于它对应的基频的幅值时，认定发生轴流风扇裂纹的故障；
当FX，FY，FZ，θY的频域信号在14.25Hz的幅值处大于正常值；认定发生轴流风扇不平衡的故障；
当FX，FY，FZ的频域信号在14.25Hz的幅值大于正常值，同时θX的频域信号在42.25Hz的幅值大于正常值，认定发生风扇底座松动的故障；
当FZ，θX，θY的频域信号在50Hz的幅值大于正常值，认定发生缺少阻尼块的故障；
当FZ的频域信号在50Hz的幅值大于正常值，而θX和θY的频域信号在50Hz的幅值小于正常值，认定发生缺少隔音棉的故障。
本发明的有益效果为：通过实验分析，相对于原有的空调外机故障识别方法，本发明能有效检测空调外机常见的各种工况，提升检测的准确率和效率，同时也为其他领域的各种故障识别方法提供思路。
附图说明
图1为本发明正态分布概率图图解。
图2为构建空调外机故障识别模型流程图。
图3为通过本方法搭建的***图。
图4为各工况诊断结果显示图。
具体实施方式
本发明的一种空调外机故障识别方法包括如下步骤：
步骤1.通过六维振动检测的方法，分别采集空调外机在六种工况(包括正常、轴流风扇裂纹、风扇不平衡、风扇支架底座松动、缺少阻尼块和缺少隔音棉)下X,Y,Z三轴方向上的振动信号FX,FY,FZ和绕X,Y,Z三轴的扭转角θX,θY,θZ，在六个维度上的信号，实现对空调振动信号的检测。
步骤2.将采集到的六种工况各1500组数据，共9000组数据，其中取工况为正常的700组数据，五种工况为故障的各100组数据，进行建立故障识别模型，将剩下的数据用于之后的检测识别模型可行性和正确率。
步骤3.基于“±3σ”准则，建立合格性识别模型。其步骤如下：
步骤3.1：通过对各种工况信号在六个维度方向的时域信号的各特征参数进行对比分析，最终选择4个敏感特征参数，分别为峰值、谷值、均方根值和方差，公式分别如(1)-(4)所示。将工况为正常的700组数据进行上述4个特征参数计算，用于建立合格性识别模型。
xmax＝max(|x(i)|) (1)
xmin＝min(|x(i)|) (2)
Figure BDA0002658078540000031
Figure BDA0002658078540000032
其中，x(i)为振动信号经过采样离散化的信号，N为采样点数，公式(4)中xMV为样本均值，公式为
Figure BDA0002658078540000033
步骤3.2：将多个样本的计算结果进行统计分析。“±3σ”准则认为数据落在(μ-3σ，μ+3σ)的概率为99.7％，其中均值
Figure BDA0002658078540000034
标准差
Figure BDA0002658078540000035
式中n为样本的个数，Xi为多个样本的某个维度上的某个特征参数值，基于“±3σ”准则计算工况为正常工况的各个特征参数的区间；一旦测试数据的四个特征参数都在各个区间，则判定为合格，否则为不合格。
步骤3.2.1：当统计所得的分布为正态分布时，令X-μ＝±3σ，即可求得特征参数的阈值Xmax和Xmin。
步骤3.2.2：当统计所得的分布非正态分布时且属于非正态分布中的偏态分布，可以计算样本的中值m和标准差σ,查得其相对不对称系数k，再应用“±3σ”准则，即可求得特征参数的Xmax和Xmin，公式为(5)和(6)所示。
Figure BDA0002658078540000041
Figure BDA0002658078540000042
步骤3.2.3：对于其他非正态分布，由数理统计学的中心极限定理可以推论，即使不是正态分布，如果样本均值为μ、方差为σ2，则样本均值
Figure BDA0002658078540000043
也近似服从均值为μ、方差为
Figure BDA0002658078540000044
的正态分布，式中n为样本的个数，即
Figure BDA0002658078540000045
样本均值
Figure BDA0002658078540000046
的分散范围为
Figure BDA0002658078540000047
此时可以求得
Figure BDA0002658078540000048
和
Figure BDA0002658078540000049
再根据
Figure BDA00026580785400000410
和
Figure BDA00026580785400000411
可最终求得Xmax和Xmin。
步骤3.2.4由上述理论，求得工况为正常时，四个特征参数在六维方向上的区间如表1所示，单位为(μm/s2)。
表1工况正常的4个特征参数在六维方向的阈值
Figure BDA00026580785400000412
Figure BDA0002658078540000051
步骤4.上述步骤已进行合格性检测，接下来根据各工况在六个维度的傅里叶谱特征进一步构建空调外机故障识别模型。通过与正常信号对比，当发生轴流风扇裂纹时，在傅里叶谱波形图的FX和θY方向风扇的三倍频(42.5Hz)的幅值均大于它的基频(14.25Hz)的幅值；当轴流风扇不平衡时，FX，FY，FZ，θX在14.25Hz的幅值比正常值大；当风扇底座松动时，FX，FY，FZ在14.25Hz的幅值比正常值大，同时θX在42.25Hz的幅值比正常值大；当缺少阻尼块时，FZ，θX，θY在50Hz的幅值比正常值大；当缺少隔音棉时，FZ在50Hz的幅值比正常值大，而θX和θY在50Hz的幅值小于正常值。
步骤5.根据上述空调外机振动信号各个工况的时域和频域在六个维度的特征，基于LabView进行编程，前面板如图3所示。其中，时域和频域波形显示在软件正中央，右边六个维度的特征计算值。当检测结果为正常时，右下角的“检测结果”栏中的绿灯将亮起并给出提示“合格”字样；当检测结果为故障时，绿灯将处于熄灭状态并给出具体故障提示，如图4所示。

Claims (1)

1.一种空调外机故障识别方法，该方法包括：
步骤1：分别采集工况为正常的空调外机X,Y,Z三轴方向上的振动信号FX,FY,FZ和绕X,Y,Z三轴的扭转角θX,θY,θZ信号，得到6种时域信号；
步骤2：建立合格性识别模型；
步骤2.1：按照计算步骤1得到的每种时域信号一段时间内的峰值xmax、谷值xmin、均方根值xrms和方差σ2；
步骤2.2：通过对多个样本进行步骤2.1的计算，可统计六个维度方向上四个特征值的直方图；
步骤2.2.1：当统计结果为正态分布时，计算出时域信号的均值μ和标准差σ，直接求得对应特征值阈值的最大值Xmax、最小值Xmin；
步骤2.2.2：当时域信号属于非正态分布中的偏态分布时，首先计算出该时域信号的中值m和标准差σ，得到该时域信号的不对称系数k，然后采用下式计算阈值的最大值Xmax、最小值Xmin；
Figure FDA0002658078530000011
Figure FDA0002658078530000012
步骤2.2.3：当时域信号属于其它非正态分布时，计算出时域信号的均值为μ、方差为σ2，认定该时域信号样本均值服从均值为μ、方差为
Figure FDA0002658078530000013
的正态分布，式中n为时域信号采集样本的个数；则时域信号样本均值的分散范围为
Figure FDA0002658078530000014
求得
Figure FDA0002658078530000015
和
Figure FDA0002658078530000016
再根据
Figure FDA0002658078530000017
和
Figure FDA0002658078530000018
计算出阈值的最大值Xmax、最小值Xmin；
步骤3：若6种时域信号的峰值xmax、谷值xmin、均方根值xrms和方差σ2均落在各自对应的(Xmax，Xmin)范围内，则认为空调外机正常；
步骤4：对6种时域信号进行傅里叶变换，当FX和θY的轴流风扇转动的三倍频的幅值均大于它对应的基频的幅值时，认定发生轴流风扇裂纹的故障；
当FX，FY，FZ，θY的频域信号在14.25Hz的幅值处大于正常值；认定发生轴流风扇不平衡的故障；
当FX，FY，FZ的频域信号在14.25Hz的幅值大于正常值，同时θX的频域信号在42.25Hz的幅值大于正常值，认定发生风扇底座松动的故障；
当FZ，θX，θY的频域信号在50Hz的幅值大于正常值，认定发生缺少阻尼块的故障；
当FZ的频域信号在50Hz的幅值大于正常值，而θX和θY的频域信号在50Hz的幅值小于正常值，认定发生缺少隔音棉的故障。
CN202010894731.0A 2020-08-31 2020-08-31 一种空调外机故障识别方法 Expired - Fee Related CN112067334B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010894731.0A CN112067334B (zh) 2020-08-31 2020-08-31 一种空调外机故障识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010894731.0A CN112067334B (zh) 2020-08-31 2020-08-31 一种空调外机故障识别方法

Publications (2)

Publication Number Publication Date
CN112067334A true CN112067334A (zh) 2020-12-11
CN112067334B CN112067334B (zh) 2022-03-15

Family

ID=73664819

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010894731.0A Expired - Fee Related CN112067334B (zh) 2020-08-31 2020-08-31 一种空调外机故障识别方法

Country Status (1)

Country Link
CN (1) CN112067334B (zh)

Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040236525A1 (en) * 2003-03-11 2004-11-25 Nelson Thomas E. Signal analyzer with signal conditioners
US20050258260A1 (en) * 2004-03-25 2005-11-24 Osman Ahmed Method and apparatus for an integrated distributed MEMS based control system
JP2006300896A (ja) * 2005-04-25 2006-11-02 Matsushita Electric Works Ltd 設備監視方法および設備監視装置
CN1896610A (zh) * 2005-07-15 2007-01-17 乐金电子(天津)电器有限公司 空调器
CN101556187A (zh) * 2009-05-07 2009-10-14 广东美的电器股份有限公司 空调器噪声源可视化识别的统计最优近场声全息法及其操作方法
CN101750209A (zh) * 2008-12-17 2010-06-23 朱爱斌 Dh型透平压缩机转子动力学性能计算方法
DE102010036954A1 (de) * 2010-08-12 2012-02-16 Schenck Rotec Gmbh Verfahren und Vorrichtung zum dynamischen Messen der Unwucht des Rotors einer Turbolader-Rumpfgruppe
CN203811359U (zh) * 2014-01-17 2014-09-03 成都微英威诺环境监控设备有限公司 基于加速度检测的空调室外机支架承载状态危险预警装置
CN104615112A (zh) * 2015-01-22 2015-05-13 成都朝越科技有限公司 网络环境下的资源和环境监控预警***
US20150160101A1 (en) * 2012-05-31 2015-06-11 Canrig Drilling Technology Ltd. Method and System for Testing Operational Integrity of a Drilling Rig
CN105136454A (zh) * 2015-10-15 2015-12-09 上海电机学院 一种风电机组齿轮箱故障识别方法
CN106323664A (zh) * 2016-09-22 2017-01-11 珠海格力电器股份有限公司 空调机组的振动测试及诊断方法、装置及空调机组
CN106602951A (zh) * 2016-12-07 2017-04-26 华南理工大学 一种空调压缩机转速波动抑制方法
CN106949616A (zh) * 2017-04-10 2017-07-14 珠海格力电器股份有限公司 壳体组件和空调机组
CN107655144A (zh) * 2017-09-30 2018-02-02 河南城建学院 家用空调辅助检测***
CN109556895A (zh) * 2018-10-29 2019-04-02 东北大学 旋转机械的故障分析方法及装置
CN110470494A (zh) * 2018-05-11 2019-11-19 浙江盾安人工环境股份有限公司 一种空调振动的监测和诊断方法
CN209672546U (zh) * 2019-03-21 2019-11-22 美的集团武汉制冷设备有限公司 空调配管的检测结构、及空调器
CN111047732A (zh) * 2019-12-16 2020-04-21 青岛海信网络科技股份有限公司 一种基于能耗模型和数据交互的设备异常诊断方法及装置
CN111257026A (zh) * 2020-02-21 2020-06-09 清华大学 空调器的在线性能测量方法、***、设备及存储介质

Patent Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040236525A1 (en) * 2003-03-11 2004-11-25 Nelson Thomas E. Signal analyzer with signal conditioners
US20050258260A1 (en) * 2004-03-25 2005-11-24 Osman Ahmed Method and apparatus for an integrated distributed MEMS based control system
JP2006300896A (ja) * 2005-04-25 2006-11-02 Matsushita Electric Works Ltd 設備監視方法および設備監視装置
CN1896610A (zh) * 2005-07-15 2007-01-17 乐金电子(天津)电器有限公司 空调器
CN101750209A (zh) * 2008-12-17 2010-06-23 朱爱斌 Dh型透平压缩机转子动力学性能计算方法
CN101556187A (zh) * 2009-05-07 2009-10-14 广东美的电器股份有限公司 空调器噪声源可视化识别的统计最优近场声全息法及其操作方法
DE102010036954A1 (de) * 2010-08-12 2012-02-16 Schenck Rotec Gmbh Verfahren und Vorrichtung zum dynamischen Messen der Unwucht des Rotors einer Turbolader-Rumpfgruppe
US20150160101A1 (en) * 2012-05-31 2015-06-11 Canrig Drilling Technology Ltd. Method and System for Testing Operational Integrity of a Drilling Rig
CN203811359U (zh) * 2014-01-17 2014-09-03 成都微英威诺环境监控设备有限公司 基于加速度检测的空调室外机支架承载状态危险预警装置
CN104615112A (zh) * 2015-01-22 2015-05-13 成都朝越科技有限公司 网络环境下的资源和环境监控预警***
CN105136454A (zh) * 2015-10-15 2015-12-09 上海电机学院 一种风电机组齿轮箱故障识别方法
CN106323664A (zh) * 2016-09-22 2017-01-11 珠海格力电器股份有限公司 空调机组的振动测试及诊断方法、装置及空调机组
CN106602951A (zh) * 2016-12-07 2017-04-26 华南理工大学 一种空调压缩机转速波动抑制方法
CN106949616A (zh) * 2017-04-10 2017-07-14 珠海格力电器股份有限公司 壳体组件和空调机组
CN107655144A (zh) * 2017-09-30 2018-02-02 河南城建学院 家用空调辅助检测***
CN110470494A (zh) * 2018-05-11 2019-11-19 浙江盾安人工环境股份有限公司 一种空调振动的监测和诊断方法
CN109556895A (zh) * 2018-10-29 2019-04-02 东北大学 旋转机械的故障分析方法及装置
CN209672546U (zh) * 2019-03-21 2019-11-22 美的集团武汉制冷设备有限公司 空调配管的检测结构、及空调器
CN111047732A (zh) * 2019-12-16 2020-04-21 青岛海信网络科技股份有限公司 一种基于能耗模型和数据交互的设备异常诊断方法及装置
CN111257026A (zh) * 2020-02-21 2020-06-09 清华大学 空调器的在线性能测量方法、***、设备及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
NICOLA PAONEA: ""Fault detection for quality control of household appliances by non-invasive laser Doppler technique and likelihood classifier"", 《MEASUREMENT》 *
郑文炜: ""基于激光多普勒技术的空调六维振动检测***研究"", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 *

Also Published As

Publication number Publication date
CN112067334B (zh) 2022-03-15

Similar Documents

Publication Publication Date Title
RU2488815C2 (ru) Способ и устройство для классификации генерирующих звук процессов
CN111354366B (zh) 一种异常声音检测方法及异常声音检测装置
CN111504645B (zh) 一种基于频域多点峭度的滚动轴承故障诊断方法
CN103674234B (zh) 一种风力发电机组振动异常的状态预警方法及***
CN105518295A (zh) 风力发电装置的状态监视装置
CN108447503B (zh) 基于Hilbert-Huang变换的电机异音检测方法
Xu et al. Fan fault diagnosis based on symmetrized dot pattern analysis and image matching
CN109782139B (zh) 一种gis特高频局部放电在线监测***及其监测方法
CN106768967B (zh) 一种法兰紧固螺栓松动无损检测方法及其***
CN110530507B (zh) 用于旋转设备监测的边缘计算方法、介质及***
CN112067334B (zh) 一种空调外机故障识别方法
CN110186549A (zh) 基于叶尖定时传感器的叶片振动识别方法
CN109580268A (zh) 一种产品异响、异音智能检测方法
CN103941722A (zh) 通过部件特征倍频幅值趋势监测和诊断设备故障的方法
CN108444715A (zh) 轴承状态诊断方法、装置、存储介质及电子设备
CN113567162A (zh) 基于声传感器的风机故障智能诊断装置及方法
CN108470570B (zh) 电机异音检测方法
CN110568073A (zh) 一种在噪声环境中拾取击打信号的方法
Chen et al. Incipient fault feature extraction of rolling bearing based on optimized singular spectrum decomposition
Liu et al. A novel random spectral similar component decomposition method and its application to gear fault diagnosis
CN107975435A (zh) 一种基于车联网数据的怠速转速监控方法
CN114033736B (zh) 一种基于气压脉动信号风机故障监测***
CN114034375B (zh) 一种特高压输电线路噪声测量***及方法
CN115264748A (zh) 空调故障检测方法、装置、空调及电子设备
CN111125626A (zh) 一种基于s型函数随机子空间识别的模型定阶方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20220315