本申请公开了一种多维数据故障决策方法、装置及存储介质,该方法包括:获取设备的不同监测数据,提取特征值;对提取的特征值进行模糊化处理;根据预设故障规则库对处理后的特征值进行模糊推理,生成决策结果;对生成的决策结果进行去模糊化,得到最终故障决策结果及维修建议。这样可以保证决策结果的客观性和正确性,充分利用故障信息,准确识别故障位置和故障原因,并及时提供维修建议。
背景技术
在机械设备状态监测领域中,根据监测数据可进行不同种类的机械设备的故障诊断,其中对轴承的监测最为常见。轴承是所有机械传动系统中的关键部件,其故障状态直接影响设备的工作状态。
随着发动机的快速发展,发动机轴承的工作条件也日益恶劣、复杂。航空发动机轴承不仅工作在高速、高温以及高载荷的工况下,而且工作中工况变化剧烈,在工作过程中极易发生故障,一旦航空发动机轴承发生故障,将直接影响航空发动机的使用安全。有些故障是瞬间产生的,而有些是缓慢长期退化引起的,由此产生的轴承故障形式是多样的,引起的故障严重程度也有差别,故障产生的原因也不唯一。
通过轴承诊断采集的信息源进行分类,其诊断方向主要是对其进行振动监测和声发射监测。振动监测法在滚动轴承的故障诊断中已有很多实际应用,但振动传感器一般安装位置远离轴承安装位置,存在信号传递衰减大、信号微弱、特征信号提取较难的缺点。而声发射监测对早期故障诊断有一定的敏感性,但在信号处理及解释方面难度较大,限制了声发射监测在机械故障诊断的应用。
目前使用的发动机状态监测与故障诊断方法不仅提取特征单一,而且推理模式单一,无法充分利用故障信息,存在故障知识获取难等问题,系统化、智能化水平低,诊断准确度不高,无法准确定位故障位置、发现故障原因。
实现思路