基于故障案例学习的设备健康评价方法研究
从设备状态监测数据中分析、提取故障特征信息,准确、快速地识别设备健康状态,对于开展预测性维修,确保设备运行可靠性、安全性非常重要.以离心压缩机为研究对象,以正常状态的振动监测原始数据为参考数据,构建了正常状态原始信号和实时监测信号的相关性健康指数模型、相干性健康指数模型、谱距离健康指数模型,在针对健康指数模型开展大量故障案例学习、健康度分布统计分析基础上,制定了设备健康评级准则,形成数据驱动的机械设备健康评价方法,揭示了离心压缩机健康度表征与运行状态的映射关系.应用轴承试验数据和离心压缩机转子不平衡故障案例数据,分别验证构建的设备健康指数模型和健康评级准则的准确性、适用性.结果表明,构建的健康指数模型能较好地表征设备运行状态,与有效值和峰-峰值固定阈值报警方法相比,构建的机械设备健康评级准则对于指导预测性维修更有实践意义.
健康评价、案例学习、健康指数模型、健康评级准则、预测性维修
56
TH17
科技部项目320059&319022-1
2021-02-03(万方平台首次上网日期,不代表论文的发表时间)
共10页
28-37