基于动态自学习阈值和趋势滤波的机械故障智能预警方法.pdfVIP

振 动 与 冲 击 第 33卷第 24期 JOURNALOFVIBRATIONAND SHOCK 基于动态 自学习阈值和趋势滤波的机械故障智能预警方法 张 明，冯 坤，江志农 (北京化工大学 诊断与 自愈工程研究中心，北京 100029) 摘 要：针对当前机械在线监测系统报警难以实现机械故障早期预警问题，提出一种智能预警方法。基于在线监 测系统大量监测数据统计分析，采用动态的自学习阈值算法计算预警阈值，并应用 ll趋势滤波技术消除随机误差获取滤 波后的趋势。应用动态自学习阈值替代监测系统中的常规报警阈值 ，比较 自学习预警阈值与滤波后的趋势，实现了机械 故障早期预警。工程实例表明，该方法能够对机械故障实现早期预警，对预防机械事故的发生有重要的作用。 关键词：自学习阈值；故障预警；非参数检验；beta分布；ll趋势滤波 中图分类号：TH165+．3；TP391 文献标志码 ：A DOI：10．13465／j．cnki．jVS．2014．24．002 A mechanicalfaultearlywarningmethodologybasedon dynamic self-learningthresholdandtrendfilteringtechniques ZHANGMing，FENGKun，JIANGzhi—nong (DiganosisSelf-RecoveryEngineeringResearchCenter，BeijingUniversityofChemieMTechnology，Beijing100029，China) Abstract： Because thealarm modeofcurrentonline monitoring systemsishard torealize early—warninga mechanicalfault，anearlywarningmethodologywasproposedhere．Basedon statisticalanalysisofmassdatainonline monitoringsystems，advantagesofthe dynamic selflearning threshold algorithm were taken to calculate awarning threshold，and the 11trendfilteringtechnoloyg wasused to gain thefilteredtrend eliminatingrandom errors．With dynamicself-learningthresholdinsteadofgeneralalarm thresholdinmonitoringsystems，eralywarningofafaultcouldbe acquiredbycomparingtheself-learningwarningthresholdandthefilteredtrend．Itwasshownfrom engineeringexamples thatearlywarningofamechanicalfaultcanbeachievedwiththeproposedmethod，itplaysanimportantroleinpreventing occurrenceofmechanicalfault． Keywords：self-learningthreshold；faulteralywarning；nonparametrictest；betadistribution；lltrendfiltering 汽轮机、发电机、压缩机等是石化、电力等流程工 统平滑滤波技术消除噪声及采集误差的影响，则有可 业中广泛使用的机械，该类设备安全、稳定的运行，会 能丢失关键故障信息，从而产生严重事故，给企业带来 产生 良好的经济效益和社会效益。目前，企业中的大 巨大损失。 型关键设备多数已安装机械在线监测系统，但是，当前