专利名称：一种高速旋转器件故障诊断装置及其诊断方法
技术领域：
本发明涉及一种高速旋转器件故障诊断装置及其诊断方法。
背景技术：
随着科学技术的飞速发展，机械装备中高速旋转器件的应用更加广泛。高速旋转器件的使用不仅提高了机器运转效率，而且使得机器制造向复杂化、综合化等高度自动化方向发展，但大量高速旋转器件的集成也造成了机械结构设备日益复杂。因此，在机械装备中，高速旋转器件运行状况的实时监测是维护机械装备整体良好运行状况的重要保证。其中，在监测过程中，高速旋转器件运动状态故障类型的分类诊断是监测设备必备的重要功能。如果高速旋转器件一旦发生故障将影响另一部分发生故障，最终影响整台设备的性能，造成巨大的经济损失和人员伤亡。传统的定期检修和事后维修的维修成本高、效率低和缺乏事故预见能力。预报潜在的故障并采取措施，不仅能够避免机械装备故障，而且能够节省维修费用，因此对机械装备中高速旋转器件故障的实时监测诊断具有重要的意义。
发明内容
本发明目的在于提供一种高速旋转器件故障诊断装置及其诊断方法。本发明为实现上述目的，采用如下技术方案一种高速旋转器件故障诊断装置，其特征在于其包括轨道基、轨道、高速旋转器件和故障诊断设备；所述高速旋转器件沿轨道在轨道基上高速旋转，其上设置有监测点；所述故障诊断设备正对着所述监测点，固定在轨道基上；所述故障诊断设备为非接触监测装置，具有信号采集、信号脉冲特征提取和故障类型判别的功能，用于采集监测点的信号。其进一步特征在于所述故障诊断设备还包括声音、光电指示灯，用于准确提示故障类型。—种高速旋转器件故障诊断方法，包括下述步骤(I)对故障模式进行定义，Al模式高速旋转器件脱离轨道;A2模式高速旋转器件静止不动；A3模式高速旋转器件间歇旋转；A4模式高速旋转器件速度偏低；A5模式高速旋转器件严重磨损，速度正常，脉冲信号占空比变�。�(2)故障诊断设备采用非接触方式采集高速旋转器件的时频信号，所述信号为一维信号或者二维信号，采集信号后，对高速旋转器件对应的时频信号进行稀疏表示；(3)通过时频信号进行稀疏表示的方法提取高速旋转器件特征，在信号特征提取时，分别提取高速旋转器件时频能量分布统计特征，时域和频域分布的能量均值￡、能量最大值Emax、能量最小值Emin、能量极差Ed，以及能量分布满足特殊分布函数或者谱模型时，原始时域信号的统计特征；将提取的各类特征组合为特征集F{ · }用于描述步骤(I)中高速旋转器件故障模式；(4)对故障模式进行编码，不同的特征集？{ · }对应于不同的故障模式编码；(5)对于故障诊断设备后续实时采集的高速旋转器件的特征集？{ · }通过如人工
3神经网络方法、支持向量机、随机森林、Bagging算法和Boosting算法的模式判别的方法，与事先定义的故障模式特征集？{ · }进行判别，构建特征集合特征集？{ · }与故障模式编码之间的线性或非线性映射关系，实现对应故障类型的判别。其进一步特征在于所述步骤(2)中时频信号进行稀疏表示的方法为如Gabor变换，小波变换的线性时频分析法；如Wigner-Ville分布谱分析的双线性时频分析法；如基于基函数分解表示的投影追踪算法和匹配追踪算法的自适应信号分解方法；以及应用Hilbert-Huang时频分析法与线性、双线性时频分析方法和自适应分解方法的组合。本发明首先定义故障模式及采集对应故障模式下高速旋转器件的特征集？{ · }，然后通过特定的算法对后续实时采集的高速旋转器件的特征集F{ · }进行判别，实现对应故障类型的判别。相比于定期的检测维护和事故后维修，本发明可以实现高速旋转器件运动状态的实时监测，对故障进行分类预警，避免因高速旋转器件的故障造成整台机械装备的损坏。
图I为本发明高速旋转器件故障诊断装置示意图。
具体实施例方式如图I所示一种高速旋转器件故障诊断装置，其包括轨道基I、轨道2、高速旋转器件3和故障诊断设备4 ;所述高速旋转器件3沿轨道2在轨道基I上高速旋转，其上设置有监测点；所述故障诊断设备4正对着所述监测点，固定在轨道基I上；所述故障诊断设备4为非接触监测装置，具有信号采集、信号脉冲特征提取和故障类型判别的功能，用于采集监测点的信号。所述故障诊断设备还包括声音、光电指示灯，用于准确提示故障类型。一种高速旋转器件故障诊断方法，包括下述步骤(I)对故障模式进行定义，Al模式高速旋转器件脱离轨道;A2模式高速旋转器件静止不动；A3模式高速旋转器件间歇旋转；A4模式高速旋转器件速度偏低；A5模式高速旋转器件严重磨损，速度正常，脉冲信号占空比变�。�(2)故障诊断设备采用非接触方式采集高速旋转器件的时频信号，所述信号为一维信号或者二维信号，采集信号后，对高速旋转器件对应的时频信号进行稀疏表示；(3)通过时频信号进行稀疏表示的方法提取高速旋转器件特征，在信号特征提取时，分别提取高速旋转器件时频能量分布统计特征，时域和频域分布的能量均值￡、能量最大值Emax、能量最小值Emin、能量极差Ed，以及能量分布满足特殊分布函数或者谱模型时，原始时域信号的统计特征；将提取的各类特征组合为特征集F{ · }用于描述步骤(I)中高速旋转器件故障模式；(4)对故障模式进行编码，不同的特征集？{ · }对应于不同的故障模式编码；(5)对于故障诊断设备后续实时采集的高速旋转器件的特征集？{ · }通过如人工神经网络方法、支持向量机、随机森林、Bagging算法和Boosting算法的模式判别的方法，与事先定义的故障模式特征集？{ · }进行判别，构建特征集合特征集？{ · }与故障模式编码之间的线性或非线性映射关系，实现对应故障类型的判别。
4
所述步骤(2)中时频信号进行稀疏表示的方法为如Gabor变换，小波变换的线性时频分析法；如Wigner-Ville分布谱分析的双线性时频分析法；如基于基函数分解表示的投影追踪算法和匹配追踪算法的自适应信号分解方法；以及应用Hilbert-Huang时频分析法与线性、双线性时频分析方法和自适应分解方法的组合。下述为一实例当高速旋转器件质量为O. 023克，其做匀速圆周运动的轨道内径为42mm时，高速运动器件从静止达到稳定速度48. 4米/秒，该高速旋转器件线加速度高达10000m/S2。根据实际情况，我们定义该高速旋转器件的故障类型为Al模式高速旋转器件脱离轨道；A2模式高速旋转器件静止不动；A3模式高速旋转器件间歇旋转；A4模式高速旋转器件速度偏低；A5模式高速旋转器件严重磨损，速度正常，脉冲信号占空比变小。采用自主研发的非接触式光电信号采集器采集100个高速旋转器件出现上述5种故障对应的脉冲信号，并提取各故障对应脉冲信号的占空比、周期、幅值最大值和幅值均值为特征集F { ·}，从而形成100个故障样本。然后采这100个故障样本对故障类型分类器进行训练，当分类器满足预设分类准确率时，停止训练。将训练完成的分类器用于故障诊断，并采用200个新样本对故障分类器进行检验，发现该方法对200个新样本对应故障的正确诊断率为100%。
权利要求
1.一种高速旋转器件故障诊断装置，其特征在于其包括轨道基、轨道、高速旋转器件和故障诊断设备；所述高速旋转器件沿轨道在轨道基上高速旋转，其上设置有监测点；所述故障诊断设备正对着所述监测点，固定在轨道基上；所述故障诊断设备为非接触监测装置，具有信号采集、信号脉冲特征提取和故障类型判别的功能，用于采集监测点的信号。
2.根据权利要求I所述的高速旋转器件故障诊断装置，其特征在于所述故障诊断设备还包括声音、光电指示灯，用于准确提示故障类型。
3.一种高速旋转器件故障诊断方法，包括下述步骤 (1)对故障模式进行定义，Al模式高速旋转器件脱离轨道;A2模式高速旋转器件静止不动；A3模式高速旋转器件间歇旋转；A4模式高速旋转器件速度偏低；A5模式高速旋转器件严重磨损，速度正常，脉冲信号占空比变�。� (2)故障诊断设备采用非接触方式采集高速旋转器件的时频信号，所述信号为一维信号或者二维信号，采集信号后，对高速旋转器件对应的时频信号进行稀疏表示； (3)通过时频信号进行稀疏表示的方法提取高速旋转器件特征，在信号特征提取时，分别提取高速旋转器件时频能量分布统计特征，时域和频域分布的能量均值￡、能量最大值Emax、能量最小值Emin、能量极差Ed，以及能量分布满足特殊分布函数或者谱模型时，原始时域信号的统计特征；将提取的各类特征组合为特征集F{ · }用于描述步骤(I)中高速旋转器件故障模式； (4)对故障模式进行编码，不同的特征集？{· }对应于不同的故障模式编码； (5)对于故障诊断设备后续实时采集的高速旋转器件的特征集？{· }通过如人工神经网络方法、支持向量机、随机森林、Bagging算法和Boosting算法的模式判别的方法,与事先定义的故障模式特征集F{ · }进行判别，构建特征集合特征集？{ · }与故障模式编码之间的线性或非线性映射关系，实现对应故障类型的判别。
4.根据权利要求3所述的高速旋转器件故障诊断方法，其特征在于所述步骤(2)中时频信号进行稀疏表示的方法为如Gabor变换，小波变换的线性时频分析法；如Wigner-Ville分布谱分析的双线性时频分析法；如基于基函数分解表示的投影追踪算法和匹配追踪算法的自适应信号分解方法；以及应用Hilbert-Huang时频分析法与线性、双线性时频分析方法和自适应分解方法的组合。
全文摘要
本发明公布了一种高速旋转器件故障诊断装置，其特征在于其包括轨道基、轨道、高速旋转器件和故障诊断设备。一种高速旋转器件故障诊断方法，首先定义故障模式及采集对应故障模式下高速旋转器件的特征集F{·}，然后通过特定的算法对后续实时采集的高速旋转器件的特征集F{·}进行判别，实现对应故障类型的判别。相比于定期的检测维护和事故后维修，本发明可以实现高速旋转器件运动状态的实时监测，对故障进行分类预警，避免因高速旋转器件的故障造成整台机械装备的损坏。
文档编号G01M13/00GK102928211SQ20121041323
公开日2013年2月13日 申请日期2012年10月25日 优先权日2012年10月25日
发明者徐阳, 刘基宏, 高卫东, 刘建立 申请人:江南大学
专业数控铣床产品供应商
20年生产经验，实力工厂，精工品质，质量有保障
