专利名称：一种旋转设备故障预测装置的制作方法
技术领域：
本实用新型涉及一种机械故障预测装置，特别是关于一种用于旋转设备在线状态 检测领域中的旋转设备故障预测装置。
背景技术：
对旋转设备运行的状态监测和故障检测，人们一直以来都十分关心与重视。保障 设备的安全可靠运行，不仅能提高生产效率还能降低设备维护成本。对于大中型机械设备 来说，传统的维护方式是“以时间为基础的预防性维护”也称定期维护，这种维护方式的主 要特点是不论设备是否有故障都按人为计划的时间定期检修，为避免重要机械设备意外停 产而造成巨大的经济损失，周期性强制维护的时间周期往往留有较大的安全系数，因而这 种维护方式是不经济的。但是，在不掌握机械设备当前状态和无法预测未来发展的情况下 不得已而采用。预知维护(也称状态维护)是国际上的一项新兴设备动态维护方式，可以从根本 上改变原有的设备维修制度，它是通过对机械设备的运行状态做监测及预测来取代以时间 为基础的定期检修方式，并称之“以状态为基础的预知维护方式”，其原则是只有当监测、 分析和预测结果表明有必要维修时才进行或准备进行维修。这种现代化维护方式能监测和 预报设备的故障和维护日期，甚至能判别和预测故障的性质和部位，做到有目的地进行检 修。预知维修这种现代化的维护方式可以提高机器的利用率，延长累计维修周期，减少累计 维修次数，节约维护的费用，相应提高生产力。因而，以先进的以状态为基础的预知维护取 代传统的以时间为基础的预防性维修，成为关键设备和大中型设备先进维护方式的发展趋 势。但是，在工业现场使用的大量机械设备，其中许多关键设备功率大、负载重且不稳定、工 况较恶劣，需要采取措施保证机械设备的正常运行和对其施行科学的维护。针对不同的机 械设备采用哪一种故障预测方法是最有效与最经济，目前现有测试预测技术往往是无法确 定与衡量的。采用一种预测模型往往只能针对一种设备在特定的工况下，有效实现状态趋 势预测，实用面窄，在不同工况的设备中不能得到推广应用。另外，当前工业生产越来越注 重降低成本，特别是要求在能避免机械设备发生事故的同时，尽量延长设备运行周期。为 此，迫切需要能提供及时准确预测设备状态发展和维护信息的在线趋势预示技术。
发明内容针对上述问题，本实用新型的目的是提供一种能实现实时在线监测、预测精度较 高且应用较为广泛的旋转设备故障预测装置。为实现上述目的，本实用新型采取以下技术方案一种旋转设备故障预测装置，其 特征在于它包括一供电�？�、一传感器、一数据采集�？�、一数据归类�？椤⒁皇奔湫蛄性� 测�？�、一灰色预测�？�、一组合预测�？椤⒁黄德史至糠翟げ饽？�、一自适应优化选择 �？椤⒁幌允灸？楹鸵幌低晨刂颇？椋凰龉┑缒？榈氖涑龆朔直鹩胍淮衅骱鸵皇莶� 集�？榱樱龃衅鹘觳獾降恼穸藕潘腿胨鍪莶杉？槟冢⒂伤鍪莶杉？榻穸藕潘腿胍皇莨槔嗄？槟诮蟹掷啻砗螅直鸫偷揭皇奔湫蛄性げ饽� 块、一灰色预测�？�、一组合预测�？楹鸵黄德史至糠翟げ饽？槟诮性げ夥治觯徊⒔� 测分析后的信 号送入一自适应优化选择�？槟谧鲎钣呕≡瘢钣攀萦梢幌允灸？橄允� 并存储；所述数据采集�？楹褪莨槔嗄？橛梢幌低晨刂颇？榭刂乒ぷ�。所述自适应优化选择�？榘ㄋ母霰冉掀鳎桓鍪奔湫蛄性げ獾睦肥荽娲⒛� 块、一个灰色预测的历史数据存储�？�、一个组合预测的历史数据存储�？�、一个频率分量 幅值预测的历史数据存储模块、一个最优解目标函数模块和一个比较计算器；每个所述比 较器的输入端分别连接各预测�？楹陀敫髟げ饽？槎杂Φ乃隼肥荽娲⒛？榈氖涑� 端，每个所述比较器的输出端一路分别与各自对应的所述历史数据存储�？榈氖淙攵肆� 接，另一路均与所述最优解目标函数�？榱樱鲎钣沤饽勘旰？榈氖涑龆朔直鹩� 所述显示�？楹捅冉霞扑闫鞯囊皇淙攵肆樱霰冉霞扑闫鞯牧硪皇淙攵擞敫魉鲈げ� �？榈氖涑龆肆樱霰冉霞扑闫鞯氖涑龆擞胨鲎钣沤饽勘旰？榱印Ｋ鍪莶杉？椴捎没谛秃盼狿XIe-6251的十六通道数据采集卡。本实用新型由于采取以上技术方案，其具有以下优点1、本实用新型由于采用了 数据采集模块、数据归类模块、时间序列预测�？�、灰色预测�？�、组合预测�？�、频率分量 幅值预测�？�、自适应优化选择模块、显示�？楹拖低晨刂颇？樽槌傻墓收显げ庾爸茫孕� 转设备振动趋势进行预测，因此这样的�？榛聿唤瞿苁视Σ煌璞傅男枰鼓� 实现对旋转设备状态进行实时在线预测功能。2、本实用新型由于采用了时间序列预测模 块、灰色预测�？�、组合预测�？楹推德史至糠翟げ饽？樗闹衷げ饽Ｐ停孕璞附� 故障预测分析，且对多种振动趋势预测模型有自适应判断方法，因此使得最优预测结果有 很高的判断成功率。3、本实用新型由于采用多种预测模型的趋势预测方法，不仅能提供多 种预测模型处理得到的预测结果，并且通过显示�？槟苁凳毕允纠肥菰げ獾脑げ馕蟛� 值，具有较高的判断价值。4、本实用新型由于采用可不断扩展振动趋势预测模型，利用计算 机的高计算速度和大存储量，能实现大量历史数据的保存和复杂的趋势预测数字化计算。 本实用新型可广泛应用于各种旋转设备的故障预测检测分析中。
图1是本实用新型的整个装置结构示意图，图2是本实用新型的自适应优化选择�？榻峁故疽馔�。
具体实施方式
以下结合附图和实施例对本实用新型进行详细的描述。如图1所示，本实用新型包括一供电模块1、一传感器2、一数据采集�？�3、一数据 归类�？�4、一时间序列预测�？�5、一灰色预测�？�6、一组合预测�？�7、一频率分量幅值 预测模块8、一自适应优化选择�？�9、一显示�？�10和一系统控制�？�11 ；供电�？�1的 输出端分别与传感器2和数据采集�？�3连接，实现为其供电功能。传感器2将检测到的 振动信号送入数据采集模块3内，再由数据采集�？�3将振动信号送入数据归类�？�4内 进行分类处理后，分别传送到时间序列预测�？�5、灰色预测模块6、组合预测�？�7和频率 分量幅值预测�？�8内进行预测分析。并将预测分析后的信号送入一自适应优化选择模块9内做最优化选择，最优数据由显示�？�10显示实时状态波形并存储。其中，数据采集�？�3和数据归类�？�4由系统控制�？�11控制工作，可以通过系统控制�？�11来设定数 据采集状态，并能保证系统的可靠运行。如图2所示，本实用新型的自适应优化选择�？�9包括四个比较器12、一个时间序 列预测的历史数据存储�？�13、一个灰色预测的历史数据存储�？�14、一个组合预测的历 史数据存储�？�15、一个频率分量幅值预测的历史数据存储�？�16、一个最优解目标函数 �？�17和一个比较计算器18。每个比较器12的输入端分别连接各预测�？楹陀敫髟げ� �？槎杂Φ母骼肥荽娲⒛？�13 16的输出端，每个比较器12的输出端一路分别与各 自对应的历史数据存储�？�13 16的输入端连接，将各预测模块输出的当前实际振动信 号与各历史数据存储�？�13 16内的历史数据进行比较；另一路均与最优解目标函数模 块17连接，最优解目标函数�？�17的输出端分别与显示模块10和比较计算器18的一输 入端连接，将最优预测值送入比较计算器18内，与所有输入比较计算器18内的当前实际振 动信号进行比较；比较计算器18的另一输入端与各预测�？榈氖涑龆肆樱冉霞扑闫�18 的输出端与最优解目标函数�？�17连接。上述实施例中，数据采集�？�3采用基于型号为PXIe-6251的十六通道数据采集 卡。该采集卡能够采集的信号包括振动信号是压电式的加速度传感器信号；温度信号是 PT100钼铑电阻温度变送器信号；脉冲信号是频率范围IOOHz 50MHz，脉宽及延迟IOns 5ms，前后沿彡5ns，响应范围0. 5 IOV的脉冲信号。本实用新型是根据旋转设备振动趋势情况，进而选择故障预测模型，实现对旋转 设备状态进行预测预报。其具体步骤如下1)根据旋转设备运行情况，确定在正常工作状态下，由故障预测装置内的数据采 集模块在线采集相应的适合时间序列预测�？�、灰色预测�？�、组合预测�？楹推德史至� 幅值预测�？榈恼穸藕牛⒔穸藕旁ご砗蟠嫒胫犊猓魑髦衷げ饽Ｐ偷睦� 数据。2)根据旋转设备运行情况，由故障预测装置内的数据采集�？槭凳痹谙卟杉髦� 情况下的振动信号，并将振动信号预处理后存入数据归类模块内的知识库，作为各种预测 模型的当前信号数据。3)利用由时间序列预测模型、灰色预测模型(Gray model，简称GM)、由灰色预测 模型(GM)和自回归模型(AR)组成的组合模型(GMAR)，以及频率分量幅值预测模型组成的 趋势预测方法，对保存在知识库中的历史数据进行分析，得到旋转设备运行状态将来的发 展趋势，其包括以下步骤步骤一、针对不同的预测模型，统一定义目标选择函数F(Mp)为F(Mp) = f (M, R, w, θ，S，δ ) (1)其中，Mp为最优目标预测模型，ρ为四种预测模型中的一种，即P = 1,2,3,4 ；M为预测模型；i (M，k) = Y(M, k)-Y{M,幻为不同预测模型的预测精度，其中，Y= {Y(M， k) |k= 1,2,…，η}为原始序列，Y(M，k)为各种预测模型所需的振动原始数据；k)
为预测数据；w = |f(M，k)/Y(M, Α:)μ = 1，2，···,η|χ100% 为置信度；θ (M，k)为阈值；
为目标函数解与实际值的均方根误差；k为预测计算的历史数据 个数。步骤二、根据上述公式(1)可以得到预测数据&M，0的预测误差序列^为 由公式⑵可以得到平均绝对误差I1为
(3) 由公式⑵、(3)可以得到预测误差序列ε ^的标准差S1为 步骤三、根据目标选择函数F(Ms)以及预测误差序列ε C1的标准SS1，对趋势预 测方法内的四种模型进行优化选择，进而得到最小的预测误差^nin(M)和最大的置信度 Xmax(M)分别为
(5)
(6)步骤四、根据由公式(5)和公式(6)得到的最小预测误差^^M1)和最大置信度 X max(M2)，得到最优目标函数F(Mp)，进而确定最优预测模型Mp，其中最优目标函数F(Mp)
为
( 7)4)根据旋转设备运行情况，将下一时刻采集的最新振动信号分析处理后，与前一 时刻由趋势预测方法内四种模型得到的结果进行比较。5)分析比较结果，根据旋转设备，按照最优目标函数F(Ms)得到的最优预测模型 Ms，作为本时刻的精确预测方法，并由显示�？橄允鞠乱皇笨痰脑げ庵�。综上所述，本实用新型能实现针对不同旋转设备，建立不同的故障模式原因集和 推理机制，并根据国家标准、历史档案、专家经验、客观依据以及外界条件变化确定动态趋 势预测决策优化的判断准则，对不同应用对象和不同故障模式实现自适应优化的判断和决 策。上述各实施例仅是本实用新型的优选实施方式，在本技术领域内，凡是基于本实 用新型技术方案上的变化和改进，不应排除在本实用新型的保护范围之外。
权利要求一种旋转设备故障预测装置，其特征在于它包括一供电�？椤⒁淮衅鳌⒁皇莶杉？�、一数据归类�？�、一时间序列预测�？椤⒁换疑げ饽？�、一组合预测�？�、一频率分量幅值预测模块、一自适应优化选择�？�、一显示�？楹鸵幌低晨刂颇？椋凰龉┑缒？榈氖涑龆朔直鹩胍淮衅骱鸵皇莶杉？榱樱龃衅鹘觳獾降恼穸藕潘腿胨鍪莶杉？槟冢⒂伤鍪莶杉？榻穸藕潘腿胍皇莨槔嗄？槟诮蟹掷啻砗螅直鸫偷揭皇奔湫蛄性げ饽？椤⒁换疑げ饽？�、一组合预测�？楹鸵黄德史至糠翟げ饽？槟诮性げ夥治觯徊⒔げ夥治龊蟮男藕潘腿胍蛔允视τ呕≡衲？槟谧鲎钣呕≡瘢钣攀萦梢幌允灸？橄允静⒋娲ⅲ凰鍪莶杉？楹褪莨槔嗄？橛梢幌低晨刂颇？榭刂乒ぷ�。
2.如权利要求1所述的一种旋转设备故障预测装置，其特征在于所述自适应优化选 择�？榘ㄋ母霰冉掀鳎桓鍪奔湫蛄性げ獾睦肥荽娲⒛？�、一个灰色预测的历史数 据存储�？�、一个组合预测的历史数据存储�？�、一个频率分量幅值预测的历史数据存储 �？�、一个最优解目标函数�？楹鸵桓霰冉霞扑闫鳎幻扛鏊霰冉掀鞯氖淙攵朔直鹆痈髟げ饽？楹陀敫髟げ饽？槎杂Φ乃隼肥� 存储�？榈氖涑龆耍扛鏊霰冉掀鞯氖涑龆艘宦贩直鹩敫髯远杂Φ乃隼肥荽娲⒛� 块的输入端连接，另一路均与所述最优解目标函数�？榱樱鲎钣沤饽勘旰？榈� 输出端分别与所述显示�？楹捅冉霞扑闫鞯囊皇淙攵肆樱霰冉霞扑闫鞯牧硪皇淙攵� 与各所述预测模块的输出端连接，所述比较计算器的输出端与所述最优解目标函数模块连 接。
3.如权利要求1或2所述的一种旋转设备故障预测装置，其特征在于所述数据采集 �？椴捎没谛秃盼狿XIe-6251的十六通道数据采集卡。
专利摘要本实用新型涉及一种旋转设备故障预测装置，它包括供电�？椋┑缒？榈氖涑龆朔直鹩氪衅骱褪莶杉？榱樱衅鹘觳獾降恼穸藕潘腿胧莶杉？槟冢⒂墒莶杉？榻穸藕潘腿胧莨槔嗄？槟诮蟹掷啻砗螅直鸫偷绞奔湫蛄性げ饽？椤⒒疑げ饽？�、组合预测�？楹推德史至糠翟げ饽？槟诮性げ夥治觯徊⒔げ夥治龊蟮男藕潘腿胱允视τ呕≡衲？槟谧鲎钣呕≡瘢钣攀萦上允灸？橄允静⒋娲ⅲ皇莶杉？楹褪莨槔嗄？橛上低晨刂颇？榭刂乒ぷ�。本实用新型采用�？榛峁沟墓收显げ庾爸茫孕璞刚穸魇平性げ猓苁视Σ煌璞感枰鼓苁迪侄孕璞缸刺惺凳痹谙咴げ�。本实用新型可广泛应用于各种旋转设备的故障预测检测分析中。
文档编号G01H17/00GK201637483SQ20102010182
公开日2010年11月17日 申请日期2010年1月27日 优先权日2010年1月27日
发明者吴国新, 徐小力, 王红军, 谷玉海 申请人:北京信息科技大学
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
