机械设备噪声监控方法研究

发布时间：2025-01-15 10:46

　　 机械设备的状态监控是工业自动化最基本而不可或缺的技术,但工业场景与设备种类繁多,传统的状态监控通常只能用于指定的一种或几种场景与设备,不具备通用性,或是移植起来费时费力。本文使用K-均值和分层聚类方法,给出了一种将机械设备的噪声按照波形特点进行聚类,进而通过噪声波形监控机械设备的运行状态的技术。从对几种不同机械设备的噪声数据的聚类结果的直观观察与统计分析可以看出,算法成功将不同的工作状态做出了很好的区分,并且几乎不经过任何算法与参数的调整,就能在所测试的三种机械设备间移植,在不同的设备间有良好的通用性。此外,该监控手段的硬件安装十分便捷,仅需要在待监控设备外侧安装采集声音的麦克风与数据传输设备,是一种在解决大规模且种类多样的机械设备的状态监控方面表现优越的新型手段。

【文章页数】：5 页

【部分图文】：

图2 行进电机聚类宏观效果图示

细节方面，标签0对应了一种几乎没有噪声，仅仅很偶尔会出现一次短暂的脉冲的信号，被确认为关机或停转状态，而短暂的脉冲是厂房中偶尔有物品落在地上引起，标签1被确认为电机开机但处于无负载运动的状态，这段时间电机仅需要带动传送带进行运动，噪声整体幅值较低，存在一些小幅度的上下波动是因为厂....

图3 行进电机聚类细节效果图示

将3种不同的标签对应的聚类中心的高频、低频信号直方图积分信息进行提取，结果如图4、图5所示。图4各聚类中心对应的高频信号幅值分布函数

图4 各聚类中心对应的高频信号幅值分布函数

图3行进电机聚类细节效果图示图5各聚类中心对应的低频信号幅值分布函数

图5 各聚类中心对应的低频信号幅值分布函数

图4各聚类中心对应的高频信号幅值分布函数从聚类中心的特点也容易看出前面直观比较得到的信息，标签0绝大部分高频信号都分布在最低的两个区间，低频信号则在最低的七个区间，而标签1的高低频信号幅值虽然也较低，但集中分布在高频的第6～8个区间和低频的第5～10个区间，相比标签0要高，标签....

本文编号：4027287