本發(fā)明屬于核電電動轉(zhuǎn)動設(shè)備軸承領(lǐng)域，具體涉及一種核電電動轉(zhuǎn)動設(shè)備軸承早期故障在線監(jiān)測與智能診斷方法。

背景技術(shù)：

1、電動轉(zhuǎn)動設(shè)備是核電站的重要組成部分，其中軸承是關(guān)鍵，它承受著高溫、高壓、高速、高輻射等惡劣的工作環(huán)境，其運行狀態(tài)直接影響著核電站的安全性和可靠性。因此，對核電電動轉(zhuǎn)動設(shè)備軸承進行早期故障在線監(jiān)測和智能診斷，及時發(fā)現(xiàn)和處理電動轉(zhuǎn)動設(shè)備軸承故障，是核電站的重要技術(shù)問題；

2、聲發(fā)射（acoustic?emission，ae）是一種利用物體在受到外力作用時產(chǎn)生的彈性波信號進行故障檢測和診斷的技術(shù)，它具有無損、無接觸、靈敏、實時等優(yōu)點，適用于核電電動轉(zhuǎn)動設(shè)備軸承的故障在線監(jiān)測和智能診斷。聲發(fā)射信號包含了電動轉(zhuǎn)動設(shè)備軸承故障的豐富信息，通過對聲發(fā)射信號進行采集、預(yù)處理、分析、識別等，可以有效地檢測和識別核電電動轉(zhuǎn)動設(shè)備軸承的不同類型的故障，如點蝕、磨損、裂紋、剝落等。

3、現(xiàn)有的基于聲發(fā)射的核電電動轉(zhuǎn)動設(shè)備軸承故障在線監(jiān)測和智能診斷方法主要有以下幾種：基于聲發(fā)射參數(shù)的方法、基于聲發(fā)射波形的方法、基于聲發(fā)射時頻的方法、基于聲發(fā)射人工智能的方法等。這些方法各有優(yōu)缺點，但也存在以下不足：基于聲發(fā)射參數(shù)的方法只能提取聲發(fā)射信號的統(tǒng)計特征，忽略了聲發(fā)射信號的波形特征和時頻特征，對于復(fù)雜的聲發(fā)射信號，識別效果不佳；基于聲發(fā)射波形的方法只能提取聲發(fā)射信號的時域特征，忽略了聲發(fā)射信號的頻域特征和時頻特征，對于非平穩(wěn)的聲發(fā)射信號，分析效果不佳；基于聲發(fā)射時頻的方法只能提取聲發(fā)射信號的頻域特征和時頻特征，忽略了聲發(fā)射信號的時域特征和參數(shù)特征，對于多尺度的聲發(fā)射信號，提取效果不佳；基于聲發(fā)射人工智能的方法只能利用人工智能的算法對聲發(fā)射信號進行分類，忽略了聲發(fā)射信號的特征提取和優(yōu)化，對于高維的聲發(fā)射信號，學(xué)習(xí)效果不佳。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于提供一種核電電動轉(zhuǎn)動設(shè)備軸承早期故障在線監(jiān)測與智能診斷方法，該方法綜合利用聲發(fā)射信號的參數(shù)特征、時頻特征、人工智能技術(shù)，實現(xiàn)對核電電動轉(zhuǎn)動設(shè)備軸承的不同類型的故障的有效檢測和識別，提高核電站的安全性和可靠性。

2、實現(xiàn)本發(fā)明目的的技術(shù)方案：

3、一種核電電動轉(zhuǎn)動設(shè)備軸承早期故障在線監(jiān)測與智能診斷方法，所述方法包括：

4、步驟一：聲發(fā)射信號采集：通過聲發(fā)射傳感器，采集軸承運行時產(chǎn)生的聲發(fā)射信號；

5、步驟二：聲發(fā)射信號預(yù)處理：對聲發(fā)射信號進行濾波、降噪、增益預(yù)處理；

6、步驟三：聲發(fā)射信號參數(shù)分析：根據(jù)聲發(fā)射信號的波形特征、統(tǒng)計特征、能量特征，從聲發(fā)射信號中提取出聲發(fā)射信號的參數(shù)，分析聲發(fā)射信號的參數(shù)在不同工況和故障類型下的變化特點、分布特征、相關(guān)性特征；

7、步驟四：聲發(fā)射信號波形分析：采用小波變換對采集的聲發(fā)射信號進行時頻分析，利用遺傳算法優(yōu)化小波變換的尺度和基小波波形參數(shù)，提取聲發(fā)射信號的時頻特征；

8、步驟五：軸承故障診斷模型構(gòu)建：利用卷積神經(jīng)網(wǎng)絡(luò)和支持向量機構(gòu)建軸承故障診斷模型，并對軸承故障診斷模型進行訓(xùn)練和測試；

9、步驟六：軸承故障診斷模型應(yīng)用：利用訓(xùn)練好的故障診斷模型進行核電電動轉(zhuǎn)動設(shè)備軸承的在線監(jiān)測，實時接收聲發(fā)射信號，提取特征，輸入模型，輸出故障類型和嚴(yán)重程度，給出故障報警和維修建議。

10、所述步驟一中聲發(fā)射傳感器的寬頻帶響應(yīng)特性為100khz以上，靈敏度為10db以上，耐熱溫度為150℃以上。

11、所述步驟一中聲發(fā)射傳感器的采樣頻率范圍為2.5mhz-5mhz，采樣長度范圍為10ms-100ms，采樣方式為連續(xù)采樣或觸發(fā)采樣，采樣精度為12位-16位。

12、所述步驟二中采用帶通濾波器對聲發(fā)射信號進行濾波，濾波器的通帶范圍設(shè)為100khz-400khz，阻帶抑制度為40db以上，通帶平坦度為±1db以內(nèi)，濾波器類型為iir型，濾波器階數(shù)為4-8階。

13、所述步驟二中采用小波閾值降噪對聲發(fā)射信號進行降噪。

14、所述步驟二中采用自適應(yīng)增益對聲發(fā)射信號進行增益。

15、所述步驟三中聲發(fā)射信號的參數(shù)包括：聲發(fā)射信號的振鈴計數(shù)、均方根、信號幅度、峭度系數(shù)。

16、所述步驟三中對聲發(fā)射信號的參數(shù)進行的分析包括：時間序列分析、頻率域分析、統(tǒng)計分析、相關(guān)性分析。

17、所述步驟四中采用小波變換對采集的聲發(fā)射信號進行時頻分析中根據(jù)采集的聲發(fā)射信號計算小波變換系數(shù)，小波變換系數(shù)的計算公式為：

18、

19、其中，表示連續(xù)時間的聲發(fā)射信號；表示聲發(fā)射信號的小波變換系數(shù)；表示小波變換中的尺度參數(shù)，控制小波的頻率和時間分辨率；表示小波變換中的時移參數(shù)，控制小波在時間軸上的平移；表示小波變換中的母小波函數(shù)，上標(biāo)表示復(fù)共軛，?表示對母小波函數(shù)進行尺度縮放和時間平移得到子小波函數(shù)；表示連續(xù)積分，對整個時間軸上的信號進行積分運算。

20、所述步驟四中小波變換中的母小波函數(shù)的公式為：

21、

22、其中，為小波的帶寬參數(shù)，為小波的中心頻率，為虛數(shù)單位(=?-1)。

23、所述步驟四中聲發(fā)射信號的時頻特征包括：時頻圖、希爾伯特譜、離散小波變換系數(shù)。

24、本發(fā)明的有益技術(shù)效果在于：

25、1、本發(fā)明提供的核電電動轉(zhuǎn)動設(shè)備軸承早期故障在線監(jiān)測與智能診斷方法可以有效地檢測和識別核電電動轉(zhuǎn)動設(shè)備軸承的不同類型的故障，如點蝕、磨損、裂紋、剝落等，提高核電站的安全性和可靠性。

26、2、本發(fā)明提供的核電電動轉(zhuǎn)動設(shè)備軸承早期故障在線監(jiān)測與智能診斷方法可以實現(xiàn)對聲發(fā)射信號的全面分析，綜合利用聲發(fā)射信號的參數(shù)特征、時頻特征、人工智能技術(shù)，提取聲發(fā)射信號的有效信息，反映軸承故障的本質(zhì)特征，提高軸承故障診斷的準(zhǔn)確性和可靠性；

27、3、本發(fā)明提供的核電電動轉(zhuǎn)動設(shè)備軸承早期故障在線監(jiān)測與智能診斷方法可以實現(xiàn)對聲發(fā)射信號的優(yōu)化處理，利用小波變換和遺傳算法對聲發(fā)射信號進行時頻分析和優(yōu)化，提高聲發(fā)射信號的時頻分辨率、穩(wěn)健性、適應(yīng)性等，提高軸承故障診斷的效率和靈敏性；

28、4、本發(fā)明提供的核電電動轉(zhuǎn)動設(shè)備軸承早期故障在線監(jiān)測與智能診斷方法可以實現(xiàn)對聲發(fā)射信號的智能識別，利用卷積神經(jīng)網(wǎng)絡(luò)和支持向量機構(gòu)建軸承故障診斷模型，利用已知的故障數(shù)據(jù)進行訓(xùn)練和測試，優(yōu)化模型的結(jié)構(gòu)和參數(shù)，提高模型的識別準(zhǔn)確率，提高軸承故障診斷的智能性和自動化程度；

29、5、本發(fā)明提供的核電電動轉(zhuǎn)動設(shè)備軸承早期故障在線監(jiān)測與智能診斷方法可以實現(xiàn)對聲發(fā)射信號的在線監(jiān)測，將訓(xùn)練好的故障診斷模型應(yīng)用于核電電動轉(zhuǎn)動設(shè)備軸承的在線監(jiān)測，實時接收聲發(fā)射信號，提取特征，輸入模型，輸出故障類型和嚴(yán)重程度，給出故障報警和維修建議，提高軸承故障診斷的實時性和實用性。

技術(shù)特征：

1.一種核電電動轉(zhuǎn)動設(shè)備軸承早期故障在線監(jiān)測與智能診斷方法，其特征在于，所述方法包括：

2.根據(jù)權(quán)利要求1所述的一種核電電動轉(zhuǎn)動設(shè)備軸承早期故障在線監(jiān)測與智能診斷方法，其特征在于，所述步驟一中聲發(fā)射傳感器的寬頻帶響應(yīng)特性為100khz以上，靈敏度為10db以上，耐熱溫度為150℃以上。

3.根據(jù)權(quán)利要求1所述的一種核電電動轉(zhuǎn)動設(shè)備軸承早期故障在線監(jiān)測與智能診斷方法，其特征在于，所述步驟一中聲發(fā)射傳感器的采樣頻率范圍為2.5mhz-5mhz，采樣長度范圍為10ms-100ms，采樣方式為連續(xù)采樣或觸發(fā)采樣，采樣精度為12位-16位。

4.根據(jù)權(quán)利要求1所述的一種核電電動轉(zhuǎn)動設(shè)備軸承早期故障在線監(jiān)測與智能診斷方法，其特征在于，所述步驟二中采用帶通濾波器對聲發(fā)射信號進行濾波，濾波器的通帶范圍設(shè)為100khz-400khz，阻帶抑制度為40db以上，通帶平坦度為±1db以內(nèi)，濾波器類型為iir型，濾波器階數(shù)為4-8階。

5.根據(jù)權(quán)利要求1所述的一種核電電動轉(zhuǎn)動設(shè)備軸承早期故障在線監(jiān)測與智能診斷方法，其特征在于，所述步驟二中采用小波閾值降噪對聲發(fā)射信號進行降噪。

6.根據(jù)權(quán)利要求1所述的一種核電電動轉(zhuǎn)動設(shè)備軸承早期故障在線監(jiān)測與智能診斷方法，其特征在于，所述步驟二中采用自適應(yīng)增益對聲發(fā)射信號進行增益。

7.根據(jù)權(quán)利要求1所述的一種核電電動轉(zhuǎn)動設(shè)備軸承早期故障在線監(jiān)測與智能診斷方法，其特征在于，所述步驟三中聲發(fā)射信號的參數(shù)包括：聲發(fā)射信號的振鈴計數(shù)、均方根、信號幅度、峭度系數(shù)。

8.根據(jù)權(quán)利要求1所述的一種核電電動轉(zhuǎn)動設(shè)備軸承早期故障在線監(jiān)測與智能診斷方法，其特征在于，所述步驟三中對聲發(fā)射信號的參數(shù)進行的分析包括：時間序列分析、頻率域分析、統(tǒng)計分析、相關(guān)性分析。

9.根據(jù)權(quán)利要求1所述的一種核電電動轉(zhuǎn)動設(shè)備軸承早期故障在線監(jiān)測與智能診斷方法，其特征在于，所述步驟四中采用小波變換對采集的聲發(fā)射信號進行時頻分析中根據(jù)采集的聲發(fā)射信號計算小波變換系數(shù)，小波變換系數(shù)的計算公式為：

10.根據(jù)權(quán)利要求9所述的一種核電電動轉(zhuǎn)動設(shè)備軸承早期故障在線監(jiān)測與智能診斷方法，其特征在于，所述步驟四中小波變換中的母小波函數(shù)的公式為：

11.根據(jù)權(quán)利要求1所述的一種核電電動轉(zhuǎn)動設(shè)備軸承早期故障在線監(jiān)測與智能診斷方法，其特征在于，所述步驟四中聲發(fā)射信號的時頻特征包括：時頻圖、希爾伯特譜、離散小波變換系數(shù)。

技術(shù)總結(jié)
本發(fā)明屬于核電電動轉(zhuǎn)動設(shè)備軸承領(lǐng)域，涉及一種核電電動轉(zhuǎn)動設(shè)備軸承早期故障在線監(jiān)測與智能診斷方法，包括：采集軸承運行時產(chǎn)生的聲發(fā)射信號；對聲發(fā)射信號進行濾波、降噪、增益預(yù)處理；根據(jù)聲發(fā)射信號的波形特征、統(tǒng)計特征、能量特征，提取出聲發(fā)射信號的參數(shù)，分析聲發(fā)射信號的參數(shù)在不同工況和故障類型下的變化特點、分布特征、相關(guān)性特征；采用小波變換對采集的聲發(fā)射信號進行時頻分析，利用遺傳算法優(yōu)化小波變換的尺度和基小波波形參數(shù)，提取聲發(fā)射信號的時頻特征；利用卷積神經(jīng)網(wǎng)絡(luò)和支持向量機構(gòu)建軸承故障診斷模型，并對軸承故障診斷模型進行訓(xùn)練和測試；利用訓(xùn)練好的故障診斷模型進行核電電動轉(zhuǎn)動設(shè)備軸承的在線監(jiān)測。

技術(shù)研發(fā)人員：謝婧怡,顧傳俊,李洋,周志貴,陶鴻俊,王奕欽,趙永鋒,柳澤舟,王小可
受保護的技術(shù)使用者：中核國電漳州能源有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/23