一种旋转型设备运行正异常状态分析方法、装置制造方法及图纸

本发明专利技术提供了一种旋转型设备运行正异常状态分析方法、装置，边缘节点在获取设备运行正异常状态分析模型及数据处理方法后进行数据采集以及边缘运算模块进行推理计算；当边缘模型判断设备运行存在异常的可能性时，会命令边缘节点进行更高频次的数据上传和存储，从而保证在节点的有限数据中，超过百分之五十的上传数据均包含故障信息。本发明专利技术所述的旋转型设备运行正异常状态分析方法可同时采集旋转设备的振动数据和磁场数据，同时通过边缘端算法模型进行设备健康状态测量，并且将数据上传到云平台，以更新人工智能模型，并将训练好的模型参数及数据处理方法下发边缘端进行设备健康状态的推理分析。

A method and device for analyzing the positive and abnormal state of rotating equipment

【技术实现步骤摘要】
一种旋转型设备运行正异常状态分析方法、装置
本专利技术属于旋转型设备状态分析
，尤其是涉及一种基于边缘算法的旋转型设备运行正异常状态分析方法。
技术介绍
旋转型机械设备（包括但不限于泵机、电机、鼓风机、压缩机、汽轮机等）在工业生产中一直是生产系统中的重要设备，对动力的供应、介质的转运、杂质的抽取以及液体的加注等方面都有重要作用。旋转类设备在日常生产中备受关注的部分主要集中在两点：1.设备一段时间内的运行时长；2.设备实时健康状态。前者的目的是为了更好的分析设备效率以及更好的实现节能降耗，后者则是防止出现突发停机导致生产成本增加或引发重大事故。目前在旋转类机组的运行时长记录方面，除个别发动机组具备机械计时仪表外并没有很好的统计手段，这就导致了生产方在使用机组时没有办法准确的评估机组的效率、能耗，从而进一步从这两方面进行成本控制。比如相同机组相邻两个月产能接近，但整体耗电存在不合理差异，此时两个月中机组使用时间相同和使用时间不同就会引导出两个完全不同的结论。前者会导向设备能耗增大或存在其他不合规用电，后者则导向机组整体效率的下降，可能存在某种机组故障。由此可见，机组运行时长的统计在工业生产中十分重要，亟待有效的统计手段来弥补此类需求的空白。目前绝大部分的旋转型机械设备异常检测产品使用的方法大致分为两种，第一种在传感器端直接下发特定阈值进行判断，指的是在采集到机械设备振动数据后求取振动或加速度或速度或位移的有效值，然后与阈值比对，多方向中的某一方向超过阈值则认为当前机械设备振动存在异常。阈值的设定通常以各类型设备相应的国家标准为参照，如泵机设备的振动阈值一般以GB-10889-1989“泵的振动测量与评价方法”为参照，将国家标准中设定的不同等级的泵赋予对应的振动烈度阈值来进行判断，同时部分产品会支持客户设置阈值；第二种是将原始数据或特征值通过通讯手段上传至云平台，并通过一些行业或设备知识，对振动信息（加速度、速度或位移）进行频域上的分析，然后通过一节简单的业务规则（人工或自动化）或二叉树算法来判别异常和正常的差异。对于上文提到的异常检测方法而言，第一种阈值法存在的缺陷是：如果选取默认阈值作为异常检测指标的话，对于很多的生产场景都是不太适用的，因为标准制定所用的实验环境和介质都是匹配的设备厂商在出厂实验测试下的条件，有很多场景都会让机械设备在正常运行下振动超过阈值；如果用户自定义阈值，很多用户缺乏相应的故障判断知识，导致阈值设定不准确，且生产调整后还需要相当长的一段时间确认新的阈值，导致在一段时间内异常识别不准确，出现频繁的漏报及误报。第二种规则法虽然比烈度大小判断更加接近于正异常判别本质，但是自动化的判断在运算量和运算性能上不能使其在当前现有技术的产品边缘端进行连续的运算和分析。如果采用云端运算分析，数据上云在传感器电量消耗中占主要部分，这就导致了无线传感器无法频繁的上传数据，从而导致了异常检测结果的滞后和疏漏。
技术实现思路
有鉴于此，本专利技术旨在提出一种基于边缘算法的旋转型设备运行正异常状态分析方法，以解决现有技术中人工成本高、专家团队经验单一、分析延迟且误判较多的问题。为达到上述目的，本专利技术的技术方案是这样实现的：第一方面，本专利技术实施例提供一种旋转型设备启停机状态分析模型构建方法，包括：采集旋转型设备各方向的振动数据以及电机旋转时的磁感应数据；对振动数据和磁感应数据的时域、频域进行区间划分，并对每一区间进行相应的统计特征提取；将提取的统计特征传入聚类算法进行训练，用以得到匹配当前设备的启停状态分析模型。进一步的，对振动数据在时域、频域进行区间划分的方法，具体为：在时域上利用自适应窗长检测方法进行数据划分，以削弱采样频率波动对数据变形的影响；在频域上根据旋转类设备旋转频率的1/3倍频、1/2倍频以及1~N的整数倍频，依次进行频域划分；随后，分别在时域及频域逐段进行统计特征的提取。进一步的，对磁感应数据在时域、频域进行区间划分的方法，具体为：在时域上利用自适应窗长检测方法进行数据划分，以削若采样频率波动对数据变形的影响；在频域上提取存在明显峰值的区域，并分别在时域及频域逐段进行统计特征的提取。进一步的，利用聚类算法进行拆分的方法，具体为：将振动数据特征和磁感应数据特征整合传入聚类算法，采用余弦距离为相似性度量，结合一类离群值和一类异常值评判标准将数据自动分为两簇，并辅以振动统计特征和磁感应强度特征来保证此两簇的划分与设备启停存在强相关性，从而将数据拆分为设备运行和停机两类状态。第二方面，本专利技术实施例提供一种旋转型设备启停机状态分析方法，包括：将上述第一方面所述的构建方法构建形成的分析模型以及数据处理方法下传到边缘节点；边缘节点进行相应数据采集以及边缘运算模块进行边缘推理，并在设备启停状态发生改变时生成启停状态标记，并将该标记和对应的时间戳上传云端，从而准确记录设备每次开始运行和结束运行的时间点，实现有效的进行机组运行时长计时。第三方面，本专利技术实施例提供旋转型设备运行正异常状态分析方法，采集旋转型设备各方向的振动数据以及电机旋转时的磁感应数据；对采集的振动数据和磁感应数据进行处理，其中包括利用交叉相关双谱法对不同方向的振动数据两两循环生成图片，并计算磁感应数据的时域及频域统计特征量；将图片传入深度学习分类算法进行训练，并在深度学习的中间特征网络层插入磁感应特征进行集成学习，从而生成适配当前设备的设备运行正异常状态分析模型；将设备运行正异常状态分析模型以及振动数据和磁感应数据处理方法下传到边缘节点；边缘节点在获取设备运行正异常状态分析模型及数据处理方法后，进行数据采集并通过边缘运算模块进行边缘推理；当边缘运算模块判断设备可能处于异常运行状态时，会命令边缘节点进行更高频次的数据上传，从而保证在节点上传的有限数据中，超过百分之五十的上传数据均包含故障信息。第四方面，本专利技术实施例提供旋转型设备运行正异常状况分析装置，包括：数据采集模块，用于同步采集旋转型设备各方向的振动数据以及电机旋转时的磁感应数据；数据处理模块，用于利用交叉相关双谱法对不同方向的振动数据两两循环生成图片，并计算磁感应数据的时域及频域统计特征量；深度学习分类模块，用于将图片传入深度学习分类算法进行训练，并在深度学习的中间特征网络层插入磁感应特征进行集成学习，并最终生成适配当前设备的设备运行正异常状态分析模型；下传模块，用于将设备运行正异常状态分析模型以及振动数据和磁感应数据处理方法下传到边缘节点；边缘运算模块，用于在边缘节点获取设备运行正异常状态分析模型及数据处理方法，且进行数据采集后，进行边缘推理；异常判断模块，用于根据边缘计算结果判断旋转型设备是否异常；上传模块，用于当异常判断模块判断旋转型设备异常时，命令边缘节点进行更高频次的数据上传。第五方面，本专利技术实施例提供一种服务器，包括至少一个处理器，以及与所述处理器通信连接的本文档来自技高网...

【技术保护点】
1.一种旋转型设备启停机状态分析模型构建方法，其特征在于，包括：/n采集旋转型设备各方向的振动数据以及电机旋转时的磁感应数据；/n对振动数据和磁感应数据的时域、频域进行区间划分，并对每一区间进行相应的统计特征提取；/n将提取的统计特征传入聚类算法进行训练，用以得到匹配当前设备的启停状态分析模型。/n

【技术特征摘要】
1.一种旋转型设备启停机状态分析模型构建方法，其特征在于，包括：
采集旋转型设备各方向的振动数据以及电机旋转时的磁感应数据；
对振动数据和磁感应数据的时域、频域进行区间划分，并对每一区间进行相应的统计特征提取；
将提取的统计特征传入聚类算法进行训练，用以得到匹配当前设备的启停状态分析模型。


2.根据权利要求1所述的旋转型设备启停机状态分析模型构建方法，其特征在于，对振动数据在时域、频域进行区间划分的方法，具体为：
在时域上利用自适应窗长检测方法进行数据划分，以削弱采样频率波动对数据变形的影响；
在频域上根据旋转类设备旋转频率的1/3倍频、1/2倍频以及1~N的整数倍频，依次进行频域划分；随后，分别在时域及频域逐段进行统计特征的提取。


3.根据权利要求1所述的旋转型设备启停机状态分析模型构建方法，其特征在于，对磁感应数据在时域、频域进行区间划分的方法，具体为：
在时域上利用自适应窗长检测方法进行数据划分，以削若采样频率波动对数据变形的影响；
在频域上提取存在明显峰值的区域，并分别在时域及频域逐段进行统计特征的提取。


4.根据权利要求1所述的旋转型设备启停机状态分析模型构建方法，其特征在于，利用聚类算法进行拆分的方法，具体为：
将振动数据特征和磁感应数据特征整合传入聚类算法，采用余弦距离为相似性度量，结合一类离群值和一类异常值评判标准将数据自动分为两簇，并辅以振动统计特征和磁感应强度特征来保证此两簇的划分与设备启停存在强相关性，从而将数据拆分为设备运行和停机两类状态。


5.一种旋转型设备启停机状态分析方法，其特征在于，包括：
将权利要求1-4任一项所述的构建方法构建形成的分析模型以及数据处理方法下传到边缘节点；边缘节点进行相应数据采集以及边缘运算模块进行边缘推理，并在设备启停状态发生改变时生成启停状态标记，并将该标记和对应的时间戳上传云端，从而准确记录设备每次开始运行和结束运行的时间点，实现有效的进行机组运行时长计时。


6.一种旋转型设备运行正异常状态分析方法，其特征在于，包括：
采集旋转型设备各方向的振动数据以及电机旋转时的磁...

【专利技术属性】
技术研发人员：马君，武通达，李金阳，刘涛，徐国想，蔺思宇，
申请(专利权)人：湃方科技天津有限责任公司，
类型：发明
国别省市：天津;12