基于Python的振动监测与故障诊断系统开发.pdf
《基于Python的振动监测与故障诊断系统开发.pdf》由会员分享,可在线阅读,更多相关《基于Python的振动监测与故障诊断系统开发.pdf(5页珍藏版)》请在咨信网上搜索。
1、现代制造、工艺装备Modern Manufacturing&Process Equipment2024年第1 期基于 Python的振动监测与故障诊断系统开发胡王平,周裕康,孙荣坤,张志新(浙江大学化工机械研究所,浙江杭州31 0 0 31)摘要:风机、泵和离心机等旋转设备是广泛应用于工业生产和日常生活的重要设备。在“服务型制造”的转变推动下,智能化、自动化以及数字化是这些设备的发展趋势,也是提高设备安全性、可靠性的重要方式。通过现场检测端和远程Web端的软、硬件设计,结合经典故障诊断算法与利用大数据的人工智能诊断方法,开发了低成本、高开放性振动监测与故障诊断系统,实现了旋转设备的运行状态监测
2、与故障在线诊断和远程协同会诊功能,顺应智能制造的趋势,提供了针对风机等旋转设备运维的可行方案。关键词:旋转设备振动监测故障诊断系统设计中图分类号:TP277;TH17Development of vibration monitoring and fault diagnosis system based on PythonAbstract:Rotating equipment such as fans,pumps and centrifuges are widely used in industrial production and daily life.Driven by the transf
3、ormation of service-oriented manufacturing,intelligence,automation and digitalization are the develop-ment trends of these devices and important ways to improve their safety and reliability.Through software and hardware designof the on-site detection terminal and the remote Web terminal,combined wit
4、h the classical fault diagnosis algorithm and theartificial intelligence diagnosis using big data,this paper developed a low-cost and high-openness vibration monitoring andfault diagnosis system.It realized the running state monitoring,online fault diagnosis and remote collaborative consultation oft
5、he rotating equipment.Following the trend of intelligent manufacturing,we have provided a feasible scheme for the operationand maintenance of rotating equipment such as fans.Keywords:rotating equipment,vibration monitoring,fault diagnosis,system design0引言振动烈度是反应泵、风机和齿轮箱等旋转机械运行状态的重要参数 。手持式测振仪可以测量振动大小
6、,常用于旋转机械的振动巡检,但需要人工记录,容易造成错记或数据丢失,且不具备振动分析与故障诊断功能。随着检测技术的发展,具有简单的频谱分析功能的点检设备面世,但诊断能力较弱。现场振动分析与故障诊断系统通过传统诊断方法实现故障诊断功能,但具有高成本和封闭系统功能拓展性差的缺点。近年来,随着计算机技术的发展,利用大数据的人工智能诊断方法也逐渐兴起 3-4。相较于传统诊断方法,人工智能诊断方法对专业诊断文献标识码:AHU Wangping,ZHOU Yukang,SUN Rongkun,ZHANG Zhixin1系统的设计与开发1.1系统的整体方案系统的整体方案结构如图1 所示。现场检测端的主要功能
7、是信号采集和现场诊断,布置在旋转机文章编号:1 0 0 2-6 8 8 6(2 0 2 4)0 1-0 0 1 1-0 5人员的诊断经验要求更低,对历史数据的利用率更高。因此,为结合传统振动诊断方法和人工智能诊断方法的优势,解决其他振动系统成本高、开放性差等缺点,本文利用Python这一开源编程语言,结合适当的硬件选型,开发了一套振动故障监测系统,该系统成本低,开放性高,能方便地集成最新的监测与智能诊断算法,且实现了现场诊断与远程协同诊断功能,提供了多种诊断方式。.11现代极械I Mloden MachineryIXiandai Jixie械上的振动传感器负责采集振动信号,由信号采集板卡上传至
8、现场终端进行状态监测与故障分析。为增强系统诊断能力,系统还配备了远程Web 端以实现远程协同会诊的功能,通过云平台中的云数据库功能,可将现场端的振动数据传人云端,远程专家可以通过Web端访问后进行协同会诊。平板电脑旋转机械振动传感器观场检测端图1 振动监测与故障诊断系统整体方案图1.2振动信号采集与预处理系统选用频响范围宽、结构可靠、抗干扰能力强的IEPE/ICP压电式加速度传感器,选用型号为MPS-140801-I的USB数据采集板卡,该卡可以直接接入IEPE/ICP类传感器,能实现8 通道、每个通道最高以1 2 8 kHz为采样频率的信号采集。设备运行环境的复杂性会使传感器测得的振动信号受
9、到许多干扰,这些干扰信号会对后续故障诊断产生影响,为了降低无用信号干扰,获得更有效的诊断用信号,本系统会在诊断前进行滤波降噪的预处理。集成的包含隔直、带通滤波器、移动平均、中值滤波、维纳滤波、五点三次平滑等滤波降噪算法可以根据不同的应用环境供用户选择。为了提高系统的适用性,由其他测振系统中测得的振动信号按照本系统中所用数据格式进行统一后,也可以导人系统中进行分析,即实现归一化数据输人的功能。1.3故故障诊断方法1.3.1基于时频域分析的传统诊断方法时频域分析方法是传统故障诊断的核心,主要包含信号的时域分析、频域分析和时频分析。振动信号的时域指标能够评估转子系统的振动大小,判断其运行状态 5。在
10、实际工程中,时域分析常常作为系统状态监测的主要手段,也作为故障发生的早期预警,帮助工作人员发现早期故障,主要包括有效值、峰峰值、峭度值等时域指标。频谱分析以傅立叶变换为核心,其计算公式如下:.12X(o):式中:x(t)是时域信号,X()是其傅里叶变换。频域分析超图手机端图2 系统选用的时频域分析方法信号采集板卡现场终端e-jotdt时频域分析包络谱分析细化谱分析计算机云平台远程W娱(1)倒频谱分析小波分析作为工程上最常用的频谱分析方法,快速傅立叶变换能分析旋转特性,识别简单的如转子不平衡、不对中等故障 6,而复杂的故障则常常可根据其故障特性利用不同的诊断方法来识别,结合转子系统中最常见的轴承
11、与齿轮故障,常有以下几种诊断方法:包络谱分析是一种对冲击信号十分敏感的处理方法,时域信号f(t)利用式(2)进行Hilbert变换:H(t)=f(t)二=*f()d2dTTtTJ-8t-T由此得到解析信号为:z(t)=f(t)+i(t)对其取模即得包络信号:a(t)=l z(t)I=Vf(t)+H(t)对包络信号进行快速傅里叶变换后,可以放大滚动轴承故障发生时的冲击引起的共振信号并分离出其故障信息,结合滚动轴承的特征频率信息,可以识别出其故障部位。为识别齿轮故障发生时不同的故障对齿轮啮合频率的不同调制效果,常可以对所需频段进行细化分析或利用倒频谱分析将频谱图上复杂的边频信号分离,从而分析其边频
12、信息,判断故障情况。连续小波变换通过信号f(t)与母小波(t)的尺度变换函数二(t-b卷积后实现:VaaWf(a,b)=ff(t)pa,(t)dtt-bf(t)dt,a 0aa(2)(3)(4)(5)现代制造、工艺装备Modern Manufacturing&Process Equipment若将其尺度与延展参数离散化使=,则可括信号的前向传播和误差的反向传播两个流程,通以获得离散化的小波函数:过两个过程的不断迭代,神经网络会不断调整各权-6=asa(t-b),m Z进行离散小波变换时,信号会通过一系列的高通滤波器来分析高频成分,通过一系列低通滤波器来分析低频成分,将高低频端信号成分分离,经过
13、小波重构后就可以还原不同频段的振动信息,以达到提取细化频段的目的。时频域分析包含短时傅里叶变换、Winger-Ville分布和小波变换等分析方法,其中小波变换常用于滤波、分析各频段能量、研究非平稳信号以及提取特定的信号特征等等 7-8,是故障诊断时综合分析判断许多故障时的常用方法。1.3.2基于人工智能的诊断方法传统诊断方法的诊断理论较为完善,诊断逻辑也较为清楚,然而实际诊断过程中,诊断方法的选用和诊断结果的分析等工作仍需要专业诊断人员的介人,故障检出率很大程度上依赖于诊断人员的技术与经验,往往增加了诊断的成本和难度。因此在本系统设计过程中,引入了传统在线振动监测系统中缺少的人工智能诊断方法。
14、作为人工智能所依赖的技术之一,神经网络依靠系统的复杂程度,通过调整内部大量节点之间相互连接的关系,从而达到处理信息的目的 9-1 0 1。利用这一特性,本系统利用BP神经网络建立起旋转机械的振动特性与故障之间的联系,训练故障诊断模型,从而帮助诊断识别故障,提供针对不同机型的有效诊断网络。BP神经网络是一种按照误差逆向X一传播算法训练的多X2层前反馈神经网络,:其特点是按误差反m向传递,无需事先确定输入输出之间的映射关系。BP神经网络的主要结构如图3所示,计算时,隐层则作为中间层让神经网络能实现非线性变换,其主要流程包2024年第1 期重值并逐渐减少误差,从而达到理想的收敛效果。在故障诊断中,B
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 Python 振动 监测 故障诊断 系统 开发
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。