一種旋轉設備故障預測裝置的製作方法
2023-07-25 16:39:11 1
專利名稱：一種旋轉設備故障預測裝置的製作方法
技術領域：
本實用新型涉及一種機械故障預測裝置，特別是關於一種用於旋轉設備在線狀態 檢測領域中的旋轉設備故障預測裝置。
背景技術：
對旋轉設備運行的狀態監測和故障檢測，人們一直以來都十分關心與重視。保障 設備的安全可靠運行，不僅能提高生產效率還能降低設備維護成本。對於大中型機械設備 來說，傳統的維護方式是「以時間為基礎的預防性維護」也稱定期維護，這種維護方式的主 要特點是不論設備是否有故障都按人為計劃的時間定期檢修，為避免重要機械設備意外停 產而造成巨大的經濟損失，周期性強制維護的時間周期往往留有較大的安全係數，因而這 種維護方式是不經濟的。但是，在不掌握機械設備當前狀態和無法預測未來發展的情況下 不得已而採用。預知維護(也稱狀態維護)是國際上的一項新興設備動態維護方式，可以從根本 上改變原有的設備維修制度，它是通過對機械設備的運行狀態做監測及預測來取代以時間 為基礎的定期檢修方式，並稱之「以狀態為基礎的預知維護方式」，其原則是只有當監測、 分析和預測結果表明有必要維修時才進行或準備進行維修。這種現代化維護方式能監測和 預報設備的故障和維護日期，甚至能判別和預測故障的性質和部位，做到有目的地進行檢 修。預知維修這種現代化的維護方式可以提高機器的利用率，延長累計維修周期，減少累計 維修次數，節約維護的費用，相應提高生產力。因而，以先進的以狀態為基礎的預知維護取 代傳統的以時間為基礎的預防性維修，成為關鍵設備和大中型設備先進維護方式的發展趨 勢。但是，在工業現場使用的大量機械設備，其中許多關鍵設備功率大、負載重且不穩定、工 況較惡劣，需要採取措施保證機械設備的正常運行和對其施行科學的維護。針對不同的機 械設備採用哪一種故障預測方法是最有效與最經濟，目前現有測試預測技術往往是無法確 定與衡量的。採用一種預測模型往往只能針對一種設備在特定的工況下，有效實現狀態趨 勢預測，實用面窄，在不同工況的設備中不能得到推廣應用。另外，當前工業生產越來越注 重降低成本，特別是要求在能避免機械設備發生事故的同時，儘量延長設備運行周期。為 此，迫切需要能提供及時準確預測設備狀態發展和維護信息的在線趨勢預示技術。
發明內容針對上述問題，本實用新型的目的是提供一種能實現實時在線監測、預測精度較 高且應用較為廣泛的旋轉設備故障預測裝置。為實現上述目的，本實用新型採取以下技術方案一種旋轉設備故障預測裝置，其 特徵在於它包括一供電模塊、一傳感器、一數據採集模塊、一數據歸類模塊、一時間序列預 測模塊、一灰色預測模塊、一組合預測模塊、一頻率分量幅值預測模塊、一自適應優化選擇 模塊、一顯示模塊和一系統控制模塊；所述供電模塊的輸出端分別與一傳感器和一數據採 集模塊連接，所述傳感器將檢測到的振動信號送入所述數據採集模塊內，並由所述數據採集模塊將振動信號送入一數據歸類模塊內進行分類處理後，分別傳送到一時間序列預測模 塊、一灰色預測模塊、一組合預測模塊和一頻率分量幅值預測模塊內進行預測分析；並將預 測分析後的信 號送入一自適應優化選擇模塊內做最優化選擇，最優數據由一顯示模塊顯示 並存儲；所述數據採集模塊和數據歸類模塊由一系統控制模塊控制工作。所述自適應優化選擇模塊包括四個比較器，一個時間序列預測的歷史數據存儲模 塊、一個灰色預測的歷史數據存儲模塊、一個組合預測的歷史數據存儲模塊、一個頻率分量 幅值預測的歷史數據存儲模塊、一個最優解目標函數模塊和一個比較計算器；每個所述比 較器的輸入端分別連接各預測模塊和與各預測模塊對應的所述歷史數據存儲模塊的輸出 端，每個所述比較器的輸出端一路分別與各自對應的所述歷史數據存儲模塊的輸入端連 接，另一路均與所述最優解目標函數模塊連接，所述最優解目標函數模塊的輸出端分別與 所述顯示模塊和比較計算器的一輸入端連接，所述比較計算器的另一輸入端與各所述預測 模塊的輸出端連接，所述比較計算器的輸出端與所述最優解目標函數模塊連接。所述數據採集模塊採用基於型號為PXIe-6251的十六通道數據採集卡。本實用新型由於採取以上技術方案，其具有以下優點1、本實用新型由於採用了 數據採集模塊、數據歸類模塊、時間序列預測模塊、灰色預測模塊、組合預測模塊、頻率分量 幅值預測模塊、自適應優化選擇模塊、顯示模塊和系統控制模塊組成的故障預測裝置，對旋 轉設備振動趨勢進行預測，因此這樣的模塊化處理不僅能適應不同旋轉設備的需要，還能 實現對旋轉設備狀態進行實時在線預測功能。2、本實用新型由於採用了時間序列預測模 塊、灰色預測模塊、組合預測模塊和頻率分量幅值預測模塊四種預測模型，對旋轉設備進行 故障預測分析，且對多種振動趨勢預測模型有自適應判斷方法，因此使得最優預測結果有 很高的判斷成功率。3、本實用新型由於採用多種預測模型的趨勢預測方法，不僅能提供多 種預測模型處理得到的預測結果，並且通過顯示模塊能實時顯示歷史數據預測的預測誤差 值，具有較高的判斷價值。4、本實用新型由於採用可不斷擴展振動趨勢預測模型，利用計算 機的高計算速度和大存儲量，能實現大量歷史數據的保存和複雜的趨勢預測數位化計算。 本實用新型可廣泛應用於各種旋轉設備的故障預測檢測分析中。
圖1是本實用新型的整個裝置結構示意圖，圖2是本實用新型的自適應優化選擇模塊結構示意圖。
具體實施方式
以下結合附圖和實施例對本實用新型進行詳細的描述。如圖1所示，本實用新型包括一供電模塊1、一傳感器2、一數據採集模塊3、一數據 歸類模塊4、一時間序列預測模塊5、一灰色預測模塊6、一組合預測模塊7、一頻率分量幅值 預測模塊8、一自適應優化選擇模塊9、一顯示模塊10和一系統控制模塊11 ；供電模塊1的 輸出端分別與傳感器2和數據採集模塊3連接，實現為其供電功能。傳感器2將檢測到的 振動信號送入數據採集模塊3內，再由數據採集模塊3將振動信號送入數據歸類模塊4內 進行分類處理後，分別傳送到時間序列預測模塊5、灰色預測模塊6、組合預測模塊7和頻率 分量幅值預測模塊8內進行預測分析。並將預測分析後的信號送入一自適應優化選擇模塊9內做最優化選擇，最優數據由顯示模塊10顯示實時狀態波形並存儲。其中，數據採集模塊3和數據歸類模塊4由系統控制模塊11控制工作，可以通過系統控制模塊11來設定數 據採集狀態，並能保證系統的可靠運行。如圖2所示，本實用新型的自適應優化選擇模塊9包括四個比較器12、一個時間序 列預測的歷史數據存儲模塊13、一個灰色預測的歷史數據存儲模塊14、一個組合預測的歷 史數據存儲模塊15、一個頻率分量幅值預測的歷史數據存儲模塊16、一個最優解目標函數 模塊17和一個比較計算器18。每個比較器12的輸入端分別連接各預測模塊和與各預測 模塊對應的各歷史數據存儲模塊13 16的輸出端，每個比較器12的輸出端一路分別與各 自對應的歷史數據存儲模塊13 16的輸入端連接，將各預測模塊輸出的當前實際振動信 號與各歷史數據存儲模塊13 16內的歷史數據進行比較；另一路均與最優解目標函數模 塊17連接，最優解目標函數模塊17的輸出端分別與顯示模塊10和比較計算器18的一輸 入端連接，將最優預測值送入比較計算器18內，與所有輸入比較計算器18內的當前實際振 動信號進行比較；比較計算器18的另一輸入端與各預測模塊的輸出端連接，比較計算器18 的輸出端與最優解目標函數模塊17連接。上述實施例中，數據採集模塊3採用基於型號為PXIe-6251的十六通道數據採集 卡。該採集卡能夠採集的信號包括振動信號是壓電式的加速度傳感器信號；溫度信號是 PT100鉬銠電阻溫度變送器信號；脈衝信號是頻率範圍IOOHz 50MHz，脈寬及延遲IOns 5ms，前後沿彡5ns，響應範圍0. 5 IOV的脈衝信號。本實用新型是根據旋轉設備振動趨勢情況，進而選擇故障預測模型，實現對旋轉 設備狀態進行預測預報。其具體步驟如下1)根據旋轉設備運行情況，確定在正常工作狀態下，由故障預測裝置內的數據採 集模塊在線採集相應的適合時間序列預測模塊、灰色預測模塊、組合預測模塊和頻率分量 幅值預測模塊的振動信號，並將振動信號預處理後存入知識庫，作為各種預測模型的歷史 數據。2)根據旋轉設備運行情況，由故障預測裝置內的數據採集模塊實時在線採集各種 情況下的振動信號，並將振動信號預處理後存入數據歸類模塊內的知識庫，作為各種預測 模型的當前信號數據。3)利用由時間序列預測模型、灰色預測模型(Gray model，簡稱GM)、由灰色預測 模型(GM)和自回歸模型(AR)組成的組合模型(GMAR)，以及頻率分量幅值預測模型組成的 趨勢預測方法，對保存在知識庫中的歷史數據進行分析，得到旋轉設備運行狀態將來的發 展趨勢，其包括以下步驟步驟一、針對不同的預測模型，統一定義目標選擇函數F(Mp)為F(Mp) = f (M, R, w, θ，S，δ ) (1)其中，Mp為最優目標預測模型，ρ為四種預測模型中的一種，即P = 1,2,3,4 ；M為預測模型；i (M，k) = Y(M, k)-Y{M,幻為不同預測模型的預測精度，其中，Y= {Y(M， k) |k= 1,2,…，η}為原始序列，Y(M，k)為各種預測模型所需的振動原始數據；k)
為預測數據；w = |f(M，k)/Y(M, Α:)μ = 1，2，···,η|χ100% 為置信度；θ (M，k)為閾值；
為目標函數解與實際值的均方根誤差；k為預測計算的歷史數據 個數。步驟二、根據上述公式(1)可以得到預測數據&M，0的預測誤差序列^為 由公式⑵可以得到平均絕對誤差I1為
(3) 由公式⑵、(3)可以得到預測誤差序列ε ^的標準差S1為 步驟三、根據目標選擇函數F(Ms)以及預測誤差序列ε C1的標準SS1，對趨勢預 測方法內的四種模型進行優化選擇，進而得到最小的預測誤差^nin(M)和最大的置信度 Xmax(M)分別為
(5)
(6)步驟四、根據由公式(5)和公式(6)得到的最小預測誤差^^M1)和最大置信度 X max(M2)，得到最優目標函數F(Mp)，進而確定最優預測模型Mp，其中最優目標函數F(Mp)
為
( 7)4)根據旋轉設備運行情況，將下一時刻採集的最新振動信號分析處理後，與前一 時刻由趨勢預測方法內四種模型得到的結果進行比較。5)分析比較結果，根據旋轉設備，按照最優目標函數F(Ms)得到的最優預測模型 Ms，作為本時刻的精確預測方法，並由顯示模塊顯示下一時刻的預測值。綜上所述，本實用新型能實現針對不同旋轉設備，建立不同的故障模式原因集和 推理機制，並根據國家標準、歷史檔案、專家經驗、客觀依據以及外界條件變化確定動態趨 勢預測決策優化的判斷準則，對不同應用對象和不同故障模式實現自適應優化的判斷和決 策。上述各實施例僅是本實用新型的優選實施方式，在本技術領域內，凡是基於本實 用新型技術方案上的變化和改進，不應排除在本實用新型的保護範圍之外。
權利要求一種旋轉設備故障預測裝置，其特徵在於它包括一供電模塊、一傳感器、一數據採集模塊、一數據歸類模塊、一時間序列預測模塊、一灰色預測模塊、一組合預測模塊、一頻率分量幅值預測模塊、一自適應優化選擇模塊、一顯示模塊和一系統控制模塊；所述供電模塊的輸出端分別與一傳感器和一數據採集模塊連接，所述傳感器將檢測到的振動信號送入所述數據採集模塊內，並由所述數據採集模塊將振動信號送入一數據歸類模塊內進行分類處理後，分別傳送到一時間序列預測模塊、一灰色預測模塊、一組合預測模塊和一頻率分量幅值預測模塊內進行預測分析；並將預測分析後的信號送入一自適應優化選擇模塊內做最優化選擇，最優數據由一顯示模塊顯示並存儲；所述數據採集模塊和數據歸類模塊由一系統控制模塊控制工作。
2.如權利要求1所述的一種旋轉設備故障預測裝置，其特徵在於所述自適應優化選 擇模塊包括四個比較器，一個時間序列預測的歷史數據存儲模塊、一個灰色預測的歷史數 據存儲模塊、一個組合預測的歷史數據存儲模塊、一個頻率分量幅值預測的歷史數據存儲 模塊、一個最優解目標函數模塊和一個比較計算器；每個所述比較器的輸入端分別連接各預測模塊和與各預測模塊對應的所述歷史數據 存儲模塊的輸出端，每個所述比較器的輸出端一路分別與各自對應的所述歷史數據存儲模 塊的輸入端連接，另一路均與所述最優解目標函數模塊連接，所述最優解目標函數模塊的 輸出端分別與所述顯示模塊和比較計算器的一輸入端連接，所述比較計算器的另一輸入端 與各所述預測模塊的輸出端連接，所述比較計算器的輸出端與所述最優解目標函數模塊連 接。
3.如權利要求1或2所述的一種旋轉設備故障預測裝置，其特徵在於所述數據採集 模塊採用基於型號為PXIe-6251的十六通道數據採集卡。
專利摘要本實用新型涉及一種旋轉設備故障預測裝置，它包括供電模塊，供電模塊的輸出端分別與傳感器和數據採集模塊連接，傳感器將檢測到的振動信號送入數據採集模塊內，並由數據採集模塊將振動信號送入數據歸類模塊內進行分類處理後，分別傳送到時間序列預測模塊、灰色預測模塊、組合預測模塊和頻率分量幅值預測模塊內進行預測分析；並將預測分析後的信號送入自適應優化選擇模塊內做最優化選擇，最優數據由顯示模塊顯示並存儲；數據採集模塊和數據歸類模塊由系統控制模塊控制工作。本實用新型採用模塊化結構的故障預測裝置，對旋轉設備振動趨勢進行預測，能適應不同旋轉設備需要，還能實現對旋轉設備狀態進行實時在線預測。本實用新型可廣泛應用於各種旋轉設備的故障預測檢測分析中。
文檔編號G01H17/00GK201637483SQ20102010182
公開日2010年11月17日 申請日期2010年1月27日 優先權日2010年1月27日
發明者吳國新, 徐小力, 王紅軍, 谷玉海 申請人:北京信息科技大學