權(quán)利要求書： 1.一種風(fēng)機(jī)故障分析方法，其特征在于，包括：連續(xù)采集待測風(fēng)機(jī)的風(fēng)機(jī)軸承的振動數(shù)據(jù)和溫度數(shù)據(jù)，并獲得所述振動數(shù)據(jù)的速度有效值和沖擊量平均值；

將所述速度有效值、所述沖擊量平均值以及所述溫度數(shù)據(jù)分別進(jìn)行線性擬合，并將獲得的線性擬合參數(shù)和預(yù)先確定的標(biāo)準(zhǔn)擬合參數(shù)對比，獲得第一特征信息；

將所述速度有效值和所述沖擊量平均值進(jìn)行形態(tài)分布參數(shù)運算，并將獲得的形態(tài)分布參數(shù)和預(yù)先確定的標(biāo)準(zhǔn)形態(tài)分布參數(shù)進(jìn)行對比，獲得第二特征信息；

將所述振動數(shù)據(jù)和所述溫度數(shù)據(jù)進(jìn)行傅里葉變換，獲得對應(yīng)的頻譜值；并根據(jù)預(yù)先創(chuàng)建的神經(jīng)網(wǎng)絡(luò)模型識別所述頻譜值，獲得第三特征信息；

根據(jù)所述第一特征信息、所述第二特征信息以及所述第三特征信息，利用預(yù)先確定的每種風(fēng)機(jī)故障類型對應(yīng)的三種特征信息的組合特征，確定當(dāng)前所述待測風(fēng)機(jī)的故障類型。

2.如權(quán)利要求1所述的風(fēng)機(jī)故障分析方法，其特征在于，預(yù)先確定所述標(biāo)準(zhǔn)擬合參數(shù)的過程，包括：

獲取至少連續(xù)一天內(nèi)帶有故障標(biāo)簽的振動樣本數(shù)據(jù)和溫度樣本數(shù)據(jù)；并獲得所述振動樣本數(shù)據(jù)對應(yīng)的速度有效值樣本和沖擊量平均值樣本；

根據(jù)各個所述振動樣本數(shù)據(jù)和所述溫度樣本數(shù)據(jù)的采集時間點，將所述速度有效值樣本、所述沖擊量平均值樣本和所述溫度樣本數(shù)據(jù)均分別按照不同分割時長分割獲得多組對應(yīng)的第一樣本數(shù)據(jù)；

將同一分割時長的時間段采集的每組所述第一樣本數(shù)據(jù)進(jìn)行線性擬合，獲得對應(yīng)的每組樣本線性擬合方程的斜率樣本、最大值和最小值之間差值樣本；

分別將每組所述斜率樣本和所述差值樣本分別和設(shè)定的多個不同大小的斜率閾值以及多個不同大小的差值閾值進(jìn)行對比，分別獲得多組第一對比結(jié)果，并判斷所述第一對比結(jié)果和所述故障標(biāo)簽是否一致；

其中，所述第一對比結(jié)果和所述故障標(biāo)簽一致包括，所述故障標(biāo)簽為故障狀態(tài)，所述第一對比結(jié)果為所述斜率樣本大于所述斜率閾值且所述差值樣本大于所述差值閾值；或者，所述故障標(biāo)簽為非故障狀態(tài)，所述第一對比結(jié)果為所述斜率樣本不大于所述斜率閾值或所述差值樣本不大于所述差值閾值；

利用尋優(yōu)算法獲得第一正確率最高時對應(yīng)的分割時長、斜率閾值和差值閾值作為所述標(biāo)準(zhǔn)擬合參數(shù)中的標(biāo)準(zhǔn)分割時長、標(biāo)準(zhǔn)斜率閾值和標(biāo)準(zhǔn)差值閾值；

其中，所述第一正確率為在同一分割時長對應(yīng)的同一組所述第一樣本數(shù)據(jù)中對同一所述斜率閾值同一所述差值閾值的所述第一對比結(jié)果和所述故障標(biāo)簽一致的第一樣本數(shù)據(jù)所占比例。

3.如權(quán)利要求2所述的風(fēng)機(jī)故障分析方法，其特征在于，獲得所述第一特征信息的過程包括：

根據(jù)所述速度有效值、所述沖擊量平均值以及所述溫度數(shù)據(jù)對應(yīng)的采集時間點分別按照所述標(biāo)準(zhǔn)分割時長分割為多組分割數(shù)據(jù)；

對每組所述分割數(shù)據(jù)進(jìn)行線性擬合，獲得對應(yīng)的線性擬合方程的斜率參數(shù)、最大值和最小值之間的差值參數(shù)；

判斷所述斜率參數(shù)和所述差值參數(shù)是否分別大于所述標(biāo)準(zhǔn)斜率閾值和所述標(biāo)準(zhǔn)差值閾值，若是，則所述第一特征信息為存在第一故障特征。

4.如權(quán)利要求1所述的風(fēng)機(jī)故障分析方法，其特征在于，預(yù)先確定標(biāo)準(zhǔn)形態(tài)分布參數(shù)的過程，包括：

將至少連續(xù)一天內(nèi)采集獲得的帶有故障標(biāo)簽的速度有效值樣本和沖擊量平均值樣本，根據(jù)采集時間點均分別按照不同的故障窗口寬度劃分為若干個故障窗口內(nèi)采集的多組第二樣本數(shù)據(jù)；

確定在每個故障窗口寬度下的每組所述第二樣本數(shù)據(jù)分別對于設(shè)定的不同大小的比值閾值和不同大小的窗口數(shù)比例閾值對應(yīng)的第二對比結(jié)果；其中，同一個故障窗口寬度下針對同一個所述比值閾值和同一個窗口數(shù)比例閾值的所述第二對比結(jié)果為各個所述故障窗口中所述第二樣本數(shù)據(jù)的95分位數(shù)和各個所述故障窗口的95分位數(shù)平均值大于所述比值閾值的故障窗口數(shù)量所占的窗口數(shù)比例和所述窗口數(shù)比例閾值的對比結(jié)果；

確定每個所述故障窗口對應(yīng)所述故障標(biāo)簽和對應(yīng)的各個所述第二對比結(jié)果是否一致；

其中，當(dāng)所述故障標(biāo)簽為故障狀態(tài)且所述第二對比結(jié)果為所述窗口數(shù)比例大于所述窗口數(shù)比例閾值，或者所述故障標(biāo)簽為非故障狀態(tài)，且所述第二對比結(jié)果為所述窗口數(shù)比例不大于所述窗口數(shù)比例閾值，則所述故障標(biāo)簽和所述第二對比結(jié)果一致；

利用尋優(yōu)算法確定第二正確率最高時對應(yīng)的故障窗口寬度、比值閾值以及窗口數(shù)比例閾值作為所述標(biāo)準(zhǔn)形態(tài)分布參數(shù)中的標(biāo)準(zhǔn)故障窗口寬度、標(biāo)準(zhǔn)比值閾值以及標(biāo)準(zhǔn)窗口數(shù)比例閾值；其中，所述第二正確率為對于同一比值閾值、同一窗口數(shù)比例閾值且同一故障窗口寬度下各個所述故障窗口內(nèi)的所述第二樣本數(shù)據(jù)的故障標(biāo)簽和所述第二對比結(jié)果一致的概率。

5.如權(quán)利要求4所述的風(fēng)機(jī)故障分析方法，其特征在于，獲得所述第二特征信息的過程包括：

根據(jù)所述速度有效值和所述沖擊量平均值對應(yīng)的采集時間點，按照所述標(biāo)準(zhǔn)故障窗口寬度對所述速度有效值和所述沖擊量平均值分別分割為多個故障窗口對應(yīng)的窗口數(shù)據(jù)；

確定每個所述窗口數(shù)據(jù)對應(yīng)的比值參數(shù)；

判斷各個所述窗口數(shù)據(jù)中對應(yīng)的比值參數(shù)大于所述標(biāo)準(zhǔn)比值閾值的窗口數(shù)比例是否大于所述標(biāo)準(zhǔn)窗口數(shù)比例閾值，若是，則確定所述第二特征信息為存在第二故障特征。

6.如權(quán)利要求1所述的風(fēng)機(jī)故障分析方法，其特征在于，預(yù)先創(chuàng)建神經(jīng)網(wǎng)絡(luò)模型的過程包括：

對連續(xù)采集的帶有故障標(biāo)簽的振動樣本數(shù)據(jù)和溫度樣本數(shù)據(jù)進(jìn)行頻譜值運算，獲得頻譜值樣本；

基于所述故障標(biāo)簽，利用DNN神經(jīng)網(wǎng)絡(luò)對所述頻譜值樣本進(jìn)行神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)，獲得頻譜值和表征頻譜值是否存在頻譜故障的所述第三特征信息之間的對應(yīng)關(guān)系的神經(jīng)網(wǎng)絡(luò)模型。

7.如權(quán)利要求1所述的風(fēng)機(jī)故障分析方法，其特征在于，預(yù)先確定每種風(fēng)機(jī)故障類型對應(yīng)的三種特征信息的組合特征，包括：對連續(xù)采集的帶有故障標(biāo)簽的振動樣本數(shù)據(jù)和溫度樣本數(shù)據(jù)分別運算獲得樣本第一特征信息、樣本第二特征信息以及樣本第三特征信息；

根據(jù)所述故障標(biāo)簽和所述樣本第一特征信息、所述樣本第二特征信息以及所述樣本第三特征信息，利用尋優(yōu)算法確定每種風(fēng)機(jī)故障類型對應(yīng)的準(zhǔn)確率最高的三種特征信息的組合特征。

8.一種風(fēng)機(jī)故障分析裝置，其特征在于，包括：數(shù)據(jù)采集模塊，用于連續(xù)采集待測風(fēng)機(jī)的風(fēng)機(jī)軸承的振動數(shù)據(jù)和溫度數(shù)據(jù)，并獲得所述振動數(shù)據(jù)的速度有效值和沖擊量平均值；

第一運算模塊，用于將所述速度有效值、所述沖擊量平均值以及所述溫度數(shù)據(jù)分別進(jìn)行線性擬合，并將獲得的線性擬合參數(shù)和預(yù)先確定的標(biāo)準(zhǔn)擬合參數(shù)對比，獲得第一特征信息；

第二運算模塊，用于將所述速度有效值和所述沖擊量平均值進(jìn)行形態(tài)分布參數(shù)運算，并將獲得的形態(tài)分布參數(shù)和預(yù)先確定的標(biāo)準(zhǔn)形態(tài)分布參數(shù)進(jìn)行對比，獲得第二特征信息；

第三運算模塊，用于將所述振動數(shù)據(jù)和所述溫度數(shù)據(jù)進(jìn)行傅里葉變換，獲得對應(yīng)的頻譜值；并根據(jù)預(yù)先創(chuàng)建的神經(jīng)網(wǎng)絡(luò)模型識別所述頻譜值，獲得第三特征信息；

故障判斷模塊，用于根據(jù)所述第一特征信息、所述第二特征信息以及所述第三特征信息，利用預(yù)先確定的每種風(fēng)機(jī)故障類型對應(yīng)的三種特征信息的組合特征，確定當(dāng)前所述待測風(fēng)機(jī)的故障類型。

9.一種計算機(jī)可讀存儲介質(zhì)，其特征在于，所述計算機(jī)可讀存儲介質(zhì)中存儲有計算機(jī)程序，所述計算機(jī)程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1至7任一項所述風(fēng)機(jī)故障分析方法的步驟。

說明書： 風(fēng)機(jī)故障分析方法、裝置、設(shè)備及可讀存儲介質(zhì)技術(shù)領(lǐng)域[0001] 本發(fā)明涉及風(fēng)機(jī)技術(shù)領(lǐng)域，特別是涉及一種風(fēng)機(jī)故障分析方法、裝置、設(shè)備以及計算機(jī)可讀存儲介質(zhì)。

背景技術(shù)[0002] 隨著現(xiàn)代化工業(yè)的不斷發(fā)展，風(fēng)機(jī)設(shè)備已經(jīng)成為眾多工廠中必不可少的機(jī)械設(shè)備之一，風(fēng)機(jī)設(shè)備也日趨復(fù)雜化和系統(tǒng)化，由風(fēng)機(jī)設(shè)備故障所造成的財產(chǎn)損失也不容小覷。因

此，及時發(fā)現(xiàn)風(fēng)機(jī)的異常狀態(tài)情況，并進(jìn)行維修對保障設(shè)備的穩(wěn)定運行，降低維修的成本，

延長風(fēng)機(jī)的使用壽命等具有重要的意義。

[0003] 然而，很多時候風(fēng)機(jī)只是在其內(nèi)部出現(xiàn)了細(xì)微的故障，此時便存在安全隱患，工作人員憑借肉眼確難以判斷和發(fā)現(xiàn)風(fēng)機(jī)內(nèi)在的故障問題。

發(fā)明內(nèi)容[0004] 本發(fā)明的目的是提供一種風(fēng)機(jī)故障分析方法、裝置、設(shè)備以及計算機(jī)可讀存儲介質(zhì)，能夠提升風(fēng)機(jī)故障發(fā)現(xiàn)的及時性和準(zhǔn)確性，有利于風(fēng)機(jī)故障的及時維修，并延長風(fēng)機(jī)使

用壽命。

[0005] 為解決上述技術(shù)問題，本發(fā)明提供一種風(fēng)機(jī)故障分析方法，包括：[0006] 連續(xù)采集待測風(fēng)機(jī)的風(fēng)機(jī)軸承的振動數(shù)據(jù)和溫度數(shù)據(jù)，并獲得所述振動數(shù)據(jù)的速度有效值和沖擊量平均值；

[0007] 將所述速度有效值、所述沖擊量平均值以及所述溫度數(shù)據(jù)分別進(jìn)行線性擬合，并將獲得的線性擬合參數(shù)和預(yù)先確定的標(biāo)準(zhǔn)擬合參數(shù)對比，獲得第一特征信息；

[0008] 將所述速度有效值和所述沖擊量平均值進(jìn)行形態(tài)分布參數(shù)運算，并將獲得的形態(tài)分布參數(shù)和預(yù)先確定的標(biāo)準(zhǔn)形態(tài)分布參數(shù)進(jìn)行對比，獲得第二特征信息；

[0009] 將所述振動數(shù)據(jù)和所述溫度數(shù)據(jù)進(jìn)行傅里葉變換，獲得對應(yīng)的頻譜值；并根據(jù)預(yù)先創(chuàng)建的神經(jīng)網(wǎng)絡(luò)模型識別所述頻譜值，獲得第三特征信息；

[0010] 根據(jù)所述第一特征信息、所述第二特征信息以及所述第三特征信息，利用預(yù)先確定的每種風(fēng)機(jī)故障類型對應(yīng)的三種特征信息的組合特征，確定當(dāng)前所述待測風(fēng)機(jī)的故障類

型。

[0011] 可選地預(yù)先確定所述標(biāo)準(zhǔn)擬合參數(shù)的過程，包括：[0012] 獲取至少連續(xù)一天內(nèi)帶有故障標(biāo)簽的振動樣本數(shù)據(jù)和溫度樣本數(shù)據(jù)；并獲得所述振動樣本數(shù)據(jù)對應(yīng)的速度有效值樣本和沖擊量平均值樣本；

[0013] 根據(jù)各個所述振動樣本數(shù)據(jù)和所述溫度樣本數(shù)據(jù)的采集時間點，將所述速度有效值樣本、所述沖擊量平均值樣本和所述溫度樣本數(shù)據(jù)分別均按照不同分割時長分割獲得多

組對應(yīng)的第一樣本數(shù)據(jù)；

[0014] 將同一分割時長的時間段采集的每組所述第一樣本數(shù)據(jù)進(jìn)行線性擬合，獲得對應(yīng)的每組樣本線性擬合方程的斜率樣本、最大值和最小值之間差值樣本；

[0015] 分別將每組所述斜率樣本和所述差值樣本分別和設(shè)定的多個不同大小的斜率閾值以及多個不同大小的差值閾值進(jìn)行對比，分別獲得多組第一對比結(jié)果，并判斷所述第一

對比結(jié)果和所述故障標(biāo)簽是否一致；

[0016] 其中，所述第一對比結(jié)果和所述故障標(biāo)簽一致包括，所述故障標(biāo)簽為故障狀態(tài)，所述第一對比結(jié)果為所述斜率樣本大于所述斜率閾值且所述差值樣本大于所述差值閾值；或

者，所述故障標(biāo)簽為非故障狀態(tài)，所述第一對比結(jié)果為所述斜率樣本不大于所述斜率閾值

或所述差值樣本不大于所述差值閾值；

[0017] 利用尋優(yōu)算法獲得第一正確率最高時對應(yīng)的分割時長、斜率閾值和差值閾值作為所述標(biāo)準(zhǔn)擬合中參數(shù)的標(biāo)準(zhǔn)分割時長、標(biāo)準(zhǔn)斜率閾值和標(biāo)準(zhǔn)差值閾值；

[0018] 其中，所述第一正確率為在同一分割時長對應(yīng)的同一組所述第一樣本數(shù)據(jù)中對同一所述斜率閾值同一所述差值閾值的所述第一對比結(jié)果和所述故障標(biāo)簽一致的第一樣本

數(shù)據(jù)所占比例。

[0019] 可選地，獲得所述第一特征信息的過程包括：[0020] 根據(jù)所述速度有效值、所述沖擊量平均值以及所述溫度數(shù)據(jù)對應(yīng)的采集時間點分別按照所述標(biāo)準(zhǔn)分割時長分割為多組分割數(shù)據(jù)；

[0021] 對每組所述分割數(shù)據(jù)進(jìn)行線性擬合，獲得對應(yīng)的線性擬合方程的斜率參數(shù)、最大值和最小值之間的差值參數(shù)；

[0022] 判斷所述斜率參數(shù)和所述差值參數(shù)是否分別大于所述標(biāo)準(zhǔn)斜率閾值和所述標(biāo)準(zhǔn)差值閾值，若是，則所述第一特征信息為存在第一故障特征。

[0023] 可選地，預(yù)先確定標(biāo)準(zhǔn)形態(tài)分布參數(shù)的過程，包括：[0024] 將至少連續(xù)一天內(nèi)采集獲得的帶有故障標(biāo)簽的速度有效值樣本和沖擊量平均值樣本，根據(jù)采集時間點均分別按照不同的故障窗口寬度劃分為若干個故障窗口內(nèi)采集的多

組第二樣本數(shù)據(jù)；

[0025] 確定在每個故障窗口寬度下的每組所述第二樣本數(shù)據(jù)分別對于設(shè)定的不同大小的比值閾值和不同大小的窗口數(shù)比例閾值對應(yīng)的第二對比結(jié)果；其中，同一個故障窗口寬

度下針對同一個所述比值閾值和同一個窗口數(shù)比例閾值的所述第二對比結(jié)果為各個所述

故障窗口中所述第二樣本數(shù)據(jù)的95分位數(shù)和各個所述故障窗口的95分位數(shù)平均值大于所

述比值閾值的故障窗口數(shù)量所占的窗口數(shù)比例和所述窗口數(shù)比例閾值的對比結(jié)果；

[0026] 確定每個所述故障窗口對應(yīng)所述故障標(biāo)簽和對應(yīng)的各個所述第二對比結(jié)果是否一致；其中，當(dāng)所述故障標(biāo)簽為故障狀態(tài)且所述第二對比結(jié)果為所述窗口數(shù)比例大于所述

窗口數(shù)比例閾值，或者所述故障標(biāo)簽為非故障狀態(tài)，且所述第二對比結(jié)果為所述窗口數(shù)比

例不大于所述窗口數(shù)比例閾值，則所述故障標(biāo)簽和所述第二對比結(jié)果一致；

[0027] 利用尋優(yōu)算法確定第二正確率最高時對應(yīng)的故障窗口寬度、比值閾值以及窗口數(shù)比例閾值作為標(biāo)準(zhǔn)形態(tài)分布參數(shù)中的標(biāo)準(zhǔn)故障窗口寬度、標(biāo)準(zhǔn)比值閾值以及標(biāo)準(zhǔn)窗口數(shù)比

例閾值；其中，所述第二正確率為對于同一比值閾值、同一窗口數(shù)比例閾值且同一故障窗口

寬度下各個所述故障窗口內(nèi)的所述第二樣本數(shù)據(jù)的故障標(biāo)簽和所述第二對比結(jié)果一致的

概率。

[0028] 可選地，獲得所述第二特征信息的過程包括：[0029] 根據(jù)所述速度有效值和所述沖擊量平均值對應(yīng)的采集時間點，按照所述標(biāo)準(zhǔn)故障窗口寬度對所述速度有效值和所述沖擊量平均值分別分割為多個故障窗口對應(yīng)的窗口數(shù)

據(jù)；

[0030] 確定每個所述窗口數(shù)據(jù)對應(yīng)的比值參數(shù)；[0031] 判斷各個所述窗口數(shù)據(jù)中對應(yīng)的比值參數(shù)大于所述標(biāo)準(zhǔn)比值閾值的窗口數(shù)比例是否大于所述標(biāo)準(zhǔn)窗口數(shù)比例閾值，若是，則確定所述第二特征信息為存在第二故障特征。

[0032] 可選地，預(yù)先創(chuàng)建神經(jīng)網(wǎng)絡(luò)模型的過程包括：[0033] 對連續(xù)采集的帶有故障標(biāo)簽的振動樣本數(shù)據(jù)和溫度樣本數(shù)據(jù)進(jìn)行頻譜值運算，獲得頻譜值樣本；

[0034] 基于所述故障標(biāo)簽，利用DNN神經(jīng)網(wǎng)絡(luò)對所述頻譜值樣本進(jìn)行神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)，獲得頻譜值和表征頻譜值是否存在頻譜故障的所述第三特征信息之間的對應(yīng)關(guān)系的神經(jīng)網(wǎng)絡(luò)

模型。

[0035] 可選地，預(yù)先確定每種風(fēng)機(jī)故障類型對應(yīng)的三種特征信息的組合特征，包括：[0036] 對連續(xù)采集的帶有故障標(biāo)簽的振動樣本數(shù)據(jù)和溫度樣本數(shù)據(jù)分別運算獲得樣本第一特征信息、樣本第二特征信息以及樣本第三特征信息；

[0037] 根據(jù)所述故障標(biāo)簽和所述樣本第一特征信息、所述樣本第二特征信息以及所述樣本第三特征信息，利用尋優(yōu)算法確定每種風(fēng)機(jī)故障類型對應(yīng)的準(zhǔn)確率最高的三種特征信息

的組合特征。

[0038] 一種風(fēng)機(jī)故障分析裝置，包括：[0039] 數(shù)據(jù)采集模塊，用于連續(xù)采集待測風(fēng)機(jī)的風(fēng)機(jī)軸承的振動數(shù)據(jù)和溫度數(shù)據(jù)，并獲得所述振動數(shù)據(jù)的速度有效值和沖擊量平均值；

[0040] 第一運算模塊，用于將所述速度有效值、所述沖擊量平均值以及所述溫度數(shù)據(jù)分別進(jìn)行線性擬合，并將獲得的線性擬合參數(shù)和預(yù)先確定的標(biāo)準(zhǔn)擬合參數(shù)對比，獲得第一特

征信息；

[0041] 第二運算模塊，用于將所述速度有效值和所述沖擊量平均值進(jìn)行形態(tài)分布參數(shù)運算，并將獲得的形態(tài)分布參數(shù)和預(yù)先確定的標(biāo)準(zhǔn)形態(tài)分布參數(shù)進(jìn)行對比，獲得第二特征信

息；

[0042] 第三運算模塊，用于將所述振動數(shù)據(jù)和所述溫度數(shù)據(jù)進(jìn)行傅里葉變換，獲得對應(yīng)的頻譜值；并根據(jù)預(yù)先創(chuàng)建的神經(jīng)網(wǎng)絡(luò)模型識別所述頻譜值，獲得第三特征信息；

[0043] 故障判斷模塊，用于根據(jù)所述第一特征信息、所述第二特征信息以及所述第三特征信息，利用預(yù)先確定的每種風(fēng)機(jī)故障類型對應(yīng)的三種特征信息的組合特征，確定當(dāng)前所

述待測風(fēng)機(jī)的故障類型。

[0044] 一種風(fēng)機(jī)故障分析設(shè)備，包括：[0045] 用于采集待測風(fēng)機(jī)的振動數(shù)據(jù)的振動傳感器；[0046] 用于采集所述待測風(fēng)機(jī)的溫度數(shù)據(jù)的溫度傳感器；[0047] 分別和所述振動傳感器以及所述溫度傳感器相連接，并根據(jù)所述振動數(shù)據(jù)和所述溫度數(shù)據(jù)，執(zhí)行實現(xiàn)如上任一項所述的風(fēng)機(jī)故障分析方法的步驟。

[0048] 一種計算機(jī)可讀存儲介質(zhì)，所述計算機(jī)可讀存儲介質(zhì)中存儲有計算機(jī)程序，所述計算機(jī)程序被處理器執(zhí)行時實現(xiàn)如上任一項所述風(fēng)機(jī)故障分析方法的步驟。

[0049] 本發(fā)明所提供的一種風(fēng)機(jī)故障分析方法，包括連續(xù)采集待測風(fēng)機(jī)的風(fēng)機(jī)軸承的振動數(shù)據(jù)和溫度數(shù)據(jù)，并獲得振動數(shù)據(jù)的速度有效值和沖擊量平均值；將速度有效值、沖擊量

平均值以及溫度數(shù)據(jù)分別進(jìn)行線性擬合，并將獲得的線性擬合參數(shù)和預(yù)先確定的標(biāo)準(zhǔn)擬合

參數(shù)對比，獲得第一特征信息；將速度有效值和沖擊量平均值進(jìn)行形態(tài)分布參數(shù)運算，并將

獲得的形態(tài)分布參數(shù)和預(yù)先確定的標(biāo)準(zhǔn)形態(tài)分布參數(shù)進(jìn)行對比，獲得第二特征信息；將振

動數(shù)據(jù)和溫度數(shù)據(jù)進(jìn)行傅里葉變換，獲得對應(yīng)的頻譜值；并根據(jù)預(yù)先創(chuàng)建的神經(jīng)網(wǎng)絡(luò)模型

識別頻譜值，獲得第三特征信息；根據(jù)預(yù)先確定的每種風(fēng)機(jī)故障類型對應(yīng)的三種特征信息

的組合特征，確定當(dāng)前待測風(fēng)機(jī)的故障類型。

[0050] 本申請中對風(fēng)機(jī)的軸承上的振動數(shù)據(jù)和溫度數(shù)據(jù)進(jìn)行連續(xù)采集，并分別從振動數(shù)據(jù)對應(yīng)的速度有效值和沖擊量平均值以及溫度數(shù)據(jù)的線性擬合變化趨勢、速度有效值和沖

擊量平均值的整體形態(tài)特性、振動數(shù)據(jù)和溫度數(shù)據(jù)的頻譜值等三個不同方面進(jìn)行分析，并

與預(yù)先設(shè)定好的各個參數(shù)進(jìn)行對比分析，獲得風(fēng)機(jī)的特性信息，最終根據(jù)風(fēng)機(jī)在三個不同

方面特性信息的組合特征確定風(fēng)機(jī)當(dāng)前所屬的故障類型。本申請中通過對風(fēng)機(jī)的振動和溫

度三個不同方面的特征信息進(jìn)行提取，保證了對風(fēng)機(jī)特征信息提取的全面性，進(jìn)而保證了

后續(xù)對風(fēng)機(jī)故障判斷的準(zhǔn)確性，實現(xiàn)了在風(fēng)機(jī)故障不明顯時即可通過數(shù)據(jù)分析確定風(fēng)機(jī)故

障，保證了風(fēng)機(jī)故障維修的及時性，有利于延長風(fēng)機(jī)的使用壽命。

[0051] 本申請還提供了一種風(fēng)機(jī)故障分析裝置、設(shè)備以及計算機(jī)可讀存儲介質(zhì)，具有上述有益效果。

附圖說明[0052] 為了更清楚的說明本發(fā)明實施例或現(xiàn)有技術(shù)的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單的介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)

明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根

據(jù)這些附圖獲得其他的附圖。

[0053] 圖1為本申請實施例提供的風(fēng)機(jī)故障分析方法的流程示意圖；[0054] 圖2為本申請實施例提供的風(fēng)機(jī)故障分析方法的整體流程框架示意圖；[0055] 圖3為本發(fā)明實施例提供的風(fēng)機(jī)故障分析裝置的結(jié)構(gòu)框圖。具體實施方式[0056] 為了使本技術(shù)領(lǐng)域的人員更好地理解本發(fā)明方案，下面結(jié)合附圖和具體實施方式對本發(fā)明作進(jìn)一步的詳細(xì)說明。顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是

全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提

下所獲得的所有其他實施例，都屬于本發(fā)明保護(hù)的范圍。

[0057] 如圖1所示，圖1為本申請實施例提供的風(fēng)機(jī)故障分析方法的流程示意圖，該風(fēng)機(jī)故障分析方法可以包括：

[0058] S11：連續(xù)采集待測風(fēng)機(jī)的風(fēng)機(jī)軸承的振動數(shù)據(jù)和溫度數(shù)據(jù)，并獲得振動數(shù)據(jù)的速度有效值和沖擊量平均值。

[0059] 需要說明的是，在進(jìn)行振動數(shù)據(jù)采集時，可以是將三個振動傳感器分別安置于風(fēng)機(jī)自由側(cè)軸承的處采集垂直、水平和軸向三個方向的原始振動信號；以及三個振動傳感器

安裝于風(fēng)機(jī)負(fù)荷側(cè)軸承處采集垂直、水平和軸向三個方向振動信號。由此可見，本實施例中

采集的振動數(shù)據(jù)在同一采集時間點，應(yīng)當(dāng)包含有兩個采集位置點，每個采集位置點3個采集

方向采集的一共至少6組振動信號。

[0060] 在進(jìn)行溫度數(shù)據(jù)采集時，可以將兩個溫度傳感器分別安裝于風(fēng)機(jī)自由側(cè)軸承、風(fēng)機(jī)負(fù)荷側(cè)軸承里的軸瓦處兩個采集位置點分別采集兩組溫度信號。

[0061] 在采集了振動數(shù)據(jù)后，即可基于該振動數(shù)據(jù)分別進(jìn)行速度有效值和沖擊量平均值的運算。顯然因為本實施例中包含6組振動信號，相應(yīng)地，在進(jìn)行速度有效值和沖擊量平均

值的運算時，應(yīng)當(dāng)每組振動信號單獨進(jìn)行速度有效值和沖擊量平均值的運算，最終獲得6組

速度有效值和沖擊量平均值。

[0062] S12：將速度有效值、沖擊量平均值以及溫度數(shù)據(jù)分別進(jìn)行線性擬合，并將獲得的線性擬合參數(shù)和預(yù)先確定的標(biāo)準(zhǔn)擬合參數(shù)對比，獲得第一特征信息。

[0063] 需要說明的是，本實施例中的標(biāo)準(zhǔn)擬合參數(shù)是可以包括線性擬合方程對應(yīng)的標(biāo)準(zhǔn)斜率參數(shù)、最大值和最小值之間標(biāo)準(zhǔn)差值參數(shù)，該標(biāo)準(zhǔn)擬合參數(shù)可以基于大數(shù)據(jù)分析獲得，

也可以基于樣本數(shù)據(jù)分析獲得或者是通過其他方式確定獲得，對此本申請中不做具體限

制。

[0064] 如上所述，本實施例中的速度有效值、沖擊量平均值分別包括6組數(shù)據(jù)，而溫度數(shù)據(jù)也包含2個位置點的兩組數(shù)據(jù)，因此，在進(jìn)行線性擬合時，速度有效值和沖擊量平均值應(yīng)

當(dāng)分別對應(yīng)的可擬合獲得6組線性擬合方程，每組線性擬合方程應(yīng)當(dāng)都對應(yīng)一組包括斜率

參數(shù)和差值參數(shù)的線性擬合參數(shù)；相應(yīng)地，對于預(yù)先確定的標(biāo)準(zhǔn)擬合參數(shù)，也應(yīng)當(dāng)包括速度

有效值對應(yīng)的6組標(biāo)準(zhǔn)擬合參數(shù)和沖擊量平均值對應(yīng)的6組標(biāo)準(zhǔn)擬合參數(shù)。

[0065] 同理，對于溫度數(shù)據(jù)而言，包含兩組溫度數(shù)據(jù)，進(jìn)行線性擬合時，同樣可以獲得兩組線性擬合方程對應(yīng)的線性擬合參數(shù)，并分別可以和兩組溫度數(shù)據(jù)對應(yīng)的標(biāo)準(zhǔn)擬合參數(shù)進(jìn)

行對比。

[0066] 在將獲得的線性擬合參數(shù)和其對應(yīng)的標(biāo)準(zhǔn)擬合參數(shù)對比時，若是某一組線性擬合參數(shù)的斜率參數(shù)小于標(biāo)準(zhǔn)斜率參數(shù)，且最大值和最小值之間的差值參數(shù)大于標(biāo)準(zhǔn)差值參

數(shù)，則可以確認(rèn)該組線性擬合參數(shù)對應(yīng)的振動數(shù)據(jù)的第一特征信息為存在第一故障特征，

否則不存在第一故障特征。以此類推，可以確定速度有效值的6組第一特征信息、沖擊量平

均值的6組第一特征信息以及溫度數(shù)據(jù)的兩組第一特征信息的結(jié)果。

[0067] 此外，對于將速度有效值和沖擊量平均值以及溫度數(shù)據(jù)進(jìn)行線性擬合的方式可以采用最小二乘法擬合，也可以采用其他常用的線性擬合方式，對此，本申請中不做具體限

制。

[0068] S13：將速度有效值和沖擊量平均值進(jìn)行形態(tài)分布參數(shù)運算，并將獲得的形態(tài)分布參數(shù)和預(yù)先確定的標(biāo)準(zhǔn)形態(tài)分布參數(shù)進(jìn)行對比，獲得第二特征信息。

[0069] 需要說明的是，對于速度有效值和沖擊量平均值的形態(tài)分布參數(shù)，主要體現(xiàn)數(shù)據(jù)大體的分布趨勢特性。例如可以是速度有效值或沖擊量平均值的大小的整體分布狀態(tài)，該

標(biāo)準(zhǔn)形態(tài)分布參數(shù)也可以基于大數(shù)據(jù)分析獲得。

[0070] 且如前所述，速度有效值和沖擊量平均值應(yīng)當(dāng)分別包含6組形態(tài)分布參數(shù)，速度有效值和沖擊量平均值分別對應(yīng)的標(biāo)準(zhǔn)形態(tài)參數(shù)也均包含有6組。當(dāng)確定第二特征信息時，若

速度有效值或沖擊量平均值對應(yīng)的其中一組形態(tài)分布參數(shù)大于對應(yīng)的標(biāo)準(zhǔn)形態(tài)參數(shù)時，則

該組形態(tài)分布參數(shù)對應(yīng)的振動數(shù)據(jù)也就存在第二故障特征，否則則不存在第二故障特征。

例如，在風(fēng)機(jī)自由側(cè)軸承的處采集垂直方向的振動數(shù)據(jù)，其速度有效值對應(yīng)的形態(tài)分布參

數(shù)大于對應(yīng)的標(biāo)準(zhǔn)形態(tài)參數(shù)，在該在風(fēng)機(jī)自由側(cè)軸承的處采集垂直方向的振動數(shù)據(jù)存在第

二故障特征?？梢岳斫獾氖?，6組振動數(shù)據(jù)之間以及每組振動數(shù)據(jù)的速度有效值和沖擊量平

均值之間的第二故障特征是否存在的判斷是相互獨立互不影響的。

[0071] 以此類推，即可獲得速度有效值和沖擊量平均值分別對應(yīng)的6組形態(tài)分布參數(shù)的第二特征信息。

[0072] S14：將振動數(shù)據(jù)和溫度數(shù)據(jù)進(jìn)行傅里葉變換，獲得對應(yīng)的頻譜值；并根據(jù)預(yù)先創(chuàng)建的神經(jīng)網(wǎng)絡(luò)模型識別頻譜值，獲得第三特征信息。

[0073] 該預(yù)先創(chuàng)建的神經(jīng)網(wǎng)絡(luò)模型可以為識別頻譜值是否為風(fēng)機(jī)故障時的數(shù)據(jù)對應(yīng)的頻譜值。該神經(jīng)網(wǎng)絡(luò)模型可以基于神經(jīng)網(wǎng)絡(luò)訓(xùn)練獲得。

[0074] 和上述論述近似，振動數(shù)據(jù)應(yīng)當(dāng)包含6組頻譜值、溫度數(shù)據(jù)包含兩組頻譜值，該神經(jīng)網(wǎng)絡(luò)模型也應(yīng)當(dāng)包含6組振動數(shù)據(jù)對應(yīng)的模型和2組溫度數(shù)據(jù)對應(yīng)的模型，最終的第三特

性信息包含由6組振動數(shù)據(jù)分別是否存在第三故障特征的信息和2組溫度數(shù)據(jù)是否存在第

三故障特征的信息。

[0075] S15：根據(jù)第一特征信息、第二特征信息以及第三特征信息，利用預(yù)先確定的每種風(fēng)機(jī)故障類型對應(yīng)的三種特征信息的組合特征，確定當(dāng)前待測風(fēng)機(jī)的故障類型。

[0076] 對于上述第一特征信息、第二特征信息以及第三特征信息均包含由多組故障特征結(jié)果。由此，即可獲得一組關(guān)于振動數(shù)據(jù)和溫度數(shù)據(jù)存在各種故障特征的組合。

[0077] 例如，溫度數(shù)據(jù)的兩組第一特征信息均存在第一故障特征。且溫度數(shù)據(jù)的兩組第三特征信息也均為第三故障特征，而速度有效值和沖擊量平均值的第一特征信息、第二特

征信息、第三特征信息均為不存在故障特征。那么即可基于上述特征組合確定風(fēng)機(jī)對應(yīng)于

哪種類型的故障。

[0078] 參考圖2以及表1，圖2為本申請實施例提供的風(fēng)機(jī)故障分析方法的整體流程框架示意圖。表1為圖2中涉及參數(shù)的說明。

[0079] 表1：[0080][0081] 本申請中通過連續(xù)采集待測風(fēng)機(jī)的風(fēng)機(jī)軸承的振動數(shù)據(jù)和溫度數(shù)據(jù)，并對振動數(shù)據(jù)進(jìn)行運算獲得速度有效值和沖擊量平均值，這相當(dāng)于在一定程度上對風(fēng)機(jī)軸承的振動數(shù)

據(jù)進(jìn)行一次特征提取，獲得能夠表征風(fēng)機(jī)軸承振動特性的速度有效值和沖擊量平均值。在

此基礎(chǔ)上對速度有效值和沖擊量平均值從三個不同的角度進(jìn)而二次特征提取，分別獲得速

度有效值和沖擊量平均值的三個方面的特性信息；并在此基礎(chǔ)上分別對溫度數(shù)據(jù)進(jìn)行第一

特征信息和第三特征信息的提取，使得振動數(shù)據(jù)和溫度數(shù)據(jù)的特征分析提取更為全面，那

么以此特征提取的結(jié)果作為判斷風(fēng)機(jī)是否存在故障，即可準(zhǔn)確有效的在風(fēng)機(jī)故障外在表現(xiàn)

不明顯時，即可準(zhǔn)確分析出風(fēng)機(jī)故障，有利于提升風(fēng)機(jī)故障發(fā)現(xiàn)和維修的及時性，有利于提

升風(fēng)機(jī)使用壽命。

[0082] 基于上述論述，在本申請的一種可選地實施例中，對于上述確定第一特征信息時對應(yīng)的標(biāo)準(zhǔn)擬合參數(shù)的確定過程可以包括：

[0083] S21：獲取至少連續(xù)一天內(nèi)帶有故障標(biāo)簽的振動樣本數(shù)據(jù)和溫度樣本數(shù)據(jù)；并獲得振動樣本數(shù)據(jù)對應(yīng)的速度有效值樣本和沖擊量平均值樣本。

[0084] 該故障標(biāo)簽包括故障狀態(tài)和非故障狀態(tài)。當(dāng)然，也可以進(jìn)一步細(xì)化故障狀態(tài)的具體故障類型，例如針對振動數(shù)據(jù)的風(fēng)機(jī)不平衡故障、針對風(fēng)機(jī)溫度的散熱故障等等。

[0085] 為了保證確定標(biāo)準(zhǔn)擬合參數(shù)的準(zhǔn)確性，一般采集振動樣本數(shù)據(jù)和溫度樣本數(shù)據(jù)的持續(xù)時長可以是多天甚至幾十天連續(xù)采集的數(shù)據(jù)，顯然，該振動樣本數(shù)據(jù)和溫度樣本數(shù)據(jù)

應(yīng)當(dāng)包含對故障風(fēng)機(jī)采集的數(shù)據(jù)和對正常風(fēng)機(jī)采集的數(shù)據(jù)，并由此確定數(shù)據(jù)的故障標(biāo)簽。

[0086] S22：根據(jù)各個振動樣本數(shù)據(jù)和溫度樣本數(shù)據(jù)的采集時間點，將速度有效值樣本、沖擊量平均值樣本和溫度樣本數(shù)據(jù)均分別按照不同分割時長分割獲得多組對應(yīng)的第一樣

本數(shù)據(jù)。

[0087] S23：將同一分割時長的時間段采集的每組第一樣本數(shù)據(jù)進(jìn)行線性擬合，獲得對應(yīng)的每組樣本線性擬合方程的斜率樣本、最大值和最小值之間差值樣本。

[0088] S24：分別將每組斜率樣本和差值樣本分別和設(shè)定的多個不同大小的斜率閾值以及不同大小的差值閾值進(jìn)行對比，分別獲得多組第一對比結(jié)果，并判斷第一對比結(jié)果和故

障標(biāo)簽是否一致。

[0089] 其中，第一對比結(jié)果和故障標(biāo)簽一致包括，故障標(biāo)簽為故障狀態(tài)，第一對比結(jié)果為斜率樣本大于斜率閾值且差值樣本大于差值閾值；或者，故障標(biāo)簽為非故障狀態(tài)，第一對比

結(jié)果為斜率樣本不大于斜率閾值或差值樣本不大于差值閾值；

[0090] S25：利用尋優(yōu)算法獲得第一正確率最高時對應(yīng)的分割時長、斜率閾值和差值閾值作為標(biāo)準(zhǔn)擬合參數(shù)中的標(biāo)準(zhǔn)分割時長、標(biāo)準(zhǔn)斜率閾值和標(biāo)準(zhǔn)差值閾值。

[0091] 其中，第一正確率為在同一分割時長對應(yīng)的同一組第一樣本數(shù)據(jù)中對同一斜率閾值同一差值閾值的第一對比結(jié)果和故障標(biāo)簽一致的第一樣本數(shù)據(jù)所占比例。

[0092] 需要說明的是，對于振動樣本數(shù)據(jù)和溫度樣本數(shù)據(jù)隨著時間的變化都是波動變化的，要對持續(xù)較長的一段時間內(nèi)波動變化的數(shù)據(jù)擬合一個線性擬合方程，顯然要不擬合度

會相對較低或者擬合獲得的線性擬合方程過于復(fù)雜，不利于后續(xù)特征分析。

[0093] 因此，本實施例中在進(jìn)行線性擬合之前，先按照數(shù)據(jù)采集的時間點，將速度有效值樣本、沖擊量平均值樣本和溫度樣本數(shù)據(jù)均分割為一段時間段內(nèi)的數(shù)據(jù)。并對每個時間段

內(nèi)對應(yīng)的數(shù)據(jù)分別進(jìn)行線性擬合。

[0094] 但是時間段的時長設(shè)定若是過長，則線性擬合的難度大，而時間段的時長設(shè)定過短，則導(dǎo)致線性擬合方程數(shù)量過多，數(shù)據(jù)分析過于繁瑣。

[0095] 為此，在本申請中可以設(shè)定多個分割時長，先將所有的速度有效值樣本、沖擊量平均值樣本和溫度樣本數(shù)據(jù)均按照相同的分割時長分割獲得多個相同時長的時間段內(nèi)的第

一樣本數(shù)據(jù)?？梢岳斫獾氖?，該第一樣本數(shù)據(jù)同樣包括6組速度有效值樣本分別分割成若干

個時間段對應(yīng)的樣本數(shù)據(jù)、6組沖擊量平均值樣本分別分割成若干個時間段對應(yīng)的樣本數(shù)

據(jù)以及兩組溫度樣本數(shù)據(jù)分別分割成若干個時間段對應(yīng)的樣本數(shù)據(jù)。后續(xù)為了方便說明，

不再對第一樣本數(shù)據(jù)的具體內(nèi)容進(jìn)行詳細(xì)說明，后續(xù)所指的第一樣本數(shù)據(jù)可以表示6組速

度有效值樣本、6組沖擊量平均值樣本以及兩組溫度樣本數(shù)據(jù)中任意一組樣本分割后獲得

的樣本數(shù)據(jù)。

[0096] 在獲得某一分割時長對應(yīng)的第一樣本數(shù)據(jù)后，即可對每個分割時間段內(nèi)的第一樣本數(shù)據(jù)分別進(jìn)行線性擬合，獲得對應(yīng)的線性擬合方程。顯然，每個線性擬合方程對應(yīng)的斜

率、最大值和最小值之間的差值，即為該線性擬合方程對應(yīng)的線性擬合參數(shù)中的斜率樣本

和差值樣本。

[0097] 再將每個分割時間段內(nèi)對應(yīng)的線性擬合方程對應(yīng)的斜率樣本和設(shè)定的斜率閾值進(jìn)行對比，且差值樣本與差值閾值進(jìn)行對比，當(dāng)斜率樣本和差值樣本都大于對應(yīng)的斜率閾

值和差值閾值時，則認(rèn)為該線性擬合方程對應(yīng)時間段的第一樣本數(shù)據(jù)為故障狀態(tài)的樣本數(shù)

據(jù)，再將該第一樣本數(shù)據(jù)的標(biāo)簽和確定該線性擬合方程對應(yīng)的第一樣本數(shù)據(jù)是否為故障狀

態(tài)的結(jié)果進(jìn)行對比，若二者一致，則基于該組斜率閾值和差值閾值對第一樣本數(shù)據(jù)是否故

障的判斷結(jié)果正確，反之，則基于該組斜率閾值和差值閾值對第一樣本數(shù)據(jù)是否故障的判

斷結(jié)果錯誤；而若是當(dāng)線性擬合方程的斜率樣本和差值樣本都不大于或者其中不大于對應(yīng)

的斜率閾值和差值閾值時，若故障標(biāo)簽為故障狀態(tài)，則基于該組斜率閾值和差值閾值對第

一樣本數(shù)據(jù)是否故障的判斷結(jié)果錯誤，若故障標(biāo)簽為非故障狀態(tài)，則基于該組斜率閾值和

差值閾值對第一樣本數(shù)據(jù)是否故障的判斷結(jié)果正確。

[0098] 以此類推，可以確定每個分割時間段對應(yīng)的每個第一樣本數(shù)據(jù)的針對設(shè)定的斜率閾值和差值閾值的判斷結(jié)果正確與否。

[0099] 可以理解的是斜率閾值和差值閾值的設(shè)定是否合理也會直接影響判斷結(jié)果。為此，可以設(shè)定多組不同大小的斜率閾值和不同大小的差值閾值，并獲得每個分割時間段內(nèi)

每個第一樣本數(shù)據(jù)針對每組斜率閾值和差值閾值的判斷結(jié)果正確與否，并最終獲得該分割

時長對應(yīng)的各組第一樣本數(shù)據(jù)在每組斜率閾值和差值閾值的判斷結(jié)果正確的概率。

[0100] 完成第一個分割時長對應(yīng)的第一樣本數(shù)據(jù)基于各組不同大小的斜率閾值和不同大小的差值閾值的判斷結(jié)果正確的概率后，即可改變分割時長，重復(fù)上述過程，獲得第二個

分割時長對應(yīng)的第一樣本數(shù)據(jù)針對各組斜率閾值和差值閾值的判斷結(jié)果正確的概率；以此

類推，獲得多個不同分割時長對應(yīng)的第一樣本數(shù)據(jù)分別針對各組斜率閾值和差值閾值的判

斷結(jié)果正確的概率。

[0101] 要在多個分割時長、多組斜率閾值和差值閾值中選出最為優(yōu)選的一組參數(shù)，可以采用尋優(yōu)算法，確定出一組對應(yīng)的判斷結(jié)果正確的概率最高的分割時長、斜率閾值以及差

值閾值作為標(biāo)準(zhǔn)分割時長、標(biāo)準(zhǔn)斜率閾值以及標(biāo)準(zhǔn)差值閾值，該標(biāo)準(zhǔn)分割時長、標(biāo)準(zhǔn)斜率閾

值以及標(biāo)準(zhǔn)差值閾值也即可以作為標(biāo)準(zhǔn)擬合參數(shù)。

[0102] 對于尋優(yōu)算法，可以采用蝙蝠算法，也可以采用其他類似的尋優(yōu)算法，對此本申請中不做詳細(xì)贅述。

[0103] 基于上述論述，在獲得該標(biāo)準(zhǔn)線性擬合參數(shù)后，在確定待測風(fēng)機(jī)的第一特征信息時，可以相應(yīng)地包括：

[0104] 根據(jù)速度有效值、沖擊量平均值以及溫度數(shù)據(jù)對應(yīng)的采集時間點分別按照標(biāo)準(zhǔn)分割時長分割為多組分割數(shù)據(jù)；

[0105] 對每組分割數(shù)據(jù)進(jìn)行線性擬合，獲得對應(yīng)的線性擬合方程的斜率參數(shù)、最大值和最小值之間的差值參數(shù)；

[0106] 判斷斜率參數(shù)和差值參數(shù)是否分別大于標(biāo)準(zhǔn)斜率閾值和標(biāo)準(zhǔn)差值閾值，若是，則第一特征信息為存在第一故障特征。

[0107] 在上述確定標(biāo)準(zhǔn)擬合參數(shù)的過程在一定程度上相當(dāng)于確定分割數(shù)據(jù)時間段對應(yīng)時長的標(biāo)準(zhǔn)，以及分別判定速度有效值、沖擊量平均值以及溫度數(shù)據(jù)是否存在第一故障特

征的標(biāo)準(zhǔn)。由此在實際對待測風(fēng)機(jī)的第一特征信息進(jìn)行提取時，即可直接對待測風(fēng)機(jī)的速

度有效值、沖擊量平均值以及溫度數(shù)據(jù)按照標(biāo)準(zhǔn)分割時長分別分割為若干個時間段內(nèi)采集

的分割數(shù)據(jù)，并以此進(jìn)行線性擬合確定對應(yīng)的斜率參數(shù)和差值參數(shù)。

[0108] 當(dāng)然，在實際應(yīng)用中，也并不排除直接按照標(biāo)準(zhǔn)分割時長進(jìn)行數(shù)據(jù)采集，也即是說每間隔該分割時長的時間，基于該段時間內(nèi)采集的振動數(shù)據(jù)和溫度數(shù)據(jù)提取一次風(fēng)機(jī)的第

一特征信息。

[0109] 基于上述論述，在本申請的另一可選地實施例中，預(yù)先確定標(biāo)準(zhǔn)形態(tài)分布參數(shù)的過程可以包括：

[0110] S31：將至少連續(xù)一天內(nèi)采集獲得的帶有故障標(biāo)簽的速度有效值樣本和沖擊量平均值樣本，根據(jù)采集時間點均分別按照不同的故障窗口寬度劃分為若干個故障窗口內(nèi)采集

的多組第二樣本數(shù)據(jù)。

[0111] S32：確定在每個故障窗口寬度下的每組第二樣本數(shù)據(jù)分別對于設(shè)定的不同大小的比值閾值和不同大小的窗口數(shù)比例閾值對應(yīng)的第二對比結(jié)果。

[0112] 其中，同一個故障窗口寬度下針對同一個比值閾值和同一個窗口數(shù)比例閾值的第二對比結(jié)果為各個故障窗口中的第二樣本數(shù)據(jù)的95分位數(shù)和各個故障窗口的95分位數(shù)平

均值大于比值閾值的故障窗口數(shù)量所占的窗口數(shù)比例和窗口數(shù)比例閾值的對比結(jié)果。

[0113] S33：確定每個故障窗口對應(yīng)故障標(biāo)簽和對應(yīng)的各個第二對比結(jié)果是否一致。[0114] 其中，當(dāng)故障標(biāo)簽為故障狀態(tài)且第二對比結(jié)果為窗口數(shù)比例大于窗口數(shù)比例閾值，或者故障標(biāo)簽為非故障狀態(tài)，且第二對比結(jié)果為窗口數(shù)比例不大于窗口數(shù)比例閾值，則

故障標(biāo)簽和第二對比結(jié)果一致。

[0115] S34：利用尋優(yōu)算法確定第二正確率最高時對應(yīng)的故障窗口寬度、比值閾值以及窗口數(shù)比例閾值作為標(biāo)準(zhǔn)形態(tài)分布參數(shù)中的標(biāo)準(zhǔn)故障窗口寬度、標(biāo)準(zhǔn)比值閾值以及標(biāo)準(zhǔn)窗口

數(shù)比例閾值。

[0116] 其中，第二正確率為對于同一比值閾值、同一窗口數(shù)比例閾值且同一故障窗口寬度下各個故障窗口內(nèi)的第二樣本數(shù)據(jù)的故障標(biāo)簽和第二對比結(jié)果一致的概率。

[0117] 和上述確定標(biāo)準(zhǔn)擬合參數(shù)的實施例中對速度有效值、沖擊量平均值等數(shù)據(jù)按照時間分割為若干個時間段內(nèi)采集的數(shù)據(jù)類似，本實施例中的故障窗口寬度也即是代表一段時

間段的時長，按照該故障窗口寬度等效于按照故障窗口寬度分割的時間段，即可將數(shù)據(jù)劃

分為若干個故常窗口內(nèi)采集的數(shù)據(jù)。

[0118] 和上述進(jìn)行線性擬合提取第一特征信息類似，對于故障窗口寬度也需要設(shè)定一個合適大小。因此在實際應(yīng)用中，可以先設(shè)定第一個故障窗口寬度，并按照該故障窗口寬度將

速度有效值樣本數(shù)據(jù)、沖擊量平均值樣本數(shù)據(jù)分割成若干個具有相同寬度大小的故障窗口

內(nèi)采集的第二樣本數(shù)據(jù)，可以理解的是，該第二樣本數(shù)據(jù)同樣包括6組速度有效值樣本數(shù)

據(jù)、6組沖擊量平均值樣本數(shù)據(jù)分別按照故障窗口寬度分割成的數(shù)據(jù)，對此不再贅述。并由

此確定每個故障窗口內(nèi)同一組每個第二樣本數(shù)據(jù)的95分位數(shù)，以及各個故障窗口對應(yīng)的同

一組所有第二樣本數(shù)據(jù)的95分位數(shù)平均值。

[0119] 以該95分位數(shù)平均值為基準(zhǔn)，確定每個故障窗口每個第二樣本數(shù)據(jù)的95分位數(shù)和對應(yīng)的95分位數(shù)平均值的比值，可以理解的是，當(dāng)某個故障窗口對應(yīng)的95分位數(shù)和95分位

數(shù)平均值的比值過大時，顯然該故障窗口內(nèi)的第一樣本數(shù)據(jù)的大小顯然都普遍偏大，該故

障窗口內(nèi)的第一樣本數(shù)據(jù)就很大的可能是在風(fēng)機(jī)故障狀態(tài)采集的數(shù)據(jù)。由此該比值的大小

即可在一定程度上反映風(fēng)機(jī)的故障狀態(tài)。

[0120] 為此，為了確定該95分位數(shù)和95分位數(shù)平均值之間的比值參數(shù)是否偏大，需要設(shè)定一個比值閾值作為判斷標(biāo)準(zhǔn)。顯然在各個故障窗口中比值參數(shù)大于比值閾值的故障窗口

數(shù)量所占比例，才能夠在一定程度上體現(xiàn)該第二樣本數(shù)據(jù)整體的數(shù)據(jù)分布狀態(tài)。為此，本實

施例中在此基礎(chǔ)上還設(shè)定一個窗口數(shù)比例閾值，該窗口數(shù)比例閾值即為同一故障窗口寬度

下，各個故障窗口的第二樣本數(shù)據(jù)對應(yīng)的比值參數(shù)大于同一比值參數(shù)閾值的故障窗口的數(shù)

量比例的閾值。

[0121] 顯然，在設(shè)定比值閾值和窗口數(shù)比例閾值時，也難以保證設(shè)定這兩個閾值的準(zhǔn)確性。在實際進(jìn)行運算時，可以設(shè)定多個比值閾值和多個窗口數(shù)比例閾值，并分別獲得同一故

障窗口寬度下，各個故障窗口針對每一比值閾值和每一窗口數(shù)閾值下窗口數(shù)比例和窗口數(shù)

比例閾值對比的第二對比結(jié)果。

[0122] 并將該第二對比結(jié)果和各個故障窗口的故障標(biāo)簽進(jìn)行對比，顯然，當(dāng)?shù)诙Ρ冉Y(jié)果中窗口數(shù)比例大于窗口數(shù)比例閾值，則對應(yīng)的故障窗口的第二樣本數(shù)據(jù)為故障狀態(tài)下獲

得的數(shù)據(jù)，而此時故障標(biāo)簽若是恰好也為故障狀態(tài)，則說明第二對比結(jié)果和故障標(biāo)簽一致；

而當(dāng)?shù)诙Ρ冉Y(jié)果中窗口數(shù)比例不大于窗口數(shù)比例閾值，則對應(yīng)的故障窗口的第二樣本數(shù)

據(jù)為非故障狀態(tài)下獲得的數(shù)據(jù)，而此時故障標(biāo)簽若是恰好也為非故障狀態(tài)，則說明第二對

比結(jié)果和故障標(biāo)簽一致。

[0123] 在完成第一個故障窗口寬度下針對不同的比值閾值和不同的窗口數(shù)比例閾值對應(yīng)的第二對比結(jié)果和故障標(biāo)簽是否一致的判斷后；可以設(shè)定第二個故障窗口寬度；重復(fù)上

述過程，獲得第二個故障窗口寬度下針對不同的比值閾值和不同的窗口數(shù)比例閾值對應(yīng)的

第二對比結(jié)果和故障標(biāo)簽是否一致的判斷，以此類推，可以獲得多個不同的故障窗口寬度

下的判斷結(jié)果。

[0124] 在此基礎(chǔ)上，在通過尋優(yōu)算法確定第二正確率最高時，對應(yīng)的標(biāo)準(zhǔn)故障窗口寬度、標(biāo)準(zhǔn)比值閾值以及標(biāo)準(zhǔn)窗口數(shù)比例閾值作為標(biāo)準(zhǔn)形態(tài)分布參數(shù)。

[0125] 需要說明的是，該尋優(yōu)算法同樣可以采用蝙蝠算法，或者其他尋優(yōu)算法，對此，本申請中并不具體限制。

[0126] 此外，如前所述，對于速度有效值和沖擊量平均值應(yīng)當(dāng)分別包括6組數(shù)據(jù)，相應(yīng)的，速度有效值樣本和沖擊量平均值樣本也應(yīng)該分別包括6組樣本數(shù)據(jù)，在確定標(biāo)準(zhǔn)形態(tài)分布

參數(shù)時，速度有效值和沖擊量平均值的每組數(shù)據(jù)對應(yīng)的標(biāo)準(zhǔn)形態(tài)分布參數(shù)的確定過程應(yīng)當(dāng)

是相互獨立的運算過程，上述S31至S34可以是對任意一組樣本數(shù)據(jù)進(jìn)行處理運算獲得對應(yīng)

的標(biāo)準(zhǔn)形態(tài)分布參數(shù)的過程，對此本申請中不再詳細(xì)贅述。

[0127] 在確定出各組速度有效值和沖擊量平均值對應(yīng)的標(biāo)準(zhǔn)形態(tài)分布參數(shù)之后，即可利用該形態(tài)分布參數(shù)對待測風(fēng)機(jī)的第二特征信息進(jìn)行提取，在本申請的一種可選地實施例

中，獲得第二特征信息的過程包括：

[0128] 根據(jù)速度有效值和所述沖擊量平均值對應(yīng)的采集時間點，按照標(biāo)準(zhǔn)故障窗口寬度對速度有效值和沖擊量平均值分別分割為多個故障窗口對應(yīng)的窗口數(shù)據(jù)；

[0129] 確定每個窗口數(shù)據(jù)對應(yīng)的比值參數(shù)；[0130] 判斷各個窗口數(shù)據(jù)中對應(yīng)的比值參數(shù)大于標(biāo)準(zhǔn)比值閾值的窗口數(shù)比例是否大于標(biāo)準(zhǔn)窗口數(shù)比例閾值，若是，則確定第二特征信息為存在第二故障特征。

[0131] 基于上述任意實施例，在本申請的另一可選地實施例中，預(yù)先創(chuàng)建神經(jīng)網(wǎng)絡(luò)模型的過程可以包括：

[0132] 對連續(xù)采集的帶有故障標(biāo)簽的振動樣本數(shù)據(jù)和溫度樣本數(shù)據(jù)進(jìn)行頻譜值運算，獲得頻譜值樣本；

[0133] 利用DNN神經(jīng)網(wǎng)絡(luò)對頻譜值樣本進(jìn)行神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)，獲得表征頻譜值和第三特征信息對應(yīng)關(guān)系的神經(jīng)網(wǎng)絡(luò)模型。

[0134] 在實際應(yīng)用中，也并不排除采用其他神經(jīng)網(wǎng)絡(luò)訓(xùn)練獲得能夠識別判斷頻譜值是否為故障狀態(tài)下測得的數(shù)據(jù)的頻譜值，由此提取振動數(shù)據(jù)和溫度數(shù)據(jù)的第三特征信息。

[0135] 基于上述任意實施例，在本申請的一種可選的實施例中，預(yù)先確定每種風(fēng)機(jī)故障類型對應(yīng)的三種特征信息的組合特征，可以包括：

[0136] 對連續(xù)采集的帶有故障標(biāo)簽的振動樣本數(shù)據(jù)和溫度樣本數(shù)據(jù)分別運算獲得樣本第一特征信息、樣本第二特征信息以及樣本第三特征信息；

[0137] 根據(jù)故障標(biāo)簽和樣本第一特征信息、樣本第二特征信息以及樣本第三特征信息，利用尋優(yōu)算法確定每種風(fēng)機(jī)故障類型對應(yīng)的準(zhǔn)確率最高的三種特征信息的組合特征。

[0138] 需要說明的是，本實施例中的故障標(biāo)簽處理包含非故障狀態(tài)和故障狀態(tài)之外，還可以包括故障狀態(tài)對應(yīng)的故障類型。

[0139] 如前所述，基于上述實施例中提取第一特征信息、第二特征信息以及第三特征信息的方式，分別對振動樣本數(shù)據(jù)和溫度樣本數(shù)據(jù)進(jìn)行運算，獲得對應(yīng)的樣本第一特征信息、

樣本第二特征信息以及樣本第三特征信息。

[0140] 在基于故障標(biāo)簽中包含的故障類型，確定每個故障類型對應(yīng)的各個振動樣本數(shù)據(jù)和溫度樣本數(shù)據(jù)中三個特征信息的組合形式，并基于尋優(yōu)算法，確定出最能表征該故障類

型對應(yīng)的三個特征信息的組合特征，參照下表2，表2中示出了在不同特征組合下，對應(yīng)的不

用類型的風(fēng)機(jī)故障。

[0141] 表2：[0142][0143] 可選地，對于確定每中類型風(fēng)機(jī)故障對應(yīng)的最優(yōu)組合特征時，可以基于針對同一風(fēng)機(jī)故障類型所存在的多種組合特征分別進(jìn)行判斷準(zhǔn)確率運算，若是針對所有的樣本數(shù)據(jù)

進(jìn)行對應(yīng)風(fēng)機(jī)故障類型判斷準(zhǔn)確率最高，則認(rèn)為該組合特征為最優(yōu)選。確定各個不同的風(fēng)

機(jī)故障類型對應(yīng)的最優(yōu)組合特征后，即可將各個風(fēng)機(jī)故障類型對應(yīng)的組合特征創(chuàng)建映射模

型或映射列表，或者其他能夠表征風(fēng)機(jī)故障類型和組合特征之間映射關(guān)系的數(shù)據(jù)，在實際

對待測風(fēng)機(jī)進(jìn)行風(fēng)機(jī)故障判斷時，即可將該待測風(fēng)機(jī)故障對應(yīng)的第一特征信息、第二特征

信息、第三特征信息基于該映射關(guān)系進(jìn)行對照查找，確定風(fēng)機(jī)故障類型。

[0144] 此外本實施例中的尋優(yōu)算法可以采用蝙蝠算法，對此本實施例中不做具體限制。[0145] 下面對本發(fā)明實施例提供的風(fēng)機(jī)故障分析裝置進(jìn)行介紹，下文描述的風(fēng)機(jī)故障分析裝置與上文描述的風(fēng)機(jī)故障分析方法可相互對應(yīng)參照。

[0146] 圖3為本發(fā)明實施例提供的風(fēng)機(jī)故障分析裝置的結(jié)構(gòu)框圖，參照圖3的風(fēng)機(jī)故障分析裝置可以包括：

[0147] 數(shù)據(jù)采集模塊100，用于連續(xù)采集待測風(fēng)機(jī)的風(fēng)機(jī)軸承的振動數(shù)據(jù)和溫度數(shù)據(jù)，并獲得所述振動數(shù)據(jù)的速度有效值和沖擊量平均值；

[0148] 第一運算模塊200，用于將所述速度有效值、所述沖擊量平均值以及所述溫度數(shù)據(jù)分別進(jìn)行線性擬合，并將獲得的線性擬合參數(shù)和預(yù)先確定的標(biāo)準(zhǔn)擬合參數(shù)對比，獲得第一

特征信息；

[0149] 第二運算模塊300，用于將所述速度有效值和所述沖擊量平均值進(jìn)行形態(tài)分布參數(shù)運算，并將獲得的形態(tài)分布參數(shù)和預(yù)先確定的標(biāo)準(zhǔn)形態(tài)分布參數(shù)進(jìn)行對比，獲得第二特

征信息；

[0150] 第三運算模塊400，用于將所述振動數(shù)據(jù)和所述溫度數(shù)據(jù)進(jìn)行傅里葉變換，獲得對應(yīng)的頻譜值；并根據(jù)預(yù)先創(chuàng)建的神經(jīng)網(wǎng)絡(luò)模型識別所述頻譜值，獲得第三特征信息；

[0151] 故障判斷模塊500，用于根據(jù)第一特征信息、第二特征信息以及第三特征信息，利用預(yù)先確定的每種風(fēng)機(jī)故障類型對應(yīng)的三種特征信息的組合特征，確定當(dāng)前待測風(fēng)機(jī)的故

障類型。

[0152] 本實施例的風(fēng)機(jī)故障分析裝置用于實現(xiàn)前述的風(fēng)機(jī)故障分析方法，因此風(fēng)機(jī)故障分析裝置中的具體實施方式可見前文中的風(fēng)機(jī)故障分析方法的實施例部分，例如，數(shù)據(jù)采

集模塊100，第一運算模塊200，第二運算模塊300，第三運算模塊400，故障判斷模塊500分別

用于實現(xiàn)上述風(fēng)機(jī)故障分析方法中步驟S11，S12，S13，S14和S15，所以，其具體實施方式可

以參照相應(yīng)的各個部分實施例的描述，在此不再贅述。

[0153] 本申請還包括一種風(fēng)機(jī)故障分析設(shè)備的實施例，該設(shè)備可以包括：[0154] 用于采集待測風(fēng)機(jī)的振動數(shù)據(jù)的振動傳感器；[0155] 用于采集所述待測風(fēng)機(jī)的溫度數(shù)據(jù)的溫度傳感器；[0156] 分別和所述振動傳感器以及所述溫度傳感器相連接，并根據(jù)所述振動數(shù)據(jù)和所述溫度數(shù)據(jù)，執(zhí)行實現(xiàn)如上任一項所述的風(fēng)機(jī)故障分析方法的步驟。

[0157] 可選地，該振動傳感器的數(shù)量可以包括6個，其中三個設(shè)置在風(fēng)機(jī)軸承的自由側(cè)分別用于檢測垂直、水平和軸向三個方向上的振動數(shù)據(jù)，另外三個設(shè)置于風(fēng)機(jī)軸承的負(fù)載側(cè)

分別用于檢測垂直、水平和軸向三個方向上的振動數(shù)據(jù)。

[0158] 對于溫度傳感器可以包括兩個，一個設(shè)置在風(fēng)機(jī)軸承的自由側(cè)一個設(shè)置在風(fēng)機(jī)軸承的負(fù)載側(cè)。

[0159] 本申請還公開了一種計算機(jī)可讀存儲介質(zhì)的實施例，該計算機(jī)可讀存儲介質(zhì)中存儲有計算機(jī)程序，所述計算機(jī)程序被處理器執(zhí)行時實現(xiàn)如上任一項所述風(fēng)機(jī)故障分析方法

的步驟。

[0160] 該計算機(jī)可讀存儲設(shè)備可以包括隨機(jī)存儲器（RAM）、內(nèi)存、只讀存儲器（ROM）、電可編程ROM、電可擦除可編程ROM、寄存器、硬盤、可移動磁盤、CD?ROM、或技術(shù)領(lǐng)域內(nèi)所公知的

任意其它形式的存儲介質(zhì)。

[0161] 需要說明的是，在本文中，諸如第一和第二等之類的關(guān)系術(shù)語僅僅用來將一個實體或者操作與另一個實體或操作區(qū)分開來，而不一定要求或者暗示這些實體或操作之間存

在任何這種實際的關(guān)系或者順序。而且，術(shù)語“包括”、“包含”或者其任何其他變體意在涵

蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者設(shè)備所固有的要素。

在沒有更多限制的情況下，由語句“包括一個……”限定的要素，并不排除在包括所述要素

的過程、方法、物品或者設(shè)備中還存在另外的相同要素。另外，本申請實施例提供的上述技

術(shù)方案中與現(xiàn)有技術(shù)中對應(yīng)技術(shù)方案實現(xiàn)原理一致的部分并未詳細(xì)說明，以免過多贅述。

[0162] 本文中應(yīng)用了具體個例對本發(fā)明的原理及實施方式進(jìn)行了闡述，以上實施例的說明只是用于幫助理解本發(fā)明的方法及其核心思想。應(yīng)當(dāng)指出，對于本技術(shù)領(lǐng)域的普通技術(shù)

人員來說，在不脫離本發(fā)明原理的前提下，還可以對本發(fā)明進(jìn)行若干改進(jìn)和修飾，這些改進(jìn)

和修飾也落入本發(fā)明權(quán)利要求的保護(hù)范圍內(nèi)。