一种基于灰色模型的机电设备故障诊断方法技术

本发明专利技术提供一种基于灰色模型的机电设备故障诊断方法，包括：步骤一、采集当前机电设备的运行参数；步骤二、将采集到的运行参数作为原始建模序列，建立灰色模型，利用预测模型对系统中的相关数据进行预测；步骤三、获取机电设备在不同故障状态下运行参数的样本数据，建立机电设备故障的基准模型，找到系统的故障源并确定系统的故障参数；步骤四、将数据的变化趋势进行放大，进行故障诊断，对预测值与解析模型的解进行一致性检验，将预测结果代入参数估计模型中求解，得到未来时刻的故障参数预测值，根据预测模型和参数估计模型对故障参数进行预测，依据变量间机理关系判断故障原因。本发明专利技术可实现对机电设备在运行期间对故障类型的诊断。

A fault diagnosis method for electromechanical equipment based on Grey Model

【技术实现步骤摘要】
一种基于灰色模型的机电设备故障诊断方法
本专利技术涉及一种对机电设备进行故障诊断方法，尤其是涉及一种基于灰色模型的机电设备故障诊断方法。
技术介绍
管廊建筑行业通常是在环境恶劣的条件下，廊体内易产生易燃、易爆、有毒有害的气体。一旦工作人员出现误操作或者由于设备检修不及时等引发事故，极易发生爆炸或有毒物质的泄露，不仅造成巨大的经济损失，对环境造成难以弥补的污染，甚至严重威胁操作人员的生命安全。随着信息自动化技术的不断进步，管廊建筑的规模也在不断的扩大，生产系统朝着连续化、集成化的方向发展。基于管廊运维行业的高危性考虑，人们对其生产的安全性、可靠性等要求也越来越高。如何保证管廊运维的安全，及时的发现故障并修复故障对系统带来的影响，降低事故发生的概率，成为本专利技术的重点。对机电设备进行运行状况预测，及时发现并排除故障隐患。
技术实现思路
本专利技术的目的在于提供一种基于灰色模型的机电设备故障诊断方法，以解决上述问题。本专利技术采用了如下技术方案：一种基于灰色模型的机电设备故障诊断方法，其特征在于，包括：步骤一、利用数据采集系统检测当前机电设备的运行参数；步骤二、将采集到的运行参数作为原始建模序列，建立灰色GM(1,1)模型，利用预测模型对系统中的相关数据进行预测，及时预测出数据未来的变化趋势；步骤三、获取机电设备在不同故障状态下运行参数的样本数据，建立机电设备故障的基准模型，找到系统的故障源并确定系统的故障参数；步骤四、将数据的变化趋势进行放大，把预测得到的数据代入系统的解析模型中进行故障诊断，通过参数估计法对预测值与解析模型的解进行一致性检验，然后将预测结果代入参数估计模型中求解，得到未来时刻的故障参数预测值，根据预测模型和参数估计模型对故障参数进行预测，如果存在故障，依据变量间机理关系判断故障原因。进一步，本专利技术的基于灰色模型的机电设备故障诊断方法，还可以具有这样的特征：所述利用灰色模型进行预测研究，首先对系统进行分析，找出需要进行预测的变量，然后收集该变量的历史数据，并按照数据产生时间段的先后顺序进行排列。进一步，本专利技术的基于灰色模型的机电设备故障诊断方法，还可以具有这样的特征：所述灰色模型的建模条件要求原始序列的所有数值必须是非负数，因此对含有负数的序列处理，将原始序列的每项都加上相同的正数，使得序列中的每项都变为非负数，原始数据序列需要进行光滑度检验，光滑度即序列中的第k个数据与序列的前k-1个数据之和的比值，通过光滑度可以检验序列X(0)中的数据变化是否属于平稳变化，序列越平稳证明序列的光滑比越小，光滑度检验的公式如式1所示：如果数列满足以下两个条件，那么X(0)即是准光滑序列：ρ(k)∈[0,0.5],k＝3,4,...,n(2)如果序列满足下式的条件，则称序列满足绝对灰度为d的灰指数规律，且当d＜0.5时，该序列具有准指数规律，σ(k)∈[a,b],且b-a＝δ,(k＝1,2,...,n)不满足准指数规律的序列，须进行累加处理，如果序列是非负的准准光滑序列，那么序列X(0)经过一次累加就能生成具有准指数规律的序列X(1)，序列的原始数据进行依次累加运算，弱化了数据的随机性，使数据的变化趋势更为明显，序列的累加公式为：对累加序列的i1元素进行紧邻均值运算，求得紧邻均值序列Z(1),表达式如下：Z(1)＝(z(1)(3),z(1)(3),...,z(1)(n))其中：z(1)(k)＝0.5X(1)(k-1)+(1-0.5)X(1)(k),k＝2,3,...,n对X(1)建立白化微分方程，其表达式为：将上式做离散化处理，由此微分变差分，得到灰色模型的白化方程，该方程也称为影子方程：X(0)(k)+aZ(1)(k)＝ua是灰色模型的发展系数，它反映了序列的发展趋势；u是模型的灰色作用量，它反映了系统的灰色性质对系统数据变化的影响，用最小二乘法求解参数u,定义GM模型的参数向量：最小二乘法估计方程式为：其中：求解白化方程，得到X(1)的预测公式如下：因为灰色模型的数据序列进行了累加运算，所以预测结果需要进行累减还原，得到X(0)的预测公式：进一步，本专利技术的基于灰色模型的机电设备故障诊断方法，还可以具有这样的特征：所述利用将灰色模型与解析模型进行串联组合，分别利用灰色模型预测数据宏观变化趋势，解析模型对灰色模型的预测误差进行修正。进一步，本专利技术的基于灰色模型的机电设备故障诊断方法，还可以具有这样的特征：所述利用采用灰色模型GM(1,1)对机电设备表面传感器下一时刻采集的数据进行预测的过程可以描述为：(1)设在时刻k原始数列为n维向量，则可以表示为：X(0)＝{X(0)(1),X(0)(2),...,X(0)(n)}(1)(2)对原始数据X(0)进行一次累加操作，如下式所示：X(1)＝{X(1)(1),X(1)(2),...,X(1)(n)}(2)式(2)中，第k维向量X(1)(k)可以根据下式进行计算：(3)对X(0)进行光滑检验i，＝1如下式所示：(4)判断X(1)(k)的是否满足指数规律，如下式所示：(5)生成X(1)(k)的近邻域Z(1)(k),如下式所示：Z(1)(k)＝0.5X(1)(k)+0.5X(1)(k-1)(6)(6)建立灰色微分方程，作为预测模式，如下式所示：求解上式，得到X(1)在下一时刻k+1的预测值，如下式所示：(7)估计上式中的参数μ和a，采用最小二乘估计，得到的结果如下式所示：(8)式中，B和XN分别表示为：(9)根据式(8)和(9)，采取累减法获得X(0)在下一时刻k+1的预测值，如下式所示：进一步，本专利技术的基于灰色模型的机电设备故障诊断方法，还可以具有这样的特征：(1)初始化命题，命题种类的个数为故障类别数，并将命题的集合作为辨识框架Θ＝{F1,F2,...,Fn}，(2)对各传感器数据所得到的故障诊断类别的诊断结果进行归一化处理：(3)可信度分配：根据上式获得归一化的诊断结果后，对命题Fj第i个故障类别的基本可信度分配Mi(Fj)，计算如下：其中，γi(Fj)为其中第i个传感器数据在故障Fj的输出值。进一步，本专利技术的基于灰色模型的机电设备故障诊断方法，还可以具有这样的特征：所述参数估计法，包括如下步骤：(1)对系统进行原理分析，找出系统中可能发生的故障点，将故障与系统的参数建立映射关系，(2)从输入、输出信息中分离出与故障参数相关的变量，(3)利用系统的原理构建数学模型，将系统的故障参数与传感器的测量数据建立因果关系，(4)故障参数值与阈值进行比较，判断故障是否发生，如果数值超出了阈值范围，证明故障已经发生，否则，说明设备在正常状态，根据故障参数与阈值的偏差判断系统故障的发展程度，对系统故障定量化。进一步，本专利技术的基于灰色模型的机电设备故障诊断方法，还可以具有这样的特征：所述解析模型法以系统测量得到的输入、输出信息为基础，利用较为详细准确的数学模型来生成系统的特征参数，将经过直接测量或者计算得到的特征数据与正常状态下的特征数据进行比较，获得变量残差，依据残差的变动对系统的故障进行诊断。专利技术的有益效果本专利技术提供了一种基于灰色模型的机电设备故障诊断方法。该方法通过灰色模型GM(1,1)预测传感器下一时刻的数据，预测机电设备的运行参数劣化趋势，并利用预测数据描述机电设备当前性能本文档来自技高网...

【技术保护点】
1.一种基于灰色模型的机电设备故障诊断方法，其特征在于，包括：步骤一、利用数据采集系统检测当前机电设备的运行参数；步骤二、将采集到的运行参数作为原始建模序列，建立灰色GM(1,1)模型，利用预测模型对系统中的相关数据进行预测，及时预测出数据未来的变化趋势；步骤三、获取机电设备在不同故障状态下运行参数的样本数据，建立机电设备故障的基准模型，找到系统的故障源并确定系统的故障参数；步骤四、将数据的变化趋势进行放大，把预测得到的数据代入系统的解析模型中进行故障诊断，通过参数估计法对预测值与解析模型的解进行一致性检验，然后将预测结果代入参数估计模型中求解，得到未来时刻的故障参数预测值，根据预测模型和参数估计模型对故障参数进行预测，如果存在故障，依据变量间机理关系判断故障原因。

【技术特征摘要】
1.一种基于灰色模型的机电设备故障诊断方法，其特征在于，包括：步骤一、利用数据采集系统检测当前机电设备的运行参数；步骤二、将采集到的运行参数作为原始建模序列，建立灰色GM(1,1)模型，利用预测模型对系统中的相关数据进行预测，及时预测出数据未来的变化趋势；步骤三、获取机电设备在不同故障状态下运行参数的样本数据，建立机电设备故障的基准模型，找到系统的故障源并确定系统的故障参数；步骤四、将数据的变化趋势进行放大，把预测得到的数据代入系统的解析模型中进行故障诊断，通过参数估计法对预测值与解析模型的解进行一致性检验，然后将预测结果代入参数估计模型中求解，得到未来时刻的故障参数预测值，根据预测模型和参数估计模型对故障参数进行预测，如果存在故障，依据变量间机理关系判断故障原因。2.根据权利要求1所述的一种基于灰色模型的机电设备故障诊断方法，其特征在于：所述利用灰色模型进行预测研究，首先对系统进行分析，找出需要进行预测的变量，然后收集该变量的历史数据，并按照数据产生时间段的先后顺序进行排列。3.根据权利要求1所述的一种基于灰色模型的机电设备故障诊断方法，其特征是：所述灰色模型的建模条件要求原始序列的所有数值必须是非负数，因此对含有负数的序列处理，将原始序列的每项都加上相同的正数，使得序列中的每项都变为非负数，原始数据序列需要进行光滑度检验，光滑度即序列中的第k个数据与序列的前k-1个数据之和的比值，通过光滑度可以检验序列X(0)中的数据变化是否属于平稳变化，序列越平稳证明序列的光滑比越小，光滑度检验的公式如式1所示：如果数列满足以下两个条件，那么X(0)即是准光滑序列：ρ(k)∈[0,0.5],k＝3,4,...,n(2)如果序列满足下式的条件，则称序列满足绝对灰度为d的灰指数规律，且当d＜0.5时，该序列具有准指数规律，σ(k)∈[a,b],且b-a＝δ,(k＝1,2,...,n)不满足准指数规律的序列，须进行累加处理，如果序列是非负的准准光滑序列，那么序列X(0)经过一次累加就能生成具有准指数规律的序列X(1)，序列的原始数据进行依次累加运算，弱化了数据的随机性，使数据的变化趋势更为明显，序列的累加公式为：对累加序列的元素进行紧邻均值运算，求得紧邻均值序列Z(1),表达式如下：Z(1)＝(z(1)(3),z(1)(3),...,z(1)(n))其中：z(1)(k)＝0.5X(1)(k-1)+(1-0.5)X(1)(k),k＝2,3,...,n对X(1)建立白化微分方程，其表达式为：将上式做离散化处理，由此微分变差分，得到灰色模型的白化方程，该方程也称为影子方程：X(0)(k)+aZ(1)(k)＝ua是灰色模型的发展系数，它反映了序列的发展趋势；u是模型的灰色作用量，它反映了系统的灰色性质对系统数据变化的影响，用最小二乘法求解参数u,定义GM模型的参数向量：最小二乘法估计方程式为：其中：求解白化方程，得到X(1)的预测公式如下：因为灰色模型的数据序列进行了累加运算...

【专利技术属性】
技术研发人员：江凤，罗莹，
申请(专利权)人：上海智容睿盛智能科技有限公司，
类型：发明
国别省市：上海,31