【嘉勤點評】縱行科技發明的基于資訊熵的旋轉機械振動故障診斷方案，能夠處理振動裝置産生的微弱或非平穩故障特征信号，且适用于不同的采樣時刻、樣本大小和采樣頻率等不同領域，實作了機械故障在定性和定量兩方面的精準判斷。
集微網消息，現有的裝置健康狀态評估與故障診斷方法主要是基于振動的時域信号、頻域信号和時頻域信号等資訊，包括有時域分析、頻域分析、時頻域分析等方法。
通常來說，在裝置處于正常狀态時，振動信号的頻域資訊熵集中在裝置的工作頻率附近，裝置的頻域資訊熵較小；當裝置出現故障時，裝置作為一個系統向着無序化的方向發展，系統的不确定性會增加，是以裝置的能量由于故障而被分散到不同的頻段内，導緻頻域的資訊熵增加。
但是這些方案在實際的應用中具有一定的局限性，其原因如下：
1）處于實際工況的旋轉機械産生的振動信号具有一定的非平穩性，信号的該特性造成傳統分析方法對故障分析結果具有一定的偏差；
2）傳統分析方法對采樣時刻、樣本大小、采樣頻率等都有特殊要求，導緻其對不同時刻的同一振動信号樣本的分析結果不盡相同；
3）當故障引起的振動信号比較微弱時，傳統分析方法的準确度較低，有時無法準确檢測到裝置的故障特征。
此外，在工業生産的不同領域中，在不同的機械故障、不同的階段下，裝置的健康狀态均處于不同的層級，傳統的故障診斷方法隻能定性的分析出故障特征，不能給指出該故障所處的階段，且傳統的故障診斷方法不能處理非線性或非平穩信号。
針對這些難點，縱行科技在2020年3月11日申請了一項名為“一種基于資訊熵的旋轉機械振動故障診斷方法及其系統”的發明專利（申請号：202010165513.3），申請人為上海縱行實業有限公司。
根據該專利目前公開的相關資料，讓我們一起來看看這項技術方案吧。
如上圖，為該專利中發明的基于資訊熵的旋轉機械振動故障診斷方法的流程示意圖，首先，該方案通過傳感器對需要進行故障診斷的旋轉機械進行資料采集，并獲得振動資料，再将資料上傳至處理器，振動資料包括來自旋轉機械的三個方向的振動信号。
其次，利用擷取到的振動資料建構多元時間序列矩陣，并對該多元時間序列矩陣進行處理進而獲得時域信号矩陣。在該步驟中，會分别以振動資料中的每個方向的振動信号建構一維變量，并利用建構的所有一維變量建構多元時間序列矩陣。再進而對多元時間序列矩陣進行分割，擷取所有方向的時間子序列矩陣，根據所有方向的時間子序列矩陣構成時域信号矩陣。
接着，通過對時域信号矩陣中的每個元素進行處理，得到幅值譜矩陣和功率譜矩陣。最後，對各類矩陣中的每一個序列進行資訊熵計算，并通過資訊熵的值反映旋轉機械的狀态。其中，這些矩陣包括：時域信号矩陣、幅值譜矩陣和功率譜矩陣。
如上圖，上側為變頻電機在穩定狀态下的時域信号，下側為變頻電機在晃動狀态下的時域信号，該圖通過幅值譜的資訊熵的總和，以及和功率譜的資訊熵的總和來反映旋轉機械的狀态，進而診斷出旋轉機械是否故障以及發生故障的情況。
以上就是縱行科技發明的基于資訊熵的旋轉機械振動故障診斷方案，該方案能夠處理振動裝置産生的微弱或非平穩故障特征信号，且适用于不同的采樣時刻、樣本大小和采樣頻率等不同領域，不僅可以給出裝置的故障特征而且能夠對其進行量化估計，進而實作機械故障在定性和定量兩方面的精準判斷。