基于频率能量占比的机组机械振动评估方法和系统

摘要

本申请涉及一种基于频率能量占比的机组机械振动评估方法和系统。该方法包括：构建机组转速变化中机械振动的数据提取方法，从提取的振动数据中获取阶次频率特征参数；根据所述阶次频率特征参数，构建具有空间特征的机组机械振动状态的多元表征矩阵；获取所述机组的健康样本状态矩阵，计算所述健康样本状态矩阵和所述多元表征矩阵的平均欧氏距离，获取期望值；根据所述期望值，评估所述机械振动的频率成分能量结构变化。通过该评估方法不仅实现对机组机械振动状态变化趋势评估，也实现了在机组开机早期发现可能存在的安全隐患，实现开机自检，为机组的安全稳定运行提供指导。此外，该评估方法有效的节省了人工成本并提高了评估效率。

说明书

技术领域

本申请涉及电力设备技术领域，特别是涉及一种基于频率能量占比的机组机械振动评估方法和系统。

背景技术

水电机组开机动态过程是包含升转速、起励建压及同期的一系列过渡过程，与空载及负荷稳定等稳态工况相比，开机动态过程机组稳定性表现往往较差，但此过程稳定性状态监测数据却包含了丰富的机组稳定性信息，例如开机升转速阶段蕴含着机械振动在不同转速下的表征信息，因此对此过程稳定性状态监测数据分析挖掘可获取机械振动状态的丰富信息。

目前对于机组中机械振动的状态进行的评估大部分是根据人工的经验进行人工判断，同时结合机械振动中部件的损耗进行综合的评估，最终判断出机械振动的过程是否处于健康状态，但是，这种判断基于人力成本，无法有效的对机械振动过程中的数据进行利用，同时传统的人工判断效率较低，没有精确的数据支撑，评估的效果较差。

发明内容

基于此，有必要针对上述技术问题，提供一种基于频率能量占比的机组机械振动评估方法和系统。

第一方面，本发明实施例提供了一种基于频率能量占比的机组机械振动评估方法，包括以下步骤：

构建机组转速变化中机械振动的数据提取方法，从提取的振动数据中获取阶次频率特征参数；

根据所述阶次频率特征参数，构建具有空间特征的机组机械振动状态的多元表征矩阵；

获取所述机组的健康样本状态矩阵，计算所述健康样本状态矩阵和所述多元表征矩阵的平均欧氏距离，获取期望值；

根据所述期望值，评估所述机械振动的频率成分能量结构变化。

进一步的，所述构建机组转速变化中机械振动的数据提取方法，从提取的振动数据中获取阶次频率特征参数，包括：

根据键相传感器测得的转速信息，通过频率计数器和比例合成器获取与机组转速成比例的振动特征信号；

通过模拟跟踪示波器和数模转换器对所述振动特征信号进行处理，获取振动角度域平稳信号；

对所述振动角度域平稳信号进行傅里叶变换，通过阶次谱分析，得到所述阶次频率特征参数。

进一步的，所述根据所述阶次频率特征参数，构建具有空间特征的机组机械振动状态的多元表征矩阵，包括：

基于转速变化过程振动角度采样信号波形数据，描述振动稳定性参数下所述阶次频率特征参数的特征阶次频率能量占比；

根据所述特征阶次频率能量占比，得到多元特征阶次频率能量占比的变化趋势表征向量；

通过所述变化趋势表征向量，在机械振动状态样本空间整体结构中获取所述多元表征矩阵。

进一步的，获取所述机组的健康样本状态矩阵，计算所述健康样本状态矩阵和所述多元表征矩阵的平均欧氏距离，获取期望值，包括：

选取所述机组大修后首次开机转速变化过程中状态监测数据，得到机械振动多元特征阶次频率能量占比变化趋势样本作为健康样本；

根据所述健康样本构建所述状态矩阵，计算所述状态矩阵和所述多元表征矩阵的平均欧氏距离；

通过所述平均欧氏距离，得到所述健康样本构建所述状态矩阵的期望值。

进一步的，所述根据所述期望值，评估所述机械振动的频率成分能量结构变化，包括：

所述根据所述期望值，得到基于多元特征频率能量占比变化趋势的状态指标值；

分别描绘所述状态指标值在不同机械振动频率状态下和所述机组运行日期的趋势变化图；

根据所述趋势变化图的波形变化展示所述机械振动的频率成分能量结构变化，通过所述能量结构变化完成所述机组的机械振动评估。

另一方面，本发明实施例还提供了一种基于频率能量占比的机组机械振动评估系统，包括：

参数构建模块，用于构建机组转速变化中机械振动的数据提取方法，从提取的振动数据中获取阶次频率特征参数；

多元特征处理模块，用于根据所述阶次频率特征参数，构建具有空间特征的机组机械振动状态的多元表征矩阵；

数据处理模块，用于获取所述机组的健康样本状态矩阵，计算所述健康样本状态矩阵和所述多元表征矩阵的平均欧氏距离，获取期望值；

能量评估模块，用于根据所述期望值，评估所述机械振动的频率成分能量结构变化。

进一步的，所述参数构建模块包括参数采集单元，所述参数采集单元用于：

根据键相传感器测得的转速信息，通过频率计数器和比例合成器获取与机组转速成比例的振动特征信号；

通过模拟跟踪示波器和数模转换器对所述振动特征信号进行处理，获取振动角度域平稳信号；

对所述振动角度域平稳信号进行傅里叶变换，通过阶次谱分析，得到所述阶次频率特征参数。

进一步的，所述多元特征处理模块包括多元矩阵单元，所述多元矩阵单元用于：

基于转速变化过程振动角度采样信号波形数据，描述振动稳定性参数下所述阶次频率特征参数的特征阶次频率能量占比；

根据所述特征阶次频率能量占比，得到多元特征阶次频率能量占比的变化趋势表征向量；

通过所述变化趋势表征向量，在机械振动状态样本空间整体结构中获取所述多元表征矩阵。

进一步的，所述数据处理模块包括指标比较单元，所述指标比较单元用于：

选取所述机组大修后首次开机转速变化过程中状态监测数据，得到机械振动多元特征阶次频率能量占比变化趋势样本作为健康样本；

根据所述健康样本构建所述状态矩阵，计算所述状态矩阵和所述多元表征矩阵的平均欧氏距离；

通过所述平均欧氏距离，得到所述健康样本构建所述状态矩阵的期望值。

进一步的，所述能量评估模块包括频率能量分析单元，所述频率能量分析单元用于：

所述根据所述期望值，得到基于多元特征频率能量占比变化趋势的状态指标值；

分别描绘所述状态指标值在不同机械振动频率状态下和所述机组运行日期的趋势变化图；

根据所述趋势变化图的波形变化展示所述机械振动的频率成分能量结构变化，通过所述能量结构变化完成所述机组的机械振动评估。

本申请的有益效果是：本发明实施例公开了一种基于频率能量占比的机组机械振动评估方法和系统，该方法包括：构建机组转速变化中机械振动的数据提取方法，从提取的振动数据中获取阶次频率特征参数；根据所述阶次频率特征参数，构建具有空间特征的机组机械振动状态的多元表征矩阵；获取所述机组的健康样本状态矩阵，计算所述健康样本状态矩阵和所述多元表征矩阵的平均欧氏距离，获取期望值；根据所述期望值，评估所述机械振动的频率成分能量结构变化。通过该评估方法不仅实现对机组机械振动状态变化趋势评估，也实现了在机组开机早期发现可能存在的安全隐患，实现开机自检，为机组的安全稳定运行提供指导。此外，该评估方法有效的节省了人工成本并提高了评估效率。

附图说明

图1为一个实施例中基于频率能量占比的机组机械振动评估方法的流程示意图；

图2为一个实施例中机械振动中初始参数采集过程的流程示意图；

图3为一个实施例中构建多元表征矩阵的流程示意图；

图4为一个实施例中计算状态矩阵期望值的流程示意图；

图5为一个实施例中通过频率能量评估机械振动的流程示意图；

图6为一个实施例中基于频率能量占比的机组机械振动评估系统的结构框图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

振动能量在频域的分布变化往往预示着机组主导不稳定因素发生变化，也预示着机组潜在故障发生，此时机组稳定性状态的变化是不容忽视的。可以看出利用峰峰值和频谱分析机组振动稳定性是量和质的区别，由此可以看出研究升转速过程机械振动参数中频谱能量分布结构的变化对分析机械振动状态也具有重要意义。因此，本发明实施例在基于单元峰峰值变化趋势数据挖掘实现水电机组机械振动状态评估的基础上，将动态信号分析与数据挖掘理论结合，进一步提出了基于多元特征频率能量占比变化趋势的水电机组机械振动状态评估方法。

在一个实施例中，如图1所示，提供了一种基于频率能量占比的机组机械振动评估方法，包括以下步骤：

步骤101，构建机组转速变化中机械振动的数据提取方法，从提取的振动数据中获取阶次频率特征参数；

步骤102，根据所述阶次频率特征参数，构建具有空间特征的机组机械振动状态的多元表征矩阵；

步骤103，获取所述机组的健康样本状态矩阵，计算所述健康样本状态矩阵和所述多元表征矩阵的平均欧氏距离，获取期望值；

步骤104，根据所述期望值，评估所述机械振动的频率成分能量结构变化。

具体地，本实施例针对水电机组机械振动状态实时跟踪评估问题，基于动态信号分析、数据挖掘及多元统计分析方法，开展基于开机升转速动态过程数据挖掘的水电机组机械振动状态评估研究。首先，提出了基于开机升转速动态过程的机械振动特征提取及样本构建方法，实现对水电机组机械振动特征阶次频率特征提取，建立水电机组机械振动状态样本；其次，引入数据挖掘中相似度度量方法，搭建了基于开机动态过程的水电机组机械振动状态评估模型，为弥补峰峰值不能对振动能量在频域分布细节变化进行反映的缺陷，将动态信号分析、多元统计分析及相似度度量方法结合，提出了基于多元特征阶次频率能量占比变化趋势数据挖掘的水电机组机械振动状态评估方法。通过该评估方法不仅实现对机组机械振动状态变化趋势评估，也实现了在机组开机早期发现可能存在的安全隐患，实现开机自检，为机组的安全稳定运行提供指导。此外，该评估方法有效的节省了人工成本并提高了评估效率。

在一个实施例中，如图2所示，机械振动中初始参数采集的流程包括：

步骤201，根据键相传感器测得的转速信息，通过频率计数器和比例合成器获取与机组转速成比例的振动特征信号；

步骤202，通过模拟跟踪示波器和数模转换器对所述振动特征信号进行处理，获取振动角度域平稳信号；

步骤203，对所述振动角度域平稳信号进行傅里叶变换，通过阶次谱分析，得到所述阶次频率特征参数。

具体地，在水电机组开机升转速动态过程，机组处于变转速状态下，若仍采用等时间间隔采样的话，会出现频谱模糊现象，无法准确地获得振动特征信息。为获取水电机组升转速动态过程振动特征阶次频率特征，本实施例通过硬件阶次跟踪与阶次分析结合，构建了针对水电机组开机升转速动态过程的机械振动阶次频率特征提取方法，在机组开机升转速动态过程中，根据键相传感器测得的转速信息，由频率计数器及比例合成器产生与机组转速成比例的信号，一方面将其用于设定采样频率使其与转速同步，另一方面将其用于跟踪滤波器截止频率的动态设定，防止频率混叠。由此实现振动角度域平稳信号的获取，即每个机组旋转周期内获取相同的振动采样点数。最后通过对所述振动角度域平稳信号进行傅里叶变换，进行阶次谱分析，得到所述阶次频率特征参数。

在一个实施例中，如图3所示，构建多元表征矩阵的流程包括：

步骤301，基于转速变化过程振动角度采样信号波形数据，描述振动稳定性参数下所述阶次频率特征参数的特征阶次频率能量占比；

步骤302，根据所述特征阶次频率能量占比，得到多元特征阶次频率能量占比的变化趋势表征向量；

步骤303，通过所述变化趋势表征向量，在机械振动状态样本空间整体结构中获取所述多元表征矩阵。

具体地，根据机组升转速动态过程机械振动特征频率幅值提取方法，构建基于多元特征阶次频率能量占比变化趋势的水电机组机械振动状态样本。基于升转速过程振动等角度采样信号波形数据，每个振动稳定性参数在该转速下的特征由提取的V个特征阶次频率能量占比变量描述，则开机升转速动态过程任一转速下振动稳定性参数Xj多元特征阶次频率能量占比样本表示为：

其中，t＝1,2,…N，表示开机动态过程某一时刻转速；j＝1,2…n，表示不同振动稳定性参数。由此也可得到单一振动稳定性参数在升转速动态过程的多元特征阶次频率能量占比变化趋势表征向量：

其中，N为升转速过程样本点数，V为稳定性参数特征变量维度，形成稳定性参数Xj在开机升转速动态过程的样本点空间。对于n个机组振动稳定性参数，机组不同部位多个稳定性参数组合，形成具有空间特征的机组机械振动状态的多元表征矩阵。

在一个实施例中，如图4所示，状态矩阵期望值的计算包括：

步骤401，选取所述机组大修后首次开机转速变化过程中状态监测数据，得到机械振动多元特征阶次频率能量占比变化趋势样本作为健康样本；

步骤402，根据所述健康样本构建所述状态矩阵，计算所述状态矩阵和所述多元表征矩阵的平均欧氏距离；

步骤403，通过所述平均欧氏距离，得到所述健康样本构建所述状态矩阵的期望值。

具体地，依次计算机械振动状态监测样本矩阵与健康样本状态矩阵中每一特征变量变化趋势平均欧氏距离，对机械振动状态监测样本矩阵与健康样本矩阵中所有特征变量平均欧氏距离进行计算，并取其期望值，得到基于多元特征频率能量占比变化趋势的机械振动状态指标值。在机组运行一段时间后，若开机升转速过程机械振动监测样本频率成分能量结构基本无变化，则与机械振动状态健康样本距离较小；若频率成分能量结构发生明显变化，则会在样本整体距离中有所体现。由此实现考虑多元频率结构特征的机械振动状态评估。

在一个实施例中，如图5所示，通过频率能量评估机械振动的流程包括：

步骤501，所述根据所述期望值，得到基于多元特征频率能量占比变化趋势的状态指标值；

步骤502，分别描绘所述状态指标值在不同机械振动频率状态下和所述机组运行日期的趋势变化图；

步骤503，根据所述趋势变化图的波形变化展示所述机械振动的频率成分能量结构变化，通过所述能量结构变化完成所述机组的机械振动评估。

具体地，计算得到各个机械振动状态监测样本基于多元特征频率能量占比变化趋势的水电机组机械振动状态评估综合指标值，分别描绘所述状态指标值在不同机械振动频率状态下和所述机组运行日期的趋势变化图，最后的结果根据趋势变化图，看出按照基于多元频率能量归一化占比数据分析得到的机械振动综合评估指标来看，机组在长期运行历程中机械振动状态表现相对平稳，频谱能量分布结构较为稳定。整体分析结果表明机组机械振动状态在频谱能量分布结构方面没有明显异常发生，机械振动状态较好。

应该理解的是，虽然上述流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，上述流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图6所示，提供了一种基于频率能量占比的机组机械振动评估系统，包括：参数构建模块601、多元特征处理模块602、数据处理模块603、能量评估模块604，其中：

参数构建模块601，用于构建机组转速变化中机械振动的数据提取方法，从提取的振动数据中获取阶次频率特征参数；

多元特征处理模块602，用于根据所述阶次频率特征参数，构建具有空间特征的机组机械振动状态的多元表征矩阵；

数据处理模块603，用于获取所述机组的健康样本状态矩阵，计算所述健康样本状态矩阵和所述多元表征矩阵的平均欧氏距离，获取期望值；

能量评估模块604，用于根据所述期望值，评估所述机械振动的频率成分能量结构变化。

在一个实施例中，如图6所示，所述参数构建模块601包括参数采集单元6011，所述参数采集单元6011用于：

根据键相传感器测得的转速信息，通过频率计数器和比例合成器获取与机组转速成比例的振动特征信号；

通过模拟跟踪示波器和数模转换器对所述振动特征信号进行处理，获取振动角度域平稳信号；

对所述振动角度域平稳信号进行傅里叶变换，通过阶次谱分析，得到所述阶次频率特征参数。

在一个实施例中，如图6所示，所述多元特征处理模块602包括多元矩阵单元6022，所述多元矩阵单元6022用于：

基于转速变化过程振动角度采样信号波形数据，描述振动稳定性参数下所述阶次频率特征参数的特征阶次频率能量占比；

根据所述特征阶次频率能量占比，得到多元特征阶次频率能量占比的变化趋势表征向量；

通过所述变化趋势表征向量，在机械振动状态样本空间整体结构中获取所述多元表征矩阵。

在一个实施例中，如图6所示，所述数据处理模块603包括指标比较单元6031，所述指标比较单元6031用于：

选取所述机组大修后首次开机转速变化过程中状态监测数据，得到机械振动多元特征阶次频率能量占比变化趋势样本作为健康样本；

根据所述健康样本构建所述状态矩阵，计算所述状态矩阵和所述多元表征矩阵的平均欧氏距离；

通过所述平均欧氏距离，得到所述健康样本构建所述状态矩阵的期望值。

在一个实施例中，如图6所示，所述能量评估模块604包括频率能量分析单元6041，所述频率能量分析单元6041用于：

所述根据所述期望值，得到基于多元特征频率能量占比变化趋势的状态指标值；

分别描绘所述状态指标值在不同机械振动频率状态下和所述机组运行日期的趋势变化图；

根据所述趋势变化图的波形变化展示所述机械振动的频率成分能量结构变化，通过所述能量结构变化完成所述机组的机械振动评估。

关于基于频率能量占比的机组机械振动评估系统的具体限定可以参见上文中基于频率能量占比的机组机械振动评估方法的限定，在此不再赘述。上述基于频率能量占比的机组机械振动评估系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。