專利名稱：旋轉(zhuǎn)式機(jī)械設(shè)備性能退化的評估方法
技術(shù)領(lǐng)域：
本發(fā)明涉及設(shè)備安全技術(shù)領(lǐng)域，尤其涉及一種旋轉(zhuǎn)式機(jī)械設(shè)備性能退化的評估方法。
背景技術(shù)：
大型機(jī)械設(shè)備的故障預(yù)測和維護(hù)技術(shù)在設(shè)備管理與維修現(xiàn)代化中占有重要的地位，是現(xiàn)代制造集成技術(shù)中流程過程性能監(jiān)測與預(yù)警技術(shù)的重要組成部分，是ー門綜合性很強(qiáng)的、多學(xué)科相互交叉和相互融合的應(yīng)用基礎(chǔ)科學(xué)與應(yīng)用技術(shù)，在保障設(shè)備運(yùn)行的安全性、可靠性、高效性、可維修性和經(jīng)濟(jì)性等方面起著極為重要的作用，在國內(nèi)外均受到了高度重視。隨著機(jī)械學(xué)、動力學(xué)研究的不斷深入，隨著計算機(jī)技木、網(wǎng)絡(luò)技術(shù)、現(xiàn)代測試技木、 信號處理技術(shù)以及人工智能技術(shù)等的迅速發(fā)展，狀態(tài)監(jiān)測、故障診斷與預(yù)測以及智能維護(hù)取得了很大的進(jìn)步，正在逐步形成比較完整的學(xué)科體系。近年來，國外發(fā)達(dá)國家對設(shè)備性能評估與預(yù)測技術(shù)的研究和應(yīng)用都十分的重視。20世紀(jì)80年代末期提出的故障預(yù)測與健康管理技術(shù)，從尋找設(shè)備故障發(fā)生、發(fā)展的確定性規(guī)律著手，通過獲取設(shè)備在使用過程中自身狀態(tài)變化和產(chǎn)品經(jīng)歷的外界環(huán)境條件(氣候環(huán)境、力學(xué)環(huán)境等等)數(shù)據(jù)，進(jìn)行綜合分析與計算，用于測試和評估設(shè)備的使用壽命或殘余壽命，預(yù)測判斷故障發(fā)生期間。該項技術(shù)在國外已用于大型飛機(jī)、機(jī)電設(shè)備、道路橋梁等重大設(shè)備的故障檢測、壽命預(yù)測和安全評估中。2001年，在美國國家自然科學(xué)基金的資助下，威斯康辛大學(xué)和密西根大學(xué)聯(lián)合エ業(yè)界近40家企業(yè)共同成立了智能維護(hù)系統(tǒng)研究中心，該中心開展了設(shè)備主動維護(hù)思想和智能維護(hù)技術(shù)的基礎(chǔ)和方法研究，并在一定程度上開展了應(yīng)用研究。這些研究有1)利用特征映射跟蹤焊接過程中多傳感器采集信號的AR模型，然后用特征根來評估焊接頭的狀態(tài)；2)直接根據(jù)頻域中指定頻段的能量來檢測電梯門的性能狀況；3)利用自組織映射和BP神經(jīng)網(wǎng)絡(luò)進(jìn)行了球軸承的剰余壽命預(yù)測研究；4)利用設(shè)備非平穩(wěn)信號的吋-頻矩來描述系統(tǒng)的狀態(tài)；5)利用模糊推理系統(tǒng)理論來預(yù)測設(shè)備剩余壽命；6)以軸承失效為例研究了動態(tài)小波神經(jīng)網(wǎng)絡(luò)方法在故障預(yù)診斷及評估方面的應(yīng)用等。這些研究各有其自身優(yōu)點(diǎn)，應(yīng)用領(lǐng)域也不一樣。由于故障模式的多祥性、機(jī)械設(shè)備結(jié)構(gòu)的復(fù)雜性、現(xiàn)場環(huán)境造成的隨機(jī)性等因素的影響，單純地分析監(jiān)測數(shù)據(jù)已很難準(zhǔn)確地描述出設(shè)備的狀態(tài)，而模型化的思想則為解決這ー問題提供了新的思路。歷史數(shù)據(jù)的概率分布與設(shè)備的運(yùn)行狀態(tài)有良好的對應(yīng)關(guān)系，這為用概率模型分析設(shè)備的狀態(tài)提供了理論基礎(chǔ)。

發(fā)明內(nèi)容
本發(fā)明g在提出一種旋轉(zhuǎn)式機(jī)械設(shè)備性能退化的評估方法。根據(jù)本發(fā)明，掲示了一種旋轉(zhuǎn)式機(jī)械設(shè)備性能退化的評估方法，包括a.從時域模式樣本庫中獲取旋轉(zhuǎn)式機(jī)械設(shè)備的性能退化時域數(shù)據(jù)，性能退化時域數(shù)據(jù)是在現(xiàn)場長期累積的運(yùn)行狀態(tài)退化數(shù)據(jù)或者在試驗臺模擬的性能退化數(shù)據(jù)；
b.對性能退化時域數(shù)據(jù)進(jìn)行特征提取，獲得特征模式樣本數(shù)據(jù)；c.利用邏輯回歸算法對所述特征模式樣本數(shù)據(jù)進(jìn)行訓(xùn)練學(xué)習(xí)，獲得旋轉(zhuǎn)式機(jī)械設(shè)備的性能退化評估模型；d.從存放待診斷的旋轉(zhuǎn)式機(jī)械設(shè)備的故障數(shù)據(jù)的故障模式數(shù)據(jù)庫中獲取旋轉(zhuǎn)式機(jī)械設(shè)備的故障數(shù)據(jù)；e.對故障數(shù)據(jù)進(jìn)行特征提取，獲取特征模式數(shù)據(jù)；f.將特征模式數(shù)據(jù)放入所述性能退化評估模型中，得到性能退化評估結(jié)果。其中，步驟b包括bl.利用時域分析、時序分析、基于FFT變換的頻域分析、時頻分析、小波分析、瞬時分析對性能退化時域數(shù)據(jù)進(jìn)行特征提??；b2.在時域中選擇經(jīng)特征提取后的數(shù)據(jù)的均值、方差、有效值、峰-峰值、方根幅值、峰值因數(shù)、脈沖因數(shù)、波形因數(shù)、裕度因數(shù)9個參數(shù)作為特征模式樣本數(shù)據(jù)；b3、在頻域中，利用功率譜分析，計算得到樣本I倍頻幅值、2倍頻幅值、3倍頻幅值、4倍頻幅值、5倍頻幅值和譜總值6個參數(shù)作為特征模式樣本數(shù)據(jù)；b4、將步驟b2和b3中得到的特征模式樣本數(shù)據(jù)合并成特征模式樣本數(shù)據(jù)集。其中，步驟b2中，方差計算為
權(quán)利要求
1.一種旋轉(zhuǎn)式機(jī)械設(shè)備性能退化的評估方法，其特征在于，包括 a.從時域模式樣本庫中獲取旋轉(zhuǎn)式機(jī)械設(shè)備的性能退化時域數(shù)據(jù)，所述性能退化時域數(shù)據(jù)是在現(xiàn)場長期累積的運(yùn)行狀態(tài)退化數(shù)據(jù)或者在試驗臺模擬的性能退化數(shù)據(jù)； b.對所述性能退化時域數(shù)據(jù)進(jìn)行特征提取，獲得特征模式樣本數(shù)據(jù)； c.利用邏輯回歸算法對所述特征模式樣本數(shù)據(jù)進(jìn)行訓(xùn)練學(xué)習(xí)，獲得所述旋轉(zhuǎn)式機(jī)械設(shè)備的性能退化評估模型； d.從存放待診斷的旋轉(zhuǎn)式機(jī)械設(shè)備的故障數(shù)據(jù)的故障模式數(shù)據(jù)庫中獲取旋轉(zhuǎn)式機(jī)械設(shè)備的故障數(shù)據(jù)； e.對所述故障數(shù)據(jù)進(jìn)行特征提取，獲取特征模式數(shù)據(jù)； f.將所述特征模式數(shù)據(jù)放入所述性能退化評估模型中，得到性能退化評估結(jié)果。
2.如權(quán)利要求I所述的旋轉(zhuǎn)式機(jī)械設(shè)備性能退化的評估方法，其特征在于，所述步驟b包括 bl.利用時域分析、時序分析、基于FFT變換的頻域分析、時頻分析、小波分析、瞬時分析對性能退化時域數(shù)據(jù)進(jìn)行特征提取； b2.在時域中選擇經(jīng)特征提取后的數(shù)據(jù)的均值、方差、有效值、峰-峰值、方根幅值、峰值因數(shù)、脈沖因數(shù)、波形因數(shù)、裕度因數(shù)9個參數(shù)作為特征模式樣本數(shù)據(jù)； b3、在頻域中，利用功率譜分析，計算得到樣本I倍頻幅值、2倍頻幅值、3倍頻幅值、4倍頻幅值、5倍頻幅值和譜總值6個參數(shù)作為特征模式樣本數(shù)據(jù)； b4、將步驟b2和b3中得到的特征模式樣本數(shù)據(jù)合并成特征模式樣本數(shù)據(jù)集。
3.如權(quán)利要求2所述的旋轉(zhuǎn)式機(jī)械設(shè)備性能退化的評估方法，其特征在于，所述步驟b2中， 方差計算為
4.如權(quán)利要求I所述的旋轉(zhuǎn)式機(jī)械設(shè)備性能退化的評估方法，其特征在于，所述步驟c包括 Cl.將特征模式樣本數(shù)據(jù)輸入預(yù)定模型 c2.以極大似然估計算法計算Cl的預(yù)定模型中的系數(shù)，確定系數(shù)后得到性能退化評估模型。
全文摘要
本發(fā)明揭示了一種旋轉(zhuǎn)式機(jī)械設(shè)備性能退化的評估方法，包括從時域模式樣本庫中獲取旋轉(zhuǎn)式機(jī)械設(shè)備的性能退化時域數(shù)據(jù)，性能退化時域數(shù)據(jù)是在現(xiàn)場長期累積的運(yùn)行狀態(tài)退化數(shù)據(jù)或者在試驗臺模擬的性能退化數(shù)據(jù)；對性能退化時域數(shù)據(jù)進(jìn)行特征提取以獲得特征模式樣本數(shù)據(jù)；利用邏輯回歸算法對所述特征模式樣本數(shù)據(jù)進(jìn)行訓(xùn)練學(xué)習(xí)，獲得性能退化評估模型；從存放待診斷的旋轉(zhuǎn)式機(jī)械設(shè)備的故障數(shù)據(jù)的故障模式數(shù)據(jù)庫中獲取旋轉(zhuǎn)式機(jī)械設(shè)備的故障數(shù)據(jù)；對故障數(shù)據(jù)進(jìn)行特征提取以獲取特征模式數(shù)據(jù)；將特征模式數(shù)據(jù)放入性能退化評估模型中，得到性能退化評估結(jié)果。
文檔編號G06F19/00GK102682180SQ201110053990
公開日2012年9月19日 申請日期2011年3月7日 優(yōu)先權(quán)日2011年3月7日
發(fā)明者馮安平, 樊后禮, 葛新蕾 申請人:上海寶信軟件股份有限公司