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 ＪＯＵＲＮＡＬＯＦＶＩＢＲＡＴＩＯＮＡＮＤＳＨＯＣＫ Ｖｏｌ．３３Ｎｏ．２４２０１４　  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ｌ１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；ｌ１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 Ａｍｅｃｈａｎｉｃａｌｆａｕｌｔｅａｒｌｙｗａｒｎｉｎｇｍｅｔｈｏｄｏｌｏｇｙｂａｓｅｄｏｎｄｙｎａｍｉｃ ｓｅｌｆｌｅａｒｎｉｎｇｔｈｒｅｓｈｏｌｄａｎｄｔｒｅｎｄｆｉｌｔｅｒｉｎｇｔｅｃｈｎｉｑｕｅｓ ＺＨＡＮＧＭｉｎｇ，ＦＥＮＧＫｕｎ，ＪＩＡＮＧＺｈｉｎｏｎｇ （Ｄｉｇａｎｏｓｉｓ＆ＳｅｌｆＲｅｃｏｖｅｒｙＥｎｇｉｎｅｅｒｉｎｇＲｅｓｅａｒｃｈＣｅｎｔｅｒ，ＢｅｉｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＣｈｅｍｉｃａｌＴｅｃｈｎｏｌｏｇｙ，Ｂｅｉｊｉｎｇ１０００２９，Ｃｈｉｎａ） 　　Ａｂｓｔｒａｃｔ：　Ｂｅｃａｕｓｅｔｈｅａｌａｒｍｍｏｄｅｏｆｃｕｒｒｅｎｔｏｎｌｉｎｅｍｏｎｉｔｏｒｉｎｇｓｙｓｔｅｍｓｉｓｈａｒｄｔｏｒｅａｌｉｚｅｅａｒｌｙｗａｒｎｉｎｇａ ｍｅｃｈａｎｉｃａｌｆａｕｌｔ，ａｎｅａｒｌｙｗａｒｎｉｎｇｍｅｔｈｏｄｏｌｏｇｙｗａｓｐｒｏｐｏｓｅｄｈｅｒｅ．Ｂａｓｅｄｏｎｓｔａｔｉｓｔｉｃａｌａｎａｌｙｓｉｓｏｆｍａｓｓｄａｔａｉｎｏｎｌｉｎｅ ｍｏｎｉｔｏｒｉｎｇｓｙｓｔｅｍｓ，ａｄｖａｎｔａｇｅｓｏｆｔｈｅｄｙｎａｍｉｃｓｅｌｆｌｅａｒｎｉｎｇｔｈｒｅｓｈｏｌｄａｌｇｏｒｉｔｈｍｗｅｒｅｔａｋｅｎｔｏｃａｌｃｕｌａｔｅａｗａｒｎｉｎｇ ｔｈｒｅｓｈｏｌｄ，ａｎｄｔｈｅｌ１ｔｒｅｎｄｆｉｌｔｅｒｉｎｇｔｅｃｈｎｏｌｏｇｙｗａｓｕｓｅｄｔｏｇａｉｎｔｈｅｆｉｌｔｅｒｅｄｔｒｅｎｄｅｌｉｍｉｎａｔｉｎｇｒａｎｄｏｍｅｒｒｏｒｓ．Ｗｉｔｈ ｄｙｎａｍｉｃｓｅｌｆｌｅａｒｎｉｎｇｔｈｒｅｓｈｏｌｄｉｎｓｔｅａｄｏｆｇｅｎｅｒａｌａｌａｒｍｔｈｒｅｓｈｏｌｄｉｎｍｏｎｉｔｏｒｉｎｇｓｙｓｔｅｍｓ，ｅａｒｌｙｗａｒｎｉｎｇｏｆａｆａｕｌｔｃｏｕｌｄｂｅ ａｃｑｕｉｒｅｄｂｙｃｏｍｐａｒｉｎｇｔｈｅｓｅｌｆｌｅａｒｎｉｎｇｗａｒｎｉｎｇｔｈｒｅｓｈｏｌｄａｎｄｔｈｅｆｉｌｔｅｒｅｄｔｒｅｎｄ．Ｉｔｗａｓｓｈｏｗｎｆｒｏｍｅｎｇｉｎｅｅｒｉｎｇｅｘａｍｐｌｅｓ ｔｈａｔｅａｒｌｙｗａｒｎｉｎｇｏｆａｍｅｃｈａｎｉｃａｌｆａｕｌｔｃａｎｂｅａｃｈｉｅｖｅｄｗｉｔｈｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄ，ｉｔｐｌａｙｓａｎｉｍｐｏｒｔａｎｔｒｏｌｅｉｎｐｒｅｖｅｎｔｉｎｇ ｏｃｃｕｒｒｅｎｃｅｏｆｍｅｃｈａｎｉｃａｌｆａｕｌｔ． Ｋｅｙｗｏｒｄｓ：ｓｅｌｆｌｅａｒｎｉｎｇｔｈｒｅｓｈｏｌｄ；ｆａｕｌｔｅａｒｌｙｗａｒｎｉｎｇ；ｎｏｎｐａｒａｍｅｔｒｉｃｔｅｓｔ；ｂｅｔａｄｉｓｔｒｉｂｕｔｉｏｎ；ｌ１ｔｒｅｎｄｆｉｌｔｅｒｉｎｇ 　　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