本發(fā)明涉及一種基于支持向量機和數(shù)據(jù)驅(qū)動的旋轉(zhuǎn)電機狀態(tài)監(jiān)測方法，用于各類工廠內(nèi)旋轉(zhuǎn)電機設(shè)備的振動信號的檢測、診斷與預(yù)警。

背景技術(shù)：

電動機作為核心部件，被廣泛地應(yīng)用于生產(chǎn)現(xiàn)場的各種場合。電機的分類有很多，例如伺服電機、步進電機、直流電機等等，而其基本原理都是將電能轉(zhuǎn)化為機械能，產(chǎn)生驅(qū)動轉(zhuǎn)矩應(yīng)用在生產(chǎn)的各方面。在實際的生產(chǎn)使用中，一個工廠常常需要使用大中小型的電機若干臺，從每分鐘百轉(zhuǎn)到每分鐘萬轉(zhuǎn)的電機都存在，而同樣型號的電機可能所處于的工作環(huán)境也不同，所以電機的型號差異性以及電機的使用環(huán)境也會不同程度的造成電機可靠性判斷的差異。

電動機是制造業(yè)領(lǐng)域用途最為廣泛的設(shè)備之一，其性能高低決定著生產(chǎn)流水線產(chǎn)品質(zhì)量的好壞。例如在石油冶煉行業(yè)中，發(fā)動機便用在空氣壓縮、冷卻水循環(huán)、原料進給、閥門驅(qū)動等環(huán)節(jié)。為了能夠準確掌握電動機運行情況，保證各個環(huán)節(jié)的正常工作，需要通過測量電動機的振動信號，作為分析電動機是否故障的重要依據(jù)。一方面,現(xiàn)在科學進步使得工廠日益大型化，復(fù)雜化以及分散化，設(shè)備的數(shù)量迅速上升，分布則愈加分散。設(shè)備一旦發(fā)生故障,輕則停機,造成重大的經(jīng)濟損失,重則造成設(shè)備毀壞和人生傷亡。無論什么樣的事故都會對生產(chǎn)帶來巨大影響。同時，設(shè)備維修費用在成本管理以及人員使用中占了很大的比例，如果在設(shè)備發(fā)生故障后進行維修則成本巨大?？v觀目前我國的傳統(tǒng)的制造生產(chǎn)、能源等等企業(yè)，如冶金、石化、傳統(tǒng)發(fā)電和新能源等領(lǐng)域的企業(yè)，并沒有一套成熟的、可用于實時監(jiān)測旋轉(zhuǎn)電機運行情況的系統(tǒng)。

在進行故障診斷，最初的方法就是定期停機檢修。定期停機檢修的操作成本非常高，需要中斷幾天的生產(chǎn)以及投入人員將每個設(shè)備檢測，觀察運行情況，往往效果很差。發(fā)展至今，企業(yè)偏向于指定檢修員定期巡視生產(chǎn)現(xiàn)場。這種方式依賴于檢修員的經(jīng)驗以及對旋轉(zhuǎn)電機的了解情況，缺點是同樣導(dǎo)致企業(yè)生產(chǎn)成本的增加，并且檢修員無法根據(jù)不同型號的電機做出不同的判斷，也無法將數(shù)據(jù)保存至服務(wù)器端進行綜合管理，耗費大量人力物力，也無法做到對故障的及時預(yù)判與處理。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于針對現(xiàn)有技術(shù)的不足，提供一種基于支持向量機和數(shù)據(jù)驅(qū)動的旋轉(zhuǎn)電機狀態(tài)監(jiān)測方法。

本發(fā)明的目的是通過以下技術(shù)方案來實現(xiàn)的：一種基于支持向量機和數(shù)據(jù)驅(qū)動的旋轉(zhuǎn)電機狀態(tài)監(jiān)測方法，該方法包括以下步驟：

步驟1、在旋轉(zhuǎn)電機的外殼安裝數(shù)據(jù)采集裝置，所述數(shù)據(jù)采集裝置包括加速度傳感器、電源模塊和lora通信模塊；通過數(shù)據(jù)采集裝置測量旋轉(zhuǎn)電機在健康狀態(tài)的加速度、溫度值；

步驟2、將步驟1采集的數(shù)據(jù)通過lora通信模塊發(fā)送到服務(wù)端；服務(wù)端對加速度數(shù)據(jù)進行卡爾曼濾波、積分處理，得到速度信息和位移信息；

步驟3、使用連續(xù)小波分析方法獲得加速度數(shù)據(jù)和速度數(shù)據(jù)的時頻譜圖，溫度數(shù)據(jù)的均方差值圖；通過圖分析數(shù)據(jù)判斷旋轉(zhuǎn)設(shè)備是否正常，判斷條件如下：

a)速度與加速度在時域幅值超過閾值，速度均方根值明顯偏大；

b)溫度值超過閾值；

c)除旋轉(zhuǎn)電機主頻外有其他明顯主要頻率成分存在；

d)除旋轉(zhuǎn)電機主頻外有高頻信號存在超過一定時間周期，或存在周期性信號；

若以上任意一個特征出現(xiàn)則判斷旋轉(zhuǎn)電機出現(xiàn)問題，發(fā)出警報，否則初步判斷旋轉(zhuǎn)電機正常，執(zhí)行步驟4；

步驟4、采用大量歷史加速度、速度數(shù)據(jù)代入自回歸滑動平均(arima)模型或者使用支持向量回歸模型訓練預(yù)測模型，利用前一至兩個星期的數(shù)據(jù)，預(yù)測旋轉(zhuǎn)電機當天速度運行曲線，由于旋轉(zhuǎn)電機信號為非平穩(wěn)信號，存在誤差，故采用歷史誤差矩陣對測量值補償，補償后的測量值再與真值比較，得到平均誤差；

步驟5、將步驟4得到的平均誤差值作為主要特征，再根據(jù)旋轉(zhuǎn)電機的輔助特征，利用支持向量機對旋轉(zhuǎn)電機當前情況進行分類；輔助特征包括：溫度、電機當前轉(zhuǎn)速、電機當前功率、電機當前轉(zhuǎn)速與額定轉(zhuǎn)速之比、當前功率輸出與額定功率之比、電機轉(zhuǎn)子電流大小、電機目前負載、等級；支持向量機的輸出可分為多種故障情況，若直接考慮振動三軸誤差，可判斷電機目前安裝狀態(tài)是否正常；若振動誤差過大且出現(xiàn)功率比過低，則考慮軸承是否連接正常；若出現(xiàn)誤差產(chǎn)生周期性突然增大，即誤差出現(xiàn)脈沖現(xiàn)象，則判斷軸承某處出現(xiàn)裂痕問題；若誤差周期性增大且電機功率突然下降，則判斷電機抱軸問題；若出現(xiàn)溫度過高，轉(zhuǎn)子電流過大，則判斷出現(xiàn)電壓過高、軸承過熱問題，支持向量機以振動誤差作為主要參數(shù)，參考輔助特征給出故障情況。

進一步地，所述數(shù)據(jù)采集裝置還包括濕度傳感器，通過濕度值輔助工人檢查電機運行狀況；濕度值在步驟3中可作為判斷條件輔助監(jiān)測旋轉(zhuǎn)電機健康狀況。

進一步地，所述步驟3中，利用morlet小波對原始加速度和速度數(shù)據(jù)進行小波變換得到時頻譜圖，公式為：

fd＝fa·fs/a

式中，ω(t)表示小波函數(shù)，i表示復(fù)數(shù)，t表示時間，a表示小波變換尺度，σ表示小波平移系數(shù)；表示原數(shù)據(jù)與固定尺度a下的小波函數(shù)卷積后得到的系數(shù)，x(t)表示t時刻采集的加速度值或速度值；fd表示實際頻率，fa表示小波中心頻率，fs表示采樣頻率；更改小波變換尺度即可匹配原信號的不同頻率值。

進一步地，所述步驟4中采用自回歸滑動平均(arima)模型訓練預(yù)測模型，公式為：

xt表示當前時刻預(yù)測值，xt-1,…,xt-p為人為選取的歷史數(shù)據(jù)，為自回歸系數(shù)，∈t,…,∈t-q為高斯隨機序列，θ1,…,θq為滑動平均系數(shù)，非負整數(shù)p為自回歸系數(shù)，非負整數(shù)q為滑動平均系數(shù)；

參數(shù)訓練需要前期的歷史數(shù)據(jù)代入得到參數(shù)，再利用預(yù)測時刻前一至兩個星期加速度、速度數(shù)據(jù)預(yù)測當天運行曲線。

進一步地，步驟4中所述的誤差矩陣在每一次計算后迭代更新，再利用誤差對原始測量值xt補償?shù)玫叫碌臏y量值

erorrt＝erorrt-1+et

error表示誤差值，即每一時刻真實值與預(yù)測值的差，初始值為零，和測量值的維數(shù)相同；t表示時刻，et表示在t時刻的測量誤差值；在t時刻，預(yù)測值則會加上從0，…，t-1時刻的該位置誤差值的平均值；采用與真值比較，得到平均誤差。

進一步地，所述步驟1中電機健康狀態(tài)評估根據(jù)國家標準gb/t6075和國際標準iso-10186振動設(shè)備監(jiān)測評估標準確定，不同功率不同轉(zhuǎn)速的電機標準不同，主要參考參數(shù)為振動設(shè)備速度值，預(yù)測曲線以及預(yù)測曲線的平均誤差為輔助判斷旋轉(zhuǎn)電機狀態(tài)的指標。

本發(fā)明的有益效果是：本發(fā)明方法除了針對真實振動速度的超限報警，還可以針對電機的振動速度以及振動位移進行電機運行故障提前故障時間預(yù)測。本發(fā)明方法可以避免周期性定時停機檢查，可以大大減少盲目維修及突發(fā)性事故停機時間。隨著歷史數(shù)據(jù)累積，本發(fā)明方法可以實時間隔一段時間內(nèi)重新修正參數(shù)值，在線實時更新參數(shù)。

附圖內(nèi)容

圖1是數(shù)據(jù)采集裝置安裝于旋轉(zhuǎn)電機的示意圖。

圖2表示利用曲線擬合計算旋轉(zhuǎn)電機的限值流程圖。

圖3-a表示采集數(shù)據(jù)濾波前的頻域波形。

圖3-b表示采集數(shù)據(jù)濾波后的頻域波形。

圖4-a表示x加速度數(shù)據(jù)均方根值。

圖4-b表示y加速度數(shù)據(jù)均方根值。

圖5表示測量溫度值數(shù)據(jù)均方根值。

圖6表示加速度數(shù)據(jù)正常時小波變換圖。

圖7表示加速度數(shù)據(jù)異常時小波變換圖。

圖8表示速度預(yù)測曲線的真實值與預(yù)測值的曲線對比(預(yù)測96個點位圖)。

具體實施方式

下面結(jié)合附圖和具體實施例對本發(fā)明作進一步詳細說明。

本發(fā)明提供的一種基于支持向量機和數(shù)據(jù)驅(qū)動的旋轉(zhuǎn)電機狀態(tài)監(jiān)測方法，該方法包括以下步驟：

步驟1、在旋轉(zhuǎn)電機的外殼安裝數(shù)據(jù)采集裝置，如圖1所示，所述數(shù)據(jù)采集裝置包括加速度傳感器、電源模塊和lora通信模塊；通過數(shù)據(jù)采集裝置測量旋轉(zhuǎn)電機在健康狀態(tài)的加速度、溫度值；

步驟2、將步驟1采集的數(shù)據(jù)通過lora通信模塊發(fā)送到服務(wù)端；服務(wù)端對加速度數(shù)據(jù)進行卡爾曼濾波、積分處理，得到速度信息和位移信息；

步驟3、使用連續(xù)小波分析方法獲得加速度數(shù)據(jù)和速度數(shù)據(jù)的時頻譜圖，溫度數(shù)據(jù)的均方差值圖；通過圖分析數(shù)據(jù)判斷旋轉(zhuǎn)設(shè)備是否正常，判斷條件如下：

a)速度與加速度在時域幅值超過閾值，速度均方根值明顯偏大；

b)溫度值超過閾值；

c)除旋轉(zhuǎn)電機主頻外有其他明顯主要頻率成分存在；

d)除旋轉(zhuǎn)電機主頻外有高頻信號存在超過一定時間周期，或存在周期性信號；

若以上任意一個特征出現(xiàn)則判斷旋轉(zhuǎn)電機出現(xiàn)問題，發(fā)出警報，否則初步判斷旋轉(zhuǎn)電機正常，執(zhí)行步驟4；

步驟4、采用大量歷史加速度、速度數(shù)據(jù)代入自回歸滑動平均(arima)模型或者使用支持向量回歸模型訓練預(yù)測模型，利用前一至兩個星期的數(shù)據(jù)，預(yù)測旋轉(zhuǎn)電機當天速度運行曲線，由于旋轉(zhuǎn)電機信號為非平穩(wěn)信號，存在誤差，故采用歷史誤差矩陣對測量值補償，補償后的測量值再與真值比較，得到平均誤差；

步驟5、將步驟4得到的平均誤差值作為主要特征，再根據(jù)旋轉(zhuǎn)電機的輔助特征，利用支持向量機對旋轉(zhuǎn)電機當前情況進行分類；輔助特征包括：溫度、電機當前轉(zhuǎn)速、電機當前功率、電機當前轉(zhuǎn)速與額定轉(zhuǎn)速之比、當前功率輸出與額定功率之比、電機轉(zhuǎn)子電流大小、電機目前負載、等級；支持向量機的輸出可分為多種故障情況，若直接考慮振動三軸誤差，可判斷電機目前安裝狀態(tài)是否正常；若振動誤差過大且出現(xiàn)功率比過低，則考慮軸承是否連接正常；若出現(xiàn)誤差產(chǎn)生周期性突然增大，即誤差出現(xiàn)脈沖現(xiàn)象，則判斷軸承某處出現(xiàn)裂痕問題；若誤差周期性增大且電機功率突然下降，則判斷電機抱軸問題；若出現(xiàn)溫度過高，轉(zhuǎn)子電流過大，則判斷出現(xiàn)電壓過高、軸承過熱問題，支持向量機以振動誤差作為主要參數(shù)，參考輔助特征給出故障情況。

進一步地，所述數(shù)據(jù)采集裝置還包括濕度傳感器，通過濕度值輔助工人檢查電機運行狀況；濕度值在步驟3中可作為判斷條件輔助監(jiān)測旋轉(zhuǎn)電機健康狀況。

進一步地，所述步驟3中，利用morlet小波對原始加速度和速度數(shù)據(jù)進行小波變換得到時頻譜圖，公式為：

fd＝fa·fs/a

式中，ω(t)表示小波函數(shù)，i表示復(fù)數(shù)，t表示時間，a表示小波變換尺度，σ表示小波平移系數(shù)；表示原數(shù)據(jù)與固定尺度a下的小波函數(shù)卷積后得到的系數(shù)，x(t)表示t時刻采集的加速度值或速度值；fd表示實際頻率，fa表示小波中心頻率，fs表示采樣頻率；更改小波變換尺度即可匹配原信號的不同頻率值。

進一步地，所述步驟4中采用自回歸滑動平均(arima)模型訓練預(yù)測模型，公式為：

xt表示當前時刻預(yù)測值，xt-1,…,xt-p為人為選取的歷史數(shù)據(jù)，為自回歸系數(shù)，∈t,…,∈t-q為高斯隨機序列，θ1,…,θq為滑動平均系數(shù)，非負整數(shù)p為自回歸系數(shù)，非負整數(shù)q為滑動平均系數(shù)；

參數(shù)訓練需要前期的歷史數(shù)據(jù)代入得到參數(shù)，再利用預(yù)測時刻前一至兩個星期加速度、速度數(shù)據(jù)預(yù)測當天運行曲線。

進一步地，步驟4中所述的誤差矩陣在每一次計算后迭代更新，再利用誤差對原始測量值xt補償?shù)玫叫碌臏y量值

erorrt＝erorrt-1+et

error表示誤差值，即每一時刻真實值與預(yù)測值的差，初始值為零，和測量值的維數(shù)相同；t表示時刻，et表示在t時刻的測量誤差值；在t時刻，預(yù)測值則會加上從0，…，t-1時刻的該位置誤差值的平均值；采用與真值比較，得到平均誤差。

進一步地，所述步驟1中電機健康狀態(tài)評估根據(jù)國家標準gb/t6075和國際標準iso-10186振動設(shè)備監(jiān)測評估標準確定，不同功率不同轉(zhuǎn)速的電機標準不同，主要參考參數(shù)為振動設(shè)備速度值，預(yù)測曲線以及預(yù)測曲線的平均誤差為輔助判斷旋轉(zhuǎn)電機狀態(tài)的指標。

實施例

根據(jù)圖1，在旋轉(zhuǎn)電機的外殼上采用螺紋方式固定采集電路板，且在周圍用三個螺絲加以固定。圖2為對電機運行狀況分類的算法流程圖，對每個電機信息進行小波分析、arima模型預(yù)測、提取特征最后進行svm分類，對電機分為穩(wěn)定(運行平穩(wěn)且噪聲小)、良好(出現(xiàn)噪聲)、運行警示(大量數(shù)據(jù)中出現(xiàn)故障特征)、運行警報(故障特征明顯且?guī)в兄芷谛?，建議現(xiàn)場檢查)、運行停機警告(立即停機，信號全部為故障特征)。圖3-a、圖3-b表示采集的示例數(shù)據(jù)的頻譜圖，圖3-a為原始數(shù)據(jù)變換后的數(shù)據(jù)，圖3-b為濾波后得到的頻譜圖。圖4表示x、y兩軸加速度經(jīng)濾波后再經(jīng)由均方根計算得到的加速度均方根曲線。圖5為溫度值經(jīng)過均方根計算得到的均方根曲線。圖6為旋轉(zhuǎn)設(shè)備正常時小波變換圖；圖7為旋轉(zhuǎn)設(shè)備異常時小波變換圖，與圖6相比在500-1000hz頻段上出現(xiàn)了一些明顯的頻率成分，說明設(shè)備異常時振動周期加快且不穩(wěn)定變化。圖8表示了預(yù)測值和真實值的對比，每一時刻誤差在1m/s以下，通過修正預(yù)測參數(shù)與預(yù)測方法可以達到更高精度。

本實施例的技術(shù)方案在試驗中分為硬件與軟件兩個部分。硬件部分方案：最前端監(jiān)測模塊含有具有無線通訊功能的lora模塊、三軸加速度傳感器、溫濕度傳感器、電源模塊和處理器芯片，在后端需要lora信息接收網(wǎng)關(guān)以及與之連接的上位機。軟件部分方案：采用python編程語言的flask框架作數(shù)據(jù)端接收、處理和存儲，該方法在后臺利用python語言實現(xiàn)，數(shù)據(jù)可視化使用傳統(tǒng)的網(wǎng)頁展示。

硬件部分：通訊、電源、測量變量模塊以及主控芯片集成于一個電路板內(nèi)，通訊部分則有天線用于發(fā)送接收信號。整體裝置水平安裝于旋轉(zhuǎn)電機外殼，加速度模塊水平緊貼于外殼。利用焊接等技術(shù)固定于旋轉(zhuǎn)電機外殼，電路板與電池也利用螺孔螺絲連接固定；網(wǎng)關(guān)則使用lora協(xié)議專用的通訊網(wǎng)關(guān)，與上位機通過rj45連接口相連，采用tcp/ip協(xié)議傳輸信息；上位機采用一般電腦或者工控機即可。

工作人員安裝數(shù)據(jù)采集裝置至旋轉(zhuǎn)電機外殼上。然后待到一定時間后，上位機收集數(shù)據(jù)，得到旋轉(zhuǎn)電機在正常狀態(tài)下未來運行趨勢以及頻譜信息，代入該方法中得到分析數(shù)據(jù)，通過分析數(shù)據(jù)判斷旋轉(zhuǎn)電機目前運行情況。數(shù)據(jù)的接收間隔時間也是根據(jù)分析結(jié)果而定。當旋轉(zhuǎn)電機運行狀態(tài)一切正常時，在每一小時內(nèi)傳送一次數(shù)據(jù)；當旋轉(zhuǎn)電機在某些時間段上分析結(jié)果為故障時，則縮短數(shù)據(jù)傳輸間隔；當旋轉(zhuǎn)電機持續(xù)提醒故障時，數(shù)據(jù)采集與發(fā)送間隔很短，幾乎達到在線實時監(jiān)測。