專利名稱：基于多路傳感信號的設(shè)備健康狀態(tài)評估與衰退預(yù)測方法
技術(shù)領(lǐng)域：
本發(fā)明是一種基于多路傳感信號的設(shè)備健康狀態(tài)評估與預(yù)測方法，涉及多傳感信號聯(lián)合濾噪、原始特征集產(chǎn)生、局部特征提取、基準(zhǔn)自組織映射模型建模、健康量化評估和剩余壽命預(yù)測，實現(xiàn)對設(shè)備健康狀態(tài)的實時量化評估與衰退趨勢預(yù)測。本發(fā)明屬于現(xiàn)代設(shè)備狀態(tài)監(jiān)控和健康預(yù)診維護技術(shù)領(lǐng)域。
背景技術(shù)：
目前，關(guān)鍵設(shè)備呈現(xiàn)出了高自動化、高精度、高可靠性、高度智能化的發(fā)展趨勢，強調(diào)設(shè)備的可控性，可靠性和可維護性。設(shè)備故障的突然發(fā)生，不僅會極大地增加企業(yè)的維護成本，而且會嚴(yán)重影響企業(yè)的生產(chǎn)效率，引起一系列的嚴(yán)重問題，使企業(yè)蒙受巨大損失。因此，如何合理進行設(shè)備維護，防止設(shè)備因突然故障而失效，已成為企業(yè)降低運作成本、提高生產(chǎn)效率和市場競爭力的關(guān)鍵所在。而為了保持設(shè)備的穩(wěn)定性，現(xiàn)在的企業(yè)多采用“周期性檢修”和事后維護的簡單方式，但這種方式同樣給企業(yè)帶來了沉重的經(jīng)濟負(fù)擔(dān)，而且也不能達到提高設(shè)備運行可靠性和最大限度的減少設(shè)備故障的要求。因此，對設(shè)備的健康衰退狀態(tài)進行持續(xù)地監(jiān)測、評估和預(yù)測，并按需制定維護計劃，在防止設(shè)備失效的同時，最大限度地延長設(shè)備的維護周期，減少設(shè)備的全壽命維護成本，已經(jīng)成為設(shè)備狀態(tài)監(jiān)控的一個重要的發(fā)展方向。在傳統(tǒng)的設(shè)備故障診斷維修領(lǐng)域，大部分的技術(shù)開發(fā)與應(yīng)用集中在信號及數(shù)據(jù)處理、監(jiān)控技術(shù)、故障診斷技術(shù)等。這些技術(shù)基于的基礎(chǔ)理念是被動的維修模式，對設(shè)備的使用者而言，維修的要求是達到及時修復(fù)。這些技術(shù)通常采用傳統(tǒng)的信號處理(包括時域和頻域分析)，模式識別，專家系統(tǒng)和模糊邏輯，神經(jīng)網(wǎng)絡(luò)等方法，但這些方法均需要完備的數(shù)據(jù) (即正常數(shù)據(jù)和各類故障數(shù)據(jù))，但對于大多數(shù)設(shè)備，收集完備的歷史數(shù)據(jù)是一件極其困難的任務(wù)。因此，各種現(xiàn)有的診斷模型在實際應(yīng)用中常常變地不再適用。目前的各種設(shè)備監(jiān)控模型基本還停留在對故障的探測，而非對設(shè)備全壽命健康衰退的量化評估。但是設(shè)備在失效前通常需經(jīng)歷一系列復(fù)雜的性能衰退過程，而基于主動的維護模式的設(shè)備性能衰退在線評估與趨勢預(yù)測技術(shù)，可使設(shè)備的維護體現(xiàn)了預(yù)防性要求，從而可使設(shè)備達到接近于”零故障”的生產(chǎn)效率。經(jīng)過文獻檢索發(fā)現(xiàn)，中國專利發(fā)明名稱為《基于網(wǎng)絡(luò)的設(shè)備狀態(tài)監(jiān)控與性能退化預(yù)測方法》(申請?zhí)?03129386. 7，公開號CN1472671A)。該專利公開一種基于遠程通訊的設(shè)備狀態(tài)監(jiān)控與性能退化預(yù)測方法該方法采用信號處理技術(shù)將所采集的信號在時域和頻域進行分析處理，進而采用主成分分析方法提取代表設(shè)備性能的特征，一種看門狗預(yù)診模塊采用一種小腦模型神經(jīng)網(wǎng)絡(luò)方法對特征向量進行信息融合，然后采用該模型對設(shè)備性能退化進行預(yù)測，網(wǎng)絡(luò)通訊模塊將設(shè)備性能信息與遠程的維護中心、決策系統(tǒng)等進行交互，根據(jù)反饋的信息對設(shè)備進行維護調(diào)整。該系統(tǒng)存在以下不足[1]對采集到的多傳感信號沒用進行多傳感信號聯(lián)合濾噪處理，可能導(dǎo)致信號包含較多的噪音；[2]特征提取階段采用主成分分析方法僅可提取數(shù)據(jù)集中的最大全局方差信息的特征，但對局部方差最大得信息無法進行有效提取，可能失去重要的信息；[3]該方法僅對設(shè)備性能退化進行評估，而沒有預(yù)測設(shè)備未來健康的發(fā)展趨勢和實施有效剩余壽命預(yù)測。

發(fā)明內(nèi)容
本發(fā)明的目的是針對現(xiàn)有技術(shù)中的不足和缺陷，提供一種基于多路傳感信號的設(shè)備健康狀態(tài)評估與預(yù)測方法，在線實施對關(guān)鍵設(shè)備健康狀態(tài)的識別、評估預(yù)測和剩余壽命預(yù)測，實現(xiàn)對設(shè)備健康的智能預(yù)診維護，進而提高設(shè)備的生產(chǎn)效率和運行可靠性。為達到上述目的，本發(fā)明通過以下技術(shù)方案實現(xiàn)，一種基于多路傳感信號的設(shè)備健康狀態(tài)評估和預(yù)測方法，其特征在于操作步驟如下
第一步，多傳感信號聯(lián)合濾噪采用各種傳感器采集設(shè)備的各種狀態(tài)信號，例如振動信號、電流信號、電壓信號、位移信號等。通過基本硬件濾波、信號放大等前期信號處理，傳感信號通過數(shù)據(jù)采集卡進行采集，并送入信號處理模塊進行多傳感信號聯(lián)合濾波操作，采用多尺度小波分解方法進行多傳感信號聯(lián)合濾波操作。由于多個傳感器信號間通常會存在互相關(guān)性，如單獨對一個傳感信號進行濾噪，無法起到有效的濾噪效果。多尺度小波變換的濾波方法通過綁定小波分解算法和主元分析方法，同時對具有相關(guān)性的多傳感信號進行聯(lián)合濾噪，提高輸出的多路傳感信號的質(zhì)量。第二步，原始特征集產(chǎn)生對濾波后的信號在時域、頻域、和時頻域上產(chǎn)生各種原始特征，時域上產(chǎn)生均方根、峰峰值、方差、峭度、斜度、裕度指標(biāo)等特征，頻域上產(chǎn)生設(shè)備對應(yīng)的特征頻率的幅值，時頻域上產(chǎn)生小波分解產(chǎn)生的小波能量特征，所有產(chǎn)生的特征形成一個原始特征集。第三步，信號局部特征提取由于原始特征集中個特征間的相關(guān)性和高維度性，采用局部保持投影算法，在數(shù)據(jù)流形上提取所給數(shù)據(jù)集中局部重要的結(jié)構(gòu)信息，一方面降低數(shù)據(jù)的維度，減少后續(xù)建模的復(fù)雜性和有效性；另一方面真正獲取代表設(shè)備健康狀態(tài)特征， 從而提高模型的健康預(yù)診的有效性。第四步，基準(zhǔn)自組織映射模型建模在離線狀態(tài)下，采用自組織映射模型對提取的特征信息進行信息融合，對設(shè)備健康狀態(tài)數(shù)據(jù)分布空間進行描述建模，從第三步獲取的特征信息作為自組織映射模型的輸入，以設(shè)備健康狀態(tài)下的傳感數(shù)據(jù)作為自組織映射網(wǎng)絡(luò)的訓(xùn)練集，離線狀態(tài)下通過迭代學(xué)習(xí)，建立自組織映射模型的權(quán)重與設(shè)備健康狀態(tài)行為之間的非線性映射關(guān)系，構(gòu)建一個基準(zhǔn)自組織映射模型?；鶞?zhǔn)自組織映射模型的權(quán)重矩陣描述建模了設(shè)備健康狀態(tài)下的數(shù)據(jù)分布空間。第五步，健康量化評估和剩余壽命預(yù)測在設(shè)備運行時，在線實時采集的信號信息通過第一至第三步的處理，提取的特征輸入到基準(zhǔn)自組織映射網(wǎng)絡(luò)，計算輸入向量與基準(zhǔn)自組織映射網(wǎng)絡(luò)模型上所有權(quán)重單元間的隸屬概率，進一步通過貝葉斯理論計算出負(fù)似然概率(Negative Loglikelihood probability, NLLP)，以此作為設(shè)備性能衰退的量化評估值，對設(shè)備性能衰退進行評估預(yù)測，對可能發(fā)生的故障進行提前報警。當(dāng)負(fù)似然概率值判斷設(shè)備健康處于衰退狀態(tài)時，將設(shè)備性能狀態(tài)評估結(jié)果輸入到剩余壽命預(yù)測模型，采用威布爾分布函數(shù)模型，在線實時擬合時間軸上的連續(xù)負(fù)似然概率量化評估值，采用遺傳算法，以威布爾分布函數(shù)模型值和實際的量化評估值的絕對值誤差為目標(biāo)函數(shù)，對威布爾分布函數(shù)模型的關(guān)鍵參數(shù)，比如比例參數(shù)，形狀參數(shù)等進行在線進化求優(yōu)化解，獲得擬合的威布爾分布函數(shù)模型。通過預(yù)先設(shè)置的設(shè)備失效閾值和在線擬合得到的威布爾分布函數(shù)模型，反演預(yù)測設(shè)備失效的時間節(jié)點，推算出設(shè)備的有效剩余壽命。與現(xiàn)有技術(shù)相比，本發(fā)明具有如下顯而易見的突出實質(zhì)性特點和顯著優(yōu)點本發(fā)明實現(xiàn)了設(shè)備健康衰退智能預(yù)診的整個過程，可實現(xiàn)對設(shè)備的性能衰退的評估與預(yù)測，和剩余壽命預(yù)測，具有對多傳感信號融合建模，關(guān)鍵特征提取，計算簡單高效，滿足不同設(shè)備性能衰退預(yù)診的需求，即使不懂各種計算模型的操作人員也能方便地使用該發(fā)明。特別是， 本發(fā)明的建模方法僅需要健康數(shù)據(jù)進行系統(tǒng)建模而不需要各種歷史故障數(shù)據(jù)，避免了故障數(shù)據(jù)不容易收集的缺陷，顯著地提高了該系統(tǒng)的工程可應(yīng)用性。同時，本發(fā)明可對設(shè)備性能衰退程度給出量化的評估指標(biāo)，克服了其它方法只能簡單判斷設(shè)備是否失效的不足，而且本發(fā)明可對設(shè)備剩余壽命提前給出預(yù)測，可顯著地提高維護人員決策的正確性。本發(fā)明也非常容易地安裝到各類嵌入式設(shè)備中，具有很大的應(yīng)用靈活性。該發(fā)明可以大大提高設(shè)備運行的可靠性與智能性，提高設(shè)備生產(chǎn)效率，給企業(yè)帶來更高的經(jīng)濟效益。


圖1是本發(fā)明方法流程圖。
具體實施例方式本發(fā)明的一個優(yōu)選實施例結(jié)合附圖進行詳細(xì)說明。實施例一如圖1所示，基于多路傳感信號的設(shè)備健康狀態(tài)評估及預(yù)測方法，具體步驟如下
1.在設(shè)備或部件上的關(guān)鍵位置布置傳感器，拾取能夠反映設(shè)備健康狀態(tài)的各種信號 (如振動、位移、電流、電壓、壓力等)，信號通過數(shù)據(jù)采集卡上的濾波電路和放大電路進行數(shù)據(jù)采集，數(shù)據(jù)采集卡同時也把模擬信號轉(zhuǎn)換為數(shù)字信號，多傳感信號聯(lián)合濾噪算法采用多尺度小波分解方法進行多傳感信號聯(lián)合濾噪操作。多尺度小波分解方法首先采用小波分解算法(采用Mallet小波)對各個傳感器信號進行分解，同時采用主元分析方法對小波分解后的小波系數(shù)進行主成分分析，刪除若干不重要的主元，然后對所有剩余的重要主元進行小波逆變換獲取聯(lián)合濾波后的多路傳感信號。2.對濾噪后的多路傳感信號在時域、頻域、和時頻域上產(chǎn)生各種原始特征，形成原始特征集。在時域上產(chǎn)生均方根、峰峰值、方差、峭度、斜度等特征，在頻域上采用傅立葉變換計算得到設(shè)備對應(yīng)的特征頻率和故障頻率的幅值，時頻域上產(chǎn)生小波分解產(chǎn)生后的小波能量特征，所有產(chǎn)生的物理特征形成一個原始特征集。通過在這三個域上產(chǎn)生盡可能多的物理特征，來充分表達設(shè)備的健康狀態(tài)。3.步驟2產(chǎn)生的原始特征集維度通常過于龐大，而且不可避免地引入了各種不重要的物理特征信息，加劇了后續(xù)學(xué)習(xí)模型的建模難度和降低了其性能。因此通過局部保持投影算法對原始物理特征集進行維度縮減和特征提取，可以提取隱藏在數(shù)據(jù)集中局部的數(shù)據(jù)流形信息，來提取真正表達設(shè)備狀態(tài)的特征，使得后面的系統(tǒng)建模更加簡單有效，而且可以顯著地提高系統(tǒng)預(yù)診性能。局部保持投影算法被描述為拉普拉斯特征映射的線性逼近， 局部保持投影算法首先計算一個基于最近鄰的有向連接圖，圖上每一邊表示數(shù)據(jù)集中任何兩個向量間的關(guān)系，如為最近鄰則為1，否則為0?；谟邢蜻B接圖，通過計算兩個相鄰向量間的歐氏距離，得到一個權(quán)重矩陣，然后計算該權(quán)重矩陣的拉普拉斯矩陣?；谝陨暇仃?， 可獲得一個目標(biāo)函數(shù)，通過范化向量萬法計算方法求解該目標(biāo)函數(shù)獲得一個歐氏向量矩陣 A。依據(jù)公式(1)提取原始數(shù)據(jù)集ι中局部重要的結(jié)構(gòu)信息，降低數(shù)據(jù)的維度，減少后續(xù)建模的復(fù)雜性和有效性，真正獲取代表設(shè)備健康狀態(tài)的特征數(shù)據(jù)集^，作為自組織映射網(wǎng)絡(luò)的輸入
權(quán)利要求
1.一種基于多路傳感信號的設(shè)備健康狀態(tài)評估與預(yù)測方法，其特征在于，操作步驟如下第一步驟，多傳感信號聯(lián)合濾噪采用多尺度小波濾波算法對從設(shè)備上采集到的多路傳感信號進行聯(lián)合濾噪，提高輸出的多傳感信號的質(zhì)量；第二步驟，原始特征集產(chǎn)生對濾噪后的多傳感信號在時域、頻域和時頻域上產(chǎn)生各種能表征設(shè)備性能狀態(tài)的特征，形成一個原始特征集；第三步驟，信號局部特征提取采用局部保持投影算法(Local Preserving Projection, LPP)對第二步產(chǎn)生的原始特征集進一步進行維度縮減和特征提取，降低原始數(shù)據(jù)集維度和提取真正能表達設(shè)備健康狀態(tài)的特征信息；第四步驟基準(zhǔn)自組織映射模型建模在離線狀態(tài)下，采用自組織映射 (Self-Organizing Mapping, S0M)模型對局部保持投影算法提取后的特征信息進行信息融合建模，獲取能表達設(shè)備健康狀態(tài)下數(shù)據(jù)空間分布的基準(zhǔn)自組織映射模型；第五步驟健康量化評估和剩余壽命預(yù)測在線上采集樣本通過第一到第三步的處理，抽取的特征輸入到第四步構(gòu)建的基準(zhǔn)自組織映射模型，通過計算負(fù)似然概論值實現(xiàn)對設(shè)備性能衰退狀態(tài)評估，基于時間軸上獲取的負(fù)似然概論值的連續(xù)數(shù)據(jù)流，采用威布爾分布函數(shù)模型在線擬合時間軸上的負(fù)似然概論值，進而通過反演推算威布爾分布函數(shù)模型來預(yù)測設(shè)備剩余壽命估計。
2.根據(jù)權(quán)利要求1所述的基于多路傳感信號的設(shè)備健康狀態(tài)評估與預(yù)測方法，其特征是所述第一步驟多傳感信號聯(lián)合濾噪算法采用多尺度小波濾波算法，通過綁定主元分析算法和小波分解算法，去除多信號間存在的相關(guān)性基礎(chǔ)上，首先對各個信號進行小波分解，把所有傳感信號分解后的小波系數(shù)輸入到主元分析模型，分解主元后去除不重要主要， 進行對保留的重要主元進行小波逆分解，實現(xiàn)對多路傳感信號同時進行聯(lián)合濾噪，提高輸出的多傳感信號的質(zhì)量。
3.根據(jù)權(quán)利要求1所述的基于多路傳感信號的設(shè)備健康狀態(tài)評估與預(yù)測方法，其特征是，所述第二步驟原始特征產(chǎn)生方法是指對多路傳感信號在時域、頻域、和時頻域上產(chǎn)生各種特征，時域上產(chǎn)生均方根、峰峰值、方差、峭度、斜度等特征，頻域上產(chǎn)生設(shè)備對應(yīng)的特征頻率的幅值，時頻域上產(chǎn)生小波分解產(chǎn)生的小波能量特征，在時域、頻域、和時頻域上所有產(chǎn)生的原始特征形成一個原始特征集來表證設(shè)備運行狀態(tài)。
4.根據(jù)權(quán)利要求1所述的基于多路傳感信號的設(shè)備健康狀態(tài)評估與預(yù)測方法，其特征是，所述第三步驟信號局部特征提取是指采用局部保持投影算法(Local Preserving Projection, LPP)，在數(shù)據(jù)流形上提取數(shù)據(jù)集中重要的局部結(jié)構(gòu)信息，通過去除若干不重要的歐氏向量，通過保留的重要歐氏向量并形成歐氏向量矩陣，進行數(shù)據(jù)投影和維度縮減， 提取重要的特征來代表設(shè)備健康狀態(tài)特征。
5.根據(jù)權(quán)利要求1所述的基于多路傳感信號的設(shè)備健康狀態(tài)評估與預(yù)測方法，其特征是，所述第四步驟基準(zhǔn)自組織映射模型建模是指在離線狀態(tài)下，采用自組織映射模型對局部保持投影算法提取的設(shè)備健康狀態(tài)下的特征信息進行信息融合，自組織映射模型通過持續(xù)地迭代學(xué)習(xí)，實現(xiàn)對設(shè)備健康狀態(tài)數(shù)據(jù)分布空間的描述建模，離線學(xué)習(xí)建模后的基準(zhǔn)自組織映射模型的映射權(quán)重矩陣建模描述了設(shè)備健康狀態(tài)下的數(shù)據(jù)空間分布。
6.根據(jù)權(quán)利要求1所述的基于多路傳感信號的設(shè)備健康狀態(tài)評估與預(yù)測方法，其特征是，所述第五步驟健康量化評估和剩余壽命預(yù)測是指在線輸入的信號輸入到離線狀態(tài)下第五步構(gòu)建的基準(zhǔn)自組織映射模型，通過貝葉斯推論來計算模型上所有映射單元似然響應(yīng)，計算出負(fù)似然對數(shù)概率值實現(xiàn)對設(shè)備性能衰退狀態(tài)的量化評估，如評估值顯示設(shè)備健康處于衰退狀態(tài)，則進一步通過采用遺傳算法在線進化威布爾分布函數(shù)模型，擬合時間軸上的負(fù)似然概率值流，通過在線擬合得到威布爾分布函數(shù)模型，在事先設(shè)定的設(shè)備失效閾值下，反演推算該威布爾分布函數(shù)模型來預(yù)測設(shè)備的有效剩余壽命。
全文摘要
本發(fā)明涉及一種基于多路傳感信號的設(shè)備健康狀態(tài)評估與預(yù)測方法。本方法的操作步驟為第一步，多傳感信號聯(lián)合濾噪采用多尺度小波濾波算法對從設(shè)備上采集到的多路傳感信號進行聯(lián)合濾噪，提高多傳感信號的質(zhì)量；第二步，原始特征集產(chǎn)生；第三步，信號局部特征提取；第四步，基準(zhǔn)自組織映射模型建模；第五步健康量化評估和剩余壽命預(yù)測；本發(fā)明能夠?qū)崿F(xiàn)對設(shè)備性能衰退的量化評估和壽命預(yù)測，從而提高設(shè)備的運行可靠性和降低維護成本。
文檔編號G06F19/00GK102313577SQ20111017140
公開日2012年1月11日 申請日期2011年6月24日 優(yōu)先權(quán)日2011年6月24日
發(fā)明者余建波, 劉美芳 申請人:上海大學(xué)