CN115931319A - 故障诊断方法、装置、电子设备及存储介质 - Google Patents
故障诊断方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115931319A CN115931319A CN202211341315.3A CN202211341315A CN115931319A CN 115931319 A CN115931319 A CN 115931319A CN 202211341315 A CN202211341315 A CN 202211341315A CN 115931319 A CN115931319 A CN 115931319A
- Authority
- CN
- China
- Prior art keywords
- vibration
- spectrogram
- candidate
- frequency
- analyzing
- 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
Links
Images
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明涉及工业设备领域,具体涉及一种故障诊断方法、装置、电子设备及存储介质。该方法包括:获取待监控设备多个振动测点对应的振动数据;对各个振动测点对应的振动数据进行分析,生成各个振动测点对应的候选频谱图;根据各个候选频谱图对应的幅值之间的关系,对各个候选频谱图进行融合处理,生成目标频谱图;对目标频谱图中的幅值和频率进行分析,确定待监控设备对应的故障。上述方法,不需要对多个振动测点对应的频谱图进行识别分析,而是只需要对目标频谱图中的幅值和频率进行分析,就可以确定待监控设备对应的故障,从而节省了时间,且提高了确定待监控设备对应的故障的效率。
Description
技术领域
本发明涉及工业设备领域,具体涉及一种故障诊断方法、装置、电子设备及存储介质。
背景技术
振动是影响旋转机械安全运行的重要因素,同时也直接反映了设备的运行状态。旋转机械绝大多数结构或机械方面的故障都能通过振动信号呈现出来,因此,旋转机械振动监测是设备状态监测的一项重要工作。
现有技术中,对于在线监控单体设备的***来说,为了能够精确地分析出单体故障点,通常会在一个单体设备上部署很多个振动测点,然后对每个振动测点采集的振动数据分别进行一系列处理及变换,最终获得频谱图,再根据频谱图进行进一步的分析。
现有技术中,都是针对单个测点的,生成一张频谱图。因此如果一个单体设备部有多个测点时,需要查看多个测点分别对应的频谱图才能判断单体设备是否发生故障。因此,上述方法花费时间较长,且效率较低。
发明内容
有鉴于此,本发明实施例提供了一种故障诊断方法,旨在解决现有技术中,单体设备故障诊断花费时间长且效率低的问题。
根据第一方面,本发明实施例提供了一种故障诊断方法,方法包括:
获取待监控设备多个振动测点对应的振动数据;
对各个振动测点对应的振动数据进行分析,生成各个振动测点对应的候选频谱图;
根据各个候选频谱图对应的幅值之间的关系,对各个候选频谱图进行融合处理,生成目标频谱图;
对目标频谱图中的幅值和频率进行分析,确定待监控设备对应的故障。
本发明实施例提供的故障诊断方法,获取待监控设备多个振动测点对应的振动数据,然后对各个振动测点对应的振动数据进行分析,生成各个振动测点对应的候选频谱图,保证了生成的各个振动测点对应的候选频谱图的准确性。根据各个候选频谱图对应的幅值之间的关系,对各个候选频谱图进行融合处理,生成目标频谱图,保证了生成的目标频谱图中可以包括各个候选频谱图的特征,进而保证了生成的目标频谱图的准确性。然后,对目标频谱图中的幅值和频率进行分析,确定待监控设备对应的故障,保证了确定的待监控设备对应的故障的准确性。上述方法,不需要对多个振动测点对应的频谱图进行识别分析,而是只需要对目标频谱图中的幅值和频率进行分析,就可以确定待监控设备对应的故障,从而节省了时间,且提高了确定待监控设备对应的故障的效率。
结合第一方面,在第一方面第一实施方式中,振动数据为振动加速度数据,对各个振动测点对应的振动数据进行分析,生成各个振动测点对应的候选频谱图,包括
对各个振动加速度数据进行积分计算,得到各个振动加速度数据对应的时域振动速度数据;
对各个时域振动速度数据进行分析,生成各个候选频谱图。
本发明实施例提供的故障诊断方法,对各个振动加速度数据进行积分计算,得到各个振动加速度数据对应的时域振动速度数据,保证了计算得到的各个振动加速度数据对应的时域振动速度数据的准确性。对各个时域振动速度数据进行分析,生成各个候选频谱图,保证了生成的各个候选频谱图的准确性。
结合第一方面第一实施方式,在第一方面第二实施方式中,对各个时域振动速度数据进行分析,生成各个候选频谱图,包括:
对各个时域振动速度数据进行傅里叶变换,生成频域振动速度数据;
对各个频域振动速度数据进行分析,生成各个候选频谱图。
本发明实施例提供的故障诊断方法,对各个时域振动速度数据进行傅里叶变换,生成频域振动速度数据,保证了生成的频域振动速度数据的准确性。然后,对各个频域振动速度数据进行分析,生成各个候选频谱图,保证了生成的各个候选频谱图的准确性。
结合第一方面,在第一方面第三实施方式中,根据各个候选频谱图对应的幅值之间的关系,对各个候选频谱图进行融合处理,生成目标频谱图,包括:
对各个候选频谱图进行分析,确定各个候选频谱图中各个频率对应的幅值;
针对各个频率,将各个候选频谱图在同一频率下对应的幅值进行对比,确定各个候选频谱图在同一频率下对应的最大幅值;
将最大幅值作为目标频谱图中对应频率的幅值,以生成目标频谱图。
本发明实施例提供的故障诊断方法,对各个候选频谱图进行分析,确定各个候选频谱图中各个频率对应的幅值,保证了确定的各个候选频谱图中各个频率对应的幅值的准确性。针对各个频率,将各个候选频谱图在同一频率下对应的幅值进行对比,确定各个候选频谱图在同一频率下对应的最大幅值,保证了确定的各个候选频谱图在同一频率下对应的最大幅值的准确性。然后,将最大幅值作为目标频谱图中对应频率的幅值,以生成目标频谱图,保证了生成的目标频谱图的准确性。
结合第一方面,在第一方面第四实施方式中,对目标频谱图中的幅值和频率进行分析,确定待监控设备对应的故障,包括:
对目标频谱图进行分析,确定目标频谱图中的最高幅值;
根据幅值与频率之间的对应关系,确定目标频谱图中最高幅值对应的目标频率;
根据频率与部件之间的对应关系,确定待监控设备对应的故障发生的部件。
本发明实施例提供的故障诊断方法,对目标频谱图进行分析,确定目标频谱图中的最高幅值,保证了确定的目标频谱图中的最高幅值的准确性。然后,根据幅值与频率之间的对应关系,确定目标频谱图中最高幅值对应的目标频率,保证了确定的目标频率的准确性。根据频率与部件之间的对应关系,确定待监控设备对应的故障发生的部件,保证了确定的待监控设备对应的故障发生的部件的准确性。
结合第一方面,在第一方面第五实施方式中,获取待监控设备多个振动测点对应的振动数据,包括:
利用连接到同一振动数据采集站的多个采集设备同时采集待监控设备对应的多个振动测点对应的振动数据,其中,多个采集设备对应的采集参数相同。
本发明实施例提供的故障诊断方法,利用连接到同一振动数据采集站的多个采集设备同时采集待监控设备对应的多个振动测点对应的振动数据,其中,多个采集设备对应的采集参数相同,保证了采集得到的待监控设备对应的多个振动测点对应的振动数据的准确性。
根据第二方面,本发明实施例还提供了一种故障诊断装置,包括:
获取模块,用于获取待监控设备多个振动测点对应的振动数据;
生成模块,用于对各个振动测点对应的振动数据进行分析,生成各个振动测点对应的候选频谱图;
融合模块,用于根据各个候选频谱图对应的幅值之间的关系,对各个候选频谱图进行融合处理,生成目标频谱图;
确定模块,用于对目标频谱图中的幅值和频率进行分析,确定待监控设备对应的故障。
本发明实施例提供的故障诊断装置,获取待监控设备多个振动测点对应的振动数据,然后对各个振动测点对应的振动数据进行分析,生成各个振动测点对应的候选频谱图,保证了生成的各个振动测点对应的候选频谱图的准确性。根据各个候选频谱图对应的幅值之间的关系,对各个候选频谱图进行融合处理,生成目标频谱图,保证了生成的目标频谱图中可以包括各个候选频谱图的特征,进而保证了生成的目标频谱图的准确性。然后,对目标频谱图中的幅值和频率进行分析,确定待监控设备对应的故障,保证了确定的待监控设备对应的故障的准确性。上述故障诊断装置,不需要对多个振动测点对应的频谱图进行识别分析,而是只需要对目标频谱图中的幅值和频率进行分析,就可以确定待监控设备对应的故障,从而节省了时间,且提高了确定待监控设备对应的故障的效率。
结合第二方面,在第二方面第一实施例中,上述生成模块,具体用于:对各个振动加速度数据进行积分计算,得到各个振动加速度数据对应的时域振动速度数据;对各个时域振动速度数据进行分析,生成各个候选频谱图。
本发明实施例提供的故障诊断装置,对各个振动加速度数据进行积分计算,得到各个振动加速度数据对应的时域振动速度数据,保证了计算得到的各个振动加速度数据对应的时域振动速度数据的准确性。对各个时域振动速度数据进行分析,生成各个候选频谱图,保证了生成的各个候选频谱图的准确性。
根据第三方面,本发明实施例提供了一种电子设备,包括存储器和处理器,存储器和处理器之间互相通信连接,存储器中存储有计算机指令,处理器通过执行计算机指令,从而执行第一方面或者第一方面的任意一种实施方式中的故障诊断方法。
根据第四方面,本发明实施例提供了一种计算机可读存储介质,计算机可读存储介质存储计算机指令,计算机指令用于使计算机执行第一方面或者第一方面的任意一种实施方式中的故障诊断方法。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体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,下面描述中的附图是本发明的一些实施方式,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,还可以根据这些附图获得其他的附图。
图1是应用本发明实施例提供的故障诊断方法的流程图;
图2是应用本发明另一实施例提供的故障诊断方法的流程图;
图3是应用本发明另一实施例提供的采集设备连接到同一振动数据采集站;
图4是应用本发明另一实施例提供的振动加速度时域波形图的示意图;
图5是应用本发明另一实施例提供的振动加速度时域波形图的示意图;
图6是应用本发明另一实施例提供的振动加速度时域波形图的示意图;
图7是应用本发明另一实施例提供的振动速度时域波形图的示意图;
图8是应用本发明另一实施例提供的振动速度时域波形图的示意图;
图9是应用本发明另一实施例提供的振动速度时域波形图的示意图;
图10是应用本发明另一实施例提供的速度频谱波形图的示意图;
图11是应用本发明另一实施例提供的速度频谱波形图的示意图;
图12是应用本发明另一实施例提供的速度频谱波形图的示意图;
图13是应用本发明另一实施例提供的故障诊断方法的流程图;
图14是应用本发明另一实施例提供的故障诊断方法中生成的目标频谱图示意图;
图15是应用本发明实施例提供的故障诊断装置的功能模块图;
图16是应用本发明实施例提供的电子设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,本申请实施例提供的故障诊断的方法,其执行主体可以是故障诊断的装置,该故障诊断的装置可以通过软件、硬件或者软硬件结合的方式实现成为计算机设备的部分或者全部,其中,该电子设备可以是待监测设备中的一个控制器,也可以是独立于待监测设备的电子设备。当该电子设备独立于待监测设备时,该电子设备可以是服务器或者终端,其中,本申请实施例中的服务器可以为一台服务器,也可以为由多台服务器组成的服务器集群,本申请实施例中的终端可以是智能手机、个人电脑、平板电脑、可穿戴设备以及智能机器人等其他智能硬件设备。下述方法实施例中,均以执行主体是电子设备为例来进行说明。
在本申请一个实施例中,如图1所示,提供了一种故障诊断方法,以该方法应用于电子设备为例进行说明,包括以下步骤:
S11、获取待监控设备多个振动测点对应的振动数据。
具体地,电子设备可以接收与电子设备连接的采集设备传输的待监控设备多个振动测点对应的振动数据,也可以接收用户输入的待监控设备多个振动测点对应的振动数据,还可以接收其他设备发送的待监控设备多个振动测点对应的振动数据。本申请实施例对电子设备获取待监控设备多个振动测点对应的振动数据的方式不做具体限定。
关于该步骤将在下文进行详细介绍。
S12、对各个振动测点对应的振动数据进行分析,生成各个振动测点对应的候选频谱图。
在本申请一种可选的实施方式中,电子设备可以对各个振动测点对应的振动数据进行分析,确定各个振动测点对应的振动数据中的频率以及振幅,然后,根据确定的频率和振幅之间对应关系,生成各个振动测点对应的候选频谱图。
关于该步骤将在下文进行详细介绍。
S13、根据各个候选频谱图对应的幅值之间的关系,对各个候选频谱图进行融合处理,生成目标频谱图。
在一种可选的实施方式中,电子设备可以对各个候选频谱图进行图像识别,确定各个候选频谱图中的特征图像,然后将各个候选频谱图中的特征图像进行融合处理,生成目标频谱图。其中,特征图像可以是包括最大幅值的图像。
关于该步骤将在下文进行详细介绍。
S14、对目标频谱图中的幅值和频率进行分析,确定待监控设备对应的故障。
具体地,电子设备可以对目标频谱图中的幅值和频率进行分析,确定待监控设备对应的故障以及发生故障的部件。
关于该步骤将在下文进行详细介绍。
本发明实施例提供的故障诊断方法,获取待监控设备多个振动测点对应的振动数据,然后对各个振动测点对应的振动数据进行分析,生成各个振动测点对应的候选频谱图,保证了生成的各个振动测点对应的候选频谱图的准确性。根据各个候选频谱图对应的幅值之间的关系,对各个候选频谱图进行融合处理,生成目标频谱图,保证了生成的目标频谱图中可以包括各个候选频谱图的特征,进而保证了生成的目标频谱图的准确性。然后,对目标频谱图中的幅值和频率进行分析,确定待监控设备对应的故障,保证了确定的待监控设备对应的故障的准确性。上述方法,不需要对多个振动测点对应的频谱图进行识别分析,而是只需要对目标频谱图中的幅值和频率进行分析,就可以确定待监控设备对应的故障,从而节省了时间,且提高了确定待监控设备对应的故障的效率。
在本申请一个实施例中,如图2所示,提供了一种故障诊断方法,以该方法应用于电子设备为例进行说明,包括以下步骤:
S21、获取待监控设备多个振动测点对应的振动数据。
在本申请一种可选的实施方式中,上述S21“获取待监控设备多个振动测点对应的振动数据”,可以包括如下步骤:
S211、利用连接到同一振动数据采集站的多个采集设备同时采集待监控设备对应的多个振动测点对应的振动数据。
其中,多个采集设备对应的采集参数相同。
具体地,电子设备对于同一个待监控设备的所有振动测点,电子设备可以将各个振动测点对应的采集设备连接到同一振动数据采集站,连接图如图3所示,然后对各个采集设备设置相同的采集参数。
其中,振动数据采集站是传感器数据采集盒,采集设备可以是加速度振动传感器。采样参数可以包括采样时长和采用频率。例如,采样频率为 25600Hz,采样时长1秒。
示例性的,电子设备可以监控某钢厂高线精轧区域的传动箱的振动情况,在传动箱上部署6个振动测点,包括输入端垂直方向、输入端水平方向、输入端轴向、输出端垂直方向、输出端水平方向、输出端轴向。这6个振动测点均由同一个振动数据采集站连接,并设置相同的采集参数,如采样频率为 25600Hz,采样时长1秒。
示例性的,假设振动数据为振动加速度数据,设每隔ta单位时间所有振动测点同步采集一批数据,每批数据的采样频率为fs赫兹,采样点数为n个,则第i个测点采集到的振动加速度数据为Ai={a1,a2,a3,...,an-1,an}。举个例子,假设待监控设备为传动箱,该设备共3个测点,设置采样频率为25600Hz,采集1 秒共25600个数据点。同一时刻采集到的3个测点的对应的振动加速度时域波形图如图4-图6所示,其中横坐标为采样点,纵坐标为振动加速度,单位为m/s2。
S22、对各个振动测点对应的振动数据进行分析,生成各个振动测点对应的候选频谱图。
在本申请一种可选的实施方式中,所述振动数据为振动加速度数据,上述S22中的“对各个振动测点对应的振动数据进行分析,生成各个振动测点对应的候选频谱图”,可以生成如下步骤:
S221、对各个振动加速度数据进行积分计算,得到各个振动加速度数据对应的时域振动速度数据。
具体地,电子设备可以对个振动加速度数据进行积分计算,得到各个振动加速度数据对应的时域振动速度数据。
其中,每个振动测点对应的振动加速度数据是一个加速度时域波形,N 个振动测点就有N个加速度时域波形,而每个加速度时域波形,都可以通过积分转为速度时域波形。积分公式为:
其中,v(t)为时域振动速度数据,a(u)为振动加速度数据。
S222、对各个时域振动速度数据进行分析,生成各个候选频谱图。
在本申请一种可选的实施方式中,电子设备可以对各个时域振动速度数据进行分析,确定各个采样点的对应的幅值,然后根据各个时域振动速度数据中各个采样点的对应的幅值,生成各个候选频谱图。
示例性地,电子设备对各个时域振动速度数据进行分析,生成各个候选频谱图。其中生成的各个候选频谱图,可以是各个速度时域波形图,速度时域波形图可以如图7-图9所示。
在本申请另一种可选的实施方式中,上述S222中的“对各个时域振动速度数据进行分析,生成各个候选频谱图”,可以生成如下步骤:
(1)对各个时域振动速度数据进行傅里叶变换,生成频域振动速度数据。
(2)对各个频域振动速度数据进行分析,生成各个候选频谱图。
具体地,由于待监控设备故障往往是其中的一个或多个零部件导致的,而不同的零部件通常会引起不同频率的振动,因此需要将时域波形转为频域波形,以便于查看是哪个频率的幅值高,从而对应到与之匹配的设备零部件。因此,电子设备在获取到各个时域振动速度数据之后,电子设备可以对各个时域振动速度数据进行离散时间傅里叶变换,生成频域振动速度数据。
然后,电子设备对各个频域振动速度数据进行分析,生成各个候选频谱图。示例性的,如图10-图12所示,生成的各个候选频谱图可以为速度频谱图。
S23、根据各个候选频谱图对应的幅值之间的关系,对各个候选频谱图进行融合处理,生成目标频谱图。
关于该步骤请参见图1对S13的介绍,在此不进行赘述。
S24、对目标频谱图中的幅值和频率进行分析,确定待监控设备对应的故障。
关于该步骤请参见图1对S14的介绍,在此不进行赘述。
本发明实施例提供的故障诊断方法,利用连接到同一振动数据采集站的多个采集设备同时采集待监控设备对应的多个振动测点对应的振动数据,其中,多个采集设备对应的采集参数相同,保证了采集得到的待监控设备对应的多个振动测点对应的振动数据的准确性。
此外,本发明实施例提供的故障诊断方法,对各个振动加速度数据进行积分计算,得到各个振动加速度数据对应的时域振动速度数据,保证了计算得到的各个振动加速度数据对应的时域振动速度数据的准确性。对各个时域振动速度数据进行傅里叶变换,生成频域振动速度数据,保证了生成的频域振动速度数据的准确性。然后,对各个频域振动速度数据进行分析,生成各个候选频谱图,保证了生成的各个候选频谱图的准确性。
在本申请一个实施例中,如图13所示,提供了一种故障诊断方法,以该方法应用于电子设备为例进行说明,包括以下步骤:
S31、获取待监控设备多个振动测点对应的振动数据。
关于该步骤请参见图2对S21的介绍,在此不进行赘述。
S32、对各个振动测点对应的振动数据进行分析,生成各个振动测点对应的候选频谱图。
关于该步骤请参见图2对S22的介绍,在此不进行赘述。
S33、根据各个候选频谱图对应的幅值之间的关系,对各个候选频谱图进行融合处理,生成目标频谱图。
在本申请一种可选的实施方式中,上述S33“根据各个候选频谱图对应的幅值之间的关系,对各个候选频谱图进行融合处理,生成目标频谱图”,可以包括如下步骤:
S331、对各个候选频谱图进行分析,确定各个候选频谱图中各个频率对应的幅值。
具体地,电子设备可以对各个候选频谱图进行分析,确定各个候选频谱图中各个频率对应的幅值。
S332、针对各个频率,将各个候选频谱图在同一频率下对应的幅值进行对比,确定各个候选频谱图在同一频率下对应的最大幅值。
具体地,针对各个频率,电子设备将各个候选频谱图在同一频率下对应的幅值进行对比,确定各个候选频谱图在同一频率下对应的最大幅值。
示例性的,以频率2000为例,电子设备可以获取各个候选频谱图中频率为2000时,对应的幅值,然后将频率为2000时对应的各个幅值进行对比,确定频率为2000时对应的最大幅值。
S333、将最大幅值作为目标频谱图中对应频率的幅值,以生成目标频谱图。
具体地,电子设备将最大幅值作为目标频谱图中对应频率的幅值,以生成目标频谱图。
示例性的,电子设备将频率为2000时对应的最大幅值,作为目标频谱图中频率2000对应的幅值,根据上述方法,电子设备生成目标频谱图,示例性的如图14所示,为电子设备生成的目标频谱图示意图。
S34、对目标频谱图中的幅值和频率进行分析,确定待监控设备对应的故障。
在本申请一种可选的实施方式中,上述S34“对目标频谱图中的幅值和频率进行分析,确定待监控设备对应的故障”,可以包括如下步骤:
S341、对目标频谱图进行分析,确定目标频谱图中的最高幅值。
具体地,在生成目标频谱图之后,电子设备可以对目标频谱图进行图像识别,确定目标频谱图中的最高幅值。
S342、根据幅值与频率之间的对应关系,确定目标频谱图中最高幅值对应的目标频率。
具体地,电子设备根据幅值与频率之间的对应关系,确定目标频谱图中最高幅值对应的目标频率。
S343、根据频率与部件之间的对应关系,确定待监控设备对应的故障发生的部件。
具体地,电子设备可以根据频率与部件之间的对应关系,确定待监控设备对应的故障发生的部件。
本发明实施例提供的故障诊断方法,对各个候选频谱图进行分析,确定各个候选频谱图中各个频率对应的幅值,保证了确定的各个候选频谱图中各个频率对应的幅值的准确性。针对各个频率,将各个候选频谱图在同一频率下对应的幅值进行对比,确定各个候选频谱图在同一频率下对应的最大幅值,保证了确定的各个候选频谱图在同一频率下对应的最大幅值的准确性。然后,将最大幅值作为目标频谱图中对应频率的幅值,以生成目标频谱图,保证了生成的目标频谱图的准确性。
此外,本发明实施例提供的故障诊断方法,对目标频谱图进行分析,确定目标频谱图中的最高幅值,保证了确定的目标频谱图中的最高幅值的准确性。然后,根据幅值与频率之间的对应关系,确定目标频谱图中最高幅值对应的目标频率,保证了确定的目标频率的准确性。根据频率与部件之间的对应关系,确定待监控设备对应的故障发生的部件,保证了确定的待监控设备对应的故障发生的部件的准确性。
应该理解的是,虽然图1、图2以及图13的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1、图2以及图13中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
如图15所示,本实施例提供一种故障诊断装置,包括:
获取模块41,用于获取待监控设备多个振动测点对应的振动数据;
生成模块42,用于对各个振动测点对应的振动数据进行分析,生成各个振动测点对应的候选频谱图;
融合模块43,用于根据各个候选频谱图对应的幅值之间的关系,对各个候选频谱图进行融合处理,生成目标频谱图;
确定模块44,用于对目标频谱图中的幅值和频率进行分析,确定待监控设备对应的故障。
在本申请一个实施例中,振动数据为振动加速度数据,上述生成模块42,具体用于对各个振动加速度数据进行积分计算,得到各个振动加速度数据对应的时域振动速度数据;对各个时域振动速度数据进行分析,生成各个候选频谱图。
在本申请一个实施例中,上述生成模块42,具体用于对各个时域振动速度数据进行傅里叶变换,生成频域振动速度数据;对各个频域振动速度数据进行分析,生成各个候选频谱图。
在本申请一个实施例中,上述融合模块43,具体用于对各个候选频谱图进行分析,确定各个候选频谱图中各个频率对应的幅值;针对各个频率,将各个候选频谱图在同一频率下对应的幅值进行对比,确定各个候选频谱图在同一频率下对应的最大幅值;将最大幅值作为目标频谱图中对应频率的幅值,以生成目标频谱图。
在本申请一个实施例中,上述确定模块44,具体用于对目标频谱图进行分析,确定目标频谱图中的最高幅值;根据幅值与频率之间的对应关系,确定目标频谱图中最高幅值对应的目标频率;根据频率与部件之间的对应关系,确定待监控设备对应的故障发生的部件。
在本申请一个实施例中,上述获取模块41,具体用于利用连接到同一振动数据采集站的多个采集设备同时采集待监控设备对应的多个振动测点对应的振动数据,其中,多个采集设备对应的采集参数相同。
关于故障诊断装置的具体限定以及有益效果可以参见上文中对于故障诊断方法的限定,在此不再赘述。上述故障诊断装置中的各个模块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电子设备中的处理器中,也可以以软件形式存储于电子设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
本发明实施例还提供一种电子设备,具有上述图15所示的故障诊断装置。
如图16所示,图16是本发明可选实施例提供的一种电子设备的结构示意图,如图16所示,该电子设备可以包括:至少一个处理器51,例如CPU(Central Processing Unit,中央处理器),至少一个通信接口53,存储器54,至少一个通信总线52。其中,通信总线52用于实现这些组件之间的连接通信。其中,通信接口53可以包括显示屏(Display)、键盘(Keyboard),可选通信接口53还可以包括标准的有线接口、无线接口。存储器54可以是高速RAM存储器 (Random Access Memory,易挥发性随机存取存储器),也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。存储器54可选的还可以是至少一个位于远离前述处理器51的存储装置。其中处理器51可以结合图15所描述的装置,存储器54中存储应用程序,且处理器51调用存储器54 中存储的程序代码,以用于执行上述任一方法步骤。
其中,通信总线52可以是外设部件互连标准(peripheral componentinterconnect,简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture,简称EISA)总线等。通信总线52可以分为地址总线、数据总线、控制总线等。为便于表示,图16中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
其中,存储器54可以包括易失性存储器(英文:volatile memory),例如随机存取存储器(英文:random-access memory,缩写:RAM);存储器也可以包括非易失性存储器(英文:non-volatile memory),例如快闪存储器(英文:flash memory),硬盘(英文:hard diskdrive,缩写:HDD)或固态硬盘 (英文:solid-state drive,缩写:SSD);存储器54还可以包括上述种类的存储器的组合。
其中,处理器51可以是中央处理器(英文:central processing unit,缩写:CPU),网络处理器(英文:network processor,缩写:NP)或者CPU和NP的组合。
其中,处理器51还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路(英文:application-specific integrated circuit,缩写:ASIC),可编程逻辑器件(英文:programmable logic device,缩写:PLD)或其组合。上述PLD 可以是复杂可编程逻辑器件(英文:complex programmable logic device,缩写: CPLD),现场可编程逻辑门阵列(英文:field-programmable gate array,缩写: FPGA),通用阵列逻辑(英文:generic arraylogic,缩写:GAL)或其任意组合。
可选地,存储器54还用于存储程序指令。处理器51可以调用程序指令,实现如本申请图1、图2以及图13实施例中所示的故障诊断方法。
本发明实施例还提供了一种非暂态计算机存储介质,所述计算机存储介质存储有计算机可执行指令,该计算机可执行指令可执行上述任意方法实施例中的故障诊断方法。其中,所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random Access Memory, RAM)、快闪存储器(Flash Memory)、硬盘(Hard DiskDrive,缩写:HDD) 或固态硬盘(Solid-State Drive,SSD)等;所述存储介质还可以包括上述种类的存储器的组合。
虽然结合附图描述了本发明的实施例,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (10)
1.一种故障诊断方法,其特征在于,所述方法包括:
获取待监控设备多个振动测点对应的振动数据;
对各个所述振动测点对应的所述振动数据进行分析,生成各个所述振动测点对应的候选频谱图;
根据各个所述候选频谱图对应的幅值之间的关系,对各个所述候选频谱图进行融合处理,生成目标频谱图;
对所述目标频谱图中的幅值和频率进行分析,确定所述待监控设备对应的故障。
2.根据权利要求1所述的方法,其特征在于,所述振动数据为振动加速度数据,所述对各个所述振动测点对应的所述振动数据进行分析,生成各个所述振动测点对应的候选频谱图,包括
对各个所述振动加速度数据进行积分计算,得到各个所述振动加速度数据对应的时域振动速度数据;
对各个所述时域振动速度数据进行分析,生成各个所述候选频谱图。
3.根据权利要求2所述的方法,其特征在于,所述对各个所述时域振动速度数据进行分析,生成各个所述候选频谱图,包括:
对各个所述时域振动速度数据进行傅里叶变换,生成频域振动速度数据;
对各个所述频域振动速度数据进行分析,生成各个所述候选频谱图。
4.根据权利要求1所述的方法,其特征在于,所述根据各个所述候选频谱图对应的幅值之间的关系,对各个所述候选频谱图进行融合处理,生成目标频谱图,包括:
对各个所述候选频谱图进行分析,确定各个所述候选频谱图中各个频率对应的幅值;
针对各个所述频率,将各个所述候选频谱图在同一频率下对应的幅值进行对比,确定各个所述候选频谱图在同一频率下对应的最大幅值;
将所述最大幅值作为所述目标频谱图中对应频率的幅值,以生成所述目标频谱图。
5.根据权利要求1所述的方法,其特征在于,所述对所述目标频谱图中的幅值和频率进行分析,确定所述待监控设备对应的故障,包括:
对所述目标频谱图进行分析,确定所述目标频谱图中的最高幅值;
根据幅值与频率之间的对应关系,确定所述目标频谱图中所述最高幅值对应的目标频率;
根据频率与部件之间的对应关系,确定所述待监控设备对应的故障发生的部件。
6.根据权利要求1所述的方法,其特征在于,所述获取待监控设备多个振动测点对应的振动数据,包括:
利用连接到同一振动数据采集站的多个采集设备同时采集所述待监控设备对应的所述多个振动测点对应的振动数据,其中,所述多个采集设备对应的采集参数相同。
7.一种故障诊断装置,其特征在于,包括:
获取模块,用于获取待监控设备多个振动测点对应的振动数据;
生成模块,用于对各个所述振动测点对应的所述振动数据进行分析,生成各个所述振动测点对应的候选频谱图;
融合模块,用于根据各个所述候选频谱图对应的幅值之间的关系,对各个所述候选频谱图进行融合处理,生成目标频谱图;
确定模块,用于对所述目标频谱图中的幅值和频率进行分析,确定所述待监控设备对应的故障。
8.根据权利要求7所述的装置,其特征在于,所述生成模块,用于对各个所述振动加速度数据进行积分计算,得到各个所述振动加速度数据对应的时域振动速度数据;对各个所述时域振动速度数据进行分析,生成各个所述候选频谱图。
9.一种电子设备,其特征在于,包括存储器和处理器,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行权利要求1-6中任一项所述的故障诊断方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使计算机执行权利要求1-6中任一项所述的故障诊断方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211341315.3A CN115931319B (zh) | 2022-10-27 | 2022-10-27 | 故障诊断方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211341315.3A CN115931319B (zh) | 2022-10-27 | 2022-10-27 | 故障诊断方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115931319A true CN115931319A (zh) | 2023-04-07 |
CN115931319B CN115931319B (zh) | 2023-10-10 |
Family
ID=86551513
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211341315.3A Active CN115931319B (zh) | 2022-10-27 | 2022-10-27 | 故障诊断方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115931319B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116256054A (zh) * | 2023-05-15 | 2023-06-13 | 广东电网有限责任公司阳江供电局 | 一种桥臂电抗器的故障监测方法、***、设备和介质 |
CN116643536A (zh) * | 2023-07-27 | 2023-08-25 | 中科航迈数控软件(深圳)有限公司 | 设备工作状态的监测方法、装置、电子设备及介质 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11331295A (ja) * | 1998-05-19 | 1999-11-30 | Taisei Corp | スペクトルパターンによる通信方法 |
JP2008216005A (ja) * | 2007-03-02 | 2008-09-18 | Nec Corp | アクティブソーナー装置 |
TW201022698A (en) * | 2008-12-10 | 2010-06-16 | Ind Tech Res Inst | Diagnosis method for diagnosing fault in operation of a motor fault and diagnosis device using the same |
CN103674545A (zh) * | 2013-11-26 | 2014-03-26 | 成都阜特科技股份有限公司 | 一种机械故障侦测方法 |
CN110503620A (zh) * | 2019-07-31 | 2019-11-26 | 茂莱(南京)仪器有限公司 | 一种基于傅立叶频谱提取的图像融合方法 |
US20200225117A1 (en) * | 2019-01-15 | 2020-07-16 | Computational Systems, Inc. | Bearing and Fault Frequency Identification From Vibration Spectral Plots |
CN112232414A (zh) * | 2020-10-16 | 2021-01-15 | 广东石油化工学院 | 一种基于x,y双测点频谱数据的三重并发故障分析方法 |
WO2021036637A1 (zh) * | 2019-04-26 | 2021-03-04 | 深圳市豪视智能科技有限公司 | 齿轮组异常的检测方法及相关产品 |
CN113567127A (zh) * | 2021-07-23 | 2021-10-29 | 西安交通大学 | 一种基于时频特征分离的滚动轴承退化指标提取方法 |
CN113607415A (zh) * | 2021-06-25 | 2021-11-05 | 宝鸡文理学院 | 一种变转速下基于短时随机共振的轴承故障诊断方法 |
CN113654798A (zh) * | 2021-08-18 | 2021-11-16 | 西人马(深圳)科技有限责任公司 | 故障诊断方法、装置及电子设备 |
CN114112400A (zh) * | 2021-12-01 | 2022-03-01 | 盐城工学院 | 一种基于多角度信息融合的机械轴承故障诊断方法 |
CN114282580A (zh) * | 2021-12-31 | 2022-04-05 | 湖南大学 | 一种基于视觉图像的永磁驱动电机退磁故障诊断模型构建方法及故障诊断方法和*** |
CN114689320A (zh) * | 2020-12-30 | 2022-07-01 | 北京金风科创风电设备有限公司 | 风电机组轴承故障检测方法、装置、控制器及存储介质 |
-
2022
- 2022-10-27 CN CN202211341315.3A patent/CN115931319B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11331295A (ja) * | 1998-05-19 | 1999-11-30 | Taisei Corp | スペクトルパターンによる通信方法 |
JP2008216005A (ja) * | 2007-03-02 | 2008-09-18 | Nec Corp | アクティブソーナー装置 |
TW201022698A (en) * | 2008-12-10 | 2010-06-16 | Ind Tech Res Inst | Diagnosis method for diagnosing fault in operation of a motor fault and diagnosis device using the same |
CN103674545A (zh) * | 2013-11-26 | 2014-03-26 | 成都阜特科技股份有限公司 | 一种机械故障侦测方法 |
US20200225117A1 (en) * | 2019-01-15 | 2020-07-16 | Computational Systems, Inc. | Bearing and Fault Frequency Identification From Vibration Spectral Plots |
WO2021036637A1 (zh) * | 2019-04-26 | 2021-03-04 | 深圳市豪视智能科技有限公司 | 齿轮组异常的检测方法及相关产品 |
CN110503620A (zh) * | 2019-07-31 | 2019-11-26 | 茂莱(南京)仪器有限公司 | 一种基于傅立叶频谱提取的图像融合方法 |
CN112232414A (zh) * | 2020-10-16 | 2021-01-15 | 广东石油化工学院 | 一种基于x,y双测点频谱数据的三重并发故障分析方法 |
CN114689320A (zh) * | 2020-12-30 | 2022-07-01 | 北京金风科创风电设备有限公司 | 风电机组轴承故障检测方法、装置、控制器及存储介质 |
CN113607415A (zh) * | 2021-06-25 | 2021-11-05 | 宝鸡文理学院 | 一种变转速下基于短时随机共振的轴承故障诊断方法 |
CN113567127A (zh) * | 2021-07-23 | 2021-10-29 | 西安交通大学 | 一种基于时频特征分离的滚动轴承退化指标提取方法 |
CN113654798A (zh) * | 2021-08-18 | 2021-11-16 | 西人马(深圳)科技有限责任公司 | 故障诊断方法、装置及电子设备 |
CN114112400A (zh) * | 2021-12-01 | 2022-03-01 | 盐城工学院 | 一种基于多角度信息融合的机械轴承故障诊断方法 |
CN114282580A (zh) * | 2021-12-31 | 2022-04-05 | 湖南大学 | 一种基于视觉图像的永磁驱动电机退磁故障诊断模型构建方法及故障诊断方法和*** |
Non-Patent Citations (1)
Title |
---|
苏维均;杨飞;于重重;程晓卿;崔世杰;: "基于局部频谱的滚动轴承故障特征提取方法", 电子学报, no. 01 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116256054A (zh) * | 2023-05-15 | 2023-06-13 | 广东电网有限责任公司阳江供电局 | 一种桥臂电抗器的故障监测方法、***、设备和介质 |
CN116256054B (zh) * | 2023-05-15 | 2023-08-04 | 广东电网有限责任公司阳江供电局 | 一种桥臂电抗器的故障监测方法、***、设备和介质 |
CN116643536A (zh) * | 2023-07-27 | 2023-08-25 | 中科航迈数控软件(深圳)有限公司 | 设备工作状态的监测方法、装置、电子设备及介质 |
CN116643536B (zh) * | 2023-07-27 | 2023-10-27 | 中科航迈数控软件(深圳)有限公司 | 设备工作状态的监测方法、装置、电子设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115931319B (zh) | 2023-10-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115931319B (zh) | 故障诊断方法、装置、电子设备及存储介质 | |
CN108985279B (zh) | 多功能车辆总线mvb波形的故障诊断方法及装置 | |
CN109523752B (zh) | 一种设备故障预警方法、装置、电子设备和介质 | |
WO2016206056A1 (zh) | 断路器的检测方法、装置及*** | |
KR20200075148A (ko) | 문제소음 발음원 식별을 위한 소음데이터의 인공지능 장치 및 전처리 방법 | |
JP2017075795A (ja) | 故障診断システム | |
CN111027531A (zh) | 指针式仪表信息识别方法、装置及电子设备 | |
CN113654798A (zh) | 故障诊断方法、装置及电子设备 | |
CN112985867B (zh) | 舵机测试方法、装置、设备及存储介质 | |
CN117368623B (zh) | 一种可对拖的储能逆变器老化检验方法、***及介质 | |
CN114639391A (zh) | 机械故障提示方法、装置、电子设备及存储介质 | |
CN112541163A (zh) | 载荷谱数据的处理方法、装置及电子设备 | |
CN117590172A (zh) | 应用于变压器的局部放电声电联合定位方法、装置和设备 | |
CN110988673B (zh) | 电机转子故障检测方法、装置及终端设备 | |
CN112731030A (zh) | 一种电子元器件的检测方法、装置、终端设备及存储介质 | |
CN111222414A (zh) | 马达异常检测方法、装置及计算机存储介质 | |
CN113419126B (zh) | 性能参数记录方法、装置、变频器、空调设备及存储介质 | |
CN113168739B (zh) | 用于检查至少一台车辆的方法以及电子计算装置 | |
CN115643231A (zh) | 车载终端设备检测的方法、装置、电子设备及存储介质 | |
CN116643170B (zh) | 电机轴系振动测试方法、装置和计算机设备 | |
CN115655764B (zh) | 振动趋势分析方法、装置、电子设备及存储介质 | |
CN116699313B (zh) | 一种用于线路保护的多分支线路故障自检方法及装置 | |
CN115618206A (zh) | 干扰数据确定方法、装置、电子设备及存储介质 | |
TWI712944B (zh) | 利用聲音監控設備之方法 | |
CN116994609B (zh) | 应用于智能生产线的数据分析方法及*** |
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 |