一種基于灰度關聯分析的機械故障狀態監測系統及方法與流程

本發明涉及機械故障狀態監測技術領域，具體地說是一種基于灰度關聯分析的機械故障狀態監測系統及方法。

背景技術：

機械故障狀態監測是一種基于設備當前和歷史狀態信息，并使用相關分析方法對機械狀態進行定量和定性分析的技術。機械運行過程中，故障與征兆之間沒有確定的映射關系，因此可以將機械看作是一個復雜的灰色系統。

灰色關聯分析方法作為灰色理論的一個重要組成部分，目前在機械故障監測領域被廣泛應用，并取得了良好效果。但是，傳統灰色關聯分析方法存在關聯度值受分辨系數影響而不唯一、關聯度值離散性不強、結果趨于均化且可靠性低、忽略了因子權重差異等問題。

基于此，本發明提供一種能夠有效解決上述問題的基于灰度關聯分析的機械故障狀態監測系統及方法，通過使用灰色關聯分析方法作為機械故障狀態監測方法來提高機械故障狀態監測結果的準確性和可靠性。

技術實現要素：

本發明的技術任務是針對以上不足之處，提供一種基于灰度關聯分析的機械故障狀態監測系統及方法。

一種基于灰度關聯分析的機械故障狀態監測系統，包括：

數據獲取模塊，用于獲取機械的狀態數據；

數據處理模塊，用于對獲取的狀態數據進行預處理，將該狀態數據處理成向量；

數據分析模塊，通過灰色關聯分析方法對獲取的向量進行分析，確定機械故障狀態；

結果顯示模塊，將數據分析模塊分析的結果進行展示。

所述機械的狀態數據包括樣本狀態數據和實時狀態數據，相對應的，數據處理模塊將狀態數據處理成樣本狀態下的參考向量和實時狀態下的比較向量，由數據分析模塊通過灰色關聯分析方法分析兩種變量后再通過結果顯示模塊將結果進行展示。

所述數據獲取模塊獲取機械在樣本狀態下的狀態數據過程為：首先自定義設置樣本狀態，并將機械置于該樣本狀態下，在機械上配置振動傳感器，將機械開啟，通過振動傳感器獲取機械在該樣本狀態下的狀態數據并發送給數據獲取模塊。

數據獲取模塊獲取機械在實時狀態下的狀態數據過程為：將機械置于工作環境中，在機械上配置振動傳感器，將機械開啟，通過振動傳感器獲取機械在該樣本狀態下的狀態數據并發送給數據獲取模塊。

數據處理模塊將狀態數據處理成向量的具體過程為：數據獲取模塊將獲取的樣本狀態數據或實時狀態數據發送給數據處理模塊，數據處理模塊將該樣本狀態數據或實時狀態數據進行傅里葉變換，得到對應的頻譜特征值，然后將該頻譜特征值分別作為參考向量或比較向量。

一種基于灰度關聯分析的機械故障狀態監測方法，其實現步驟為：

一、首先獲取不同環境下機械的狀態數據；

二、然后將機械的狀態數據處理成向量；

三、使用灰色關聯分析方法對所有的向量進行比較分析，得到機械故障狀態，完成對機械故障狀態監測。

所述不同環境包括作為樣本用作對比的樣本狀態環境和機械正常工作時的實時環境。

所述步驟一的具體實現過程包括：

當獲取樣本狀態環境的狀態數據時，首先將機械置于自定義的樣本環境下，然后在機械上配置振動傳感器，將機械開啟，最后通過振動傳感器獲取機械在該樣本狀態下的狀態數據；

當獲取實時狀態環境下的狀態數據時，首先將機械置于工作環境中，然后在機械上配置振動傳感器，將機械開啟，最后通過振動傳感器獲取機械在該樣本狀態下的狀態數據。

在步驟二中，將狀態數據處理成向量是指通過進行傅里葉變換得到得到頻譜特征值，然后將頻譜特征值作為狀態監測過程中的向量。

當獲取樣本狀態環境的狀態數據后，對該狀態數據進行傅里葉變換以得到頻譜特征值，將該頻譜特征值作為狀態監測過程中的參考向量；當獲取實時狀態環境的狀態數據后，對該狀態數據該狀態數據進行傅里葉變換以得到頻譜特征值，將該頻譜特征值作為實時工作過程中的比較向量，該參考向量和比較向量即為通過灰色關聯分析方法對比分析的向量。

本發明的一種基于灰度關聯分析的機械故障狀態監測系統及方法和現有技術相比，具有以下有益效果：

本發明的一種基于灰度關聯分析的機械故障狀態監測系統及方法解決了傳統方法存在的關聯度值受分辨系數影響而不唯一等問題，使用灰色關聯分析方法作為機械故障狀態監測方法，有效提高機械故障狀態監測結果的準確性和可靠性，實用性強，適用范圍廣泛，易于推廣。

附圖說明

附圖1是本發明的系統結構示意圖。

附圖2是本發明的方法實現流程圖。

具體實施方式

下面結合附圖及具體實施例對本發明作進一步說明。

如附圖1所示，一種基于灰度關聯分析的機械故障狀態監測系統，包括：

數據獲取模塊，用于獲取機械的狀態數據；

數據處理模塊，用于對獲取的狀態數據進行預處理，將該狀態數據處理成向量；

數據分析模塊，通過灰色關聯分析方法對獲取的向量進行分析，確定機械故障狀態；

結果顯示模塊，將數據分析模塊分析的結果進行展示。

所述機械的狀態數據包括樣本狀態數據和實時狀態數據，相對應的，數據處理模塊將狀態數據處理成樣本狀態下的參考向量和實時狀態下的比較向量，由數據分析模塊通過灰色關聯分析方法分析兩種變量后再通過結果顯示模塊將結果進行展示。

所述數據獲取模塊獲取機械在樣本狀態下的狀態數據過程為：首先自定義設置樣本狀態，并將機械置于該樣本狀態下，在機械上配置振動傳感器，將機械開啟，通過振動傳感器獲取機械在該樣本狀態下的狀態數據并發送給數據獲取模塊。

數據獲取模塊獲取機械在實時狀態下的狀態數據過程為：將機械置于工作環境中，在機械上配置振動傳感器，將機械開啟，通過振動傳感器獲取機械在該樣本狀態下的狀態數據并發送給數據獲取模塊。

數據處理模塊將狀態數據處理成向量的具體過程為：數據獲取模塊將獲取的樣本狀態數據或實時狀態數據發送給數據處理模塊，數據處理模塊將該樣本狀態數據或實時狀態數據進行傅里葉變換，得到對應的頻譜特征值，然后將該頻譜特征值分別作為參考向量或比較向量。

如附圖2所示，一種基于灰度關聯分析的機械故障狀態監測方法，其實現步驟為：

一、首先獲取不同環境下機械的狀態數據；

二、然后將機械的狀態數據處理成向量；

三、使用灰色關聯分析方法對所有的向量進行比較分析，得到機械故障狀態，完成對機械故障狀態監測。

所述不同環境包括作為樣本用作對比的樣本狀態環境和機械正常工作時的實時環境。

所述步驟一的具體實現過程包括：

當獲取樣本狀態環境的狀態數據時，首先將機械置于自定義的樣本環境下，然后在機械上配置振動傳感器，將機械開啟，最后通過振動傳感器獲取機械在該樣本狀態下的狀態數據；

當獲取實時狀態環境下的狀態數據時，首先將機械置于工作環境中，然后在機械上配置振動傳感器，將機械開啟，最后通過振動傳感器獲取機械在該樣本狀態下的狀態數據。

在步驟二中，將狀態數據處理成向量是指通過進行傅里葉變換得到得到頻譜特征值，然后將頻譜特征值作為狀態監測過程中的向量。

當獲取樣本狀態環境的狀態數據后，對該狀態數據進行傅里葉變換以得到頻譜特征值，將該頻譜特征值作為狀態監測過程中的參考向量；當獲取實時狀態環境的狀態數據后，對該狀態數據該狀態數據進行傅里葉變換以得到頻譜特征值，將該頻譜特征值作為實時工作過程中的比較向量，該參考向量和比較向量即為通過灰色關聯分析方法對比分析的向量。

本發明以數控機床主軸零件松動(f1)、配合松動(f2)和動不平衡(f3)三種狀態為例進行實施方式的詳細說明。

使用傳感器采集數控機床主軸分別處在三種故障狀態下的振動信號，通過傅里葉變換進行頻譜分析，可得到特定狀態下的頻譜特征。數控機床主軸故障機理分析及不同狀態下的頻譜圖表明，不同狀態對應不同的頻譜特征，主要表現在頻譜圖中0.4-0.5倍頻(f1)、1倍頻(f2)、2倍頻(f3)、3倍頻(f4)和大于3倍頻(f5)的特征頻段振幅不同。因此，本發明分析時將這5個特征頻段振幅作為特征值。

為進行分析，針對每種狀態，本發明采用5組振動信號(每組包含100個數據)，經傅里葉分析，得到特定狀態下的5組特征值，歸一化后，構成對應于三種狀態的15組特征值(1-5對應于狀態f1，6-10對應于狀態f2，11-15對應于狀態f3)，如表1所示。

表1故障信號特征值表

選取表1中序號為1、6和11的行作為參考向量，形式為(y1,y2,y3)^t,其中yj＝(yj(1),yj(2),yj(3),yj(4),yj(5))(j＝1,2,3)。j＝1時，代表數控機床主軸處于f1狀態；j＝2時，代表數控機床主軸處于f2狀態；j＝3時，代表數控機床主軸處于f3狀態。實際應用中，參考向量的選取影響識別結果的準確性和可靠性，可視特定故障狀態下的所有特征值平均值為參考向量；另外，也可將所有特征值均作為參考向量，故障識別時，比較向量與每個參考向量進行新型灰關聯分析，將得到的多個識別結果進行綜合處理，可使識別結果更準確可靠。

選取表1中除序號為1、6和11之外的其他所有行作為比較向量，形式為(x1,x2,…,x12)^t，其中xi＝(xi(1),xi(2),xi(3),xi(4),xi(5))(i＝1,2,…,12)，該組向量用來驗證本文方法是否有效，其中，x1-x4為數控機床主軸f1特征信號；x5-x8為數控機床主軸f2特征信號；x9-x12為數控機床主軸f3特征信號。實際應用中，運行過程中獲取的每一特征值均可作為比較向量。

進行灰色關聯分析，得到狀態識別結果，如表2所示。表2中，ζ列表示特定比較向量對應的動態分辨系數；關聯度列表示比較向量與各參考向量的關聯強度，關聯度值越大，表示關聯程度越緊密。本實施中，選取關聯度值最大者為比較向量對應的故障狀態。

表2新型灰關聯分析識別結果

從表2可得出以下結論：灰色關聯分析方法可有效地識別數控機床主軸的三種狀態；比較向量所屬故障狀態對應的關聯度值分量與其他分量的距離較大，識別結果可靠。

通過上面具體實施方式，所述技術領域的技術人員可容易的實現本發明。但是應當理解，本發明并不限于上述的具體實施方式。在公開的實施方式的基礎上，所述技術領域的技術人員可任意組合不同的技術特征，從而實現不同的技術方案。

除說明書所述的技術特征外，均為本專業技術人員的已知技術。