基于时变参数预测模型的机械运行状态监测方法及装置制造方法及图纸

本发明专利技术公开了一种基于时变参数预测模型的机械运行状态监测方法及装置。其中，该方法包括：估计机械系统处于正常运行状态时的时序信号的最佳周期；依据最佳周期，将实时采集的时序信号分割为独立的周期信号；将已观测的包含至少四个连续周期的时序信号中相同相位的数据代入已构建的微分方程预测模型，来预测下一个周期的时序信号中相同相位的数据；将预测的时序信号与当前时刻实际观测的时序信号进行残差分析，然后根据估计的最佳周期将数据残差累加后处理，得到监测数据的周期异常度。该方法提高了机械系统运行状态监测的实时性能。

Monitoring method and device for mechanical running state based on time-varying parameter prediction model

The invention discloses a mechanical running state monitoring method and device based on a time-varying parameter prediction model. Among them, the method includes: estimating the optimum period of the time sequence signal when the mechanical system is in normal operation state; dividing the real-time collected time sequence signal into independent periodic signals according to the optimum period; substituting the same phase data of the observed time sequence signal containing at least four consecutive periods into the constructed differential. Equation prediction model is used to predict the same phase data in the sequence signal of the next cycle. Residual error analysis is carried out between the predicted sequence signal and the observed sequence signal at the current time. Then the residual error is accumulated and processed according to the estimated optimal period to obtain the period anomaly of the monitoring data. This method improves the real-time performance of monitoring the running state of mechanical system.

【技术实现步骤摘要】
基于时变参数预测模型的机械运行状态监测方法及装置
本专利技术属于机械运行状态监测领域，尤其涉及一种基于时变参数预测模型的机械运行状态监测方法及装置。
技术介绍
旋转机械是工业上应用最广泛的机械。许多大型旋转机械，如：离心泵、电动机、发动机、发电机、压缩机、汽轮机和轧钢机等，还是石化、电力、冶金、煤炭和核能等行业中的关键设备。本世纪以来，随着机械工业的迅速发展，现代机械工程中的机械设备朝着轻型化、大型化、重载化和高度自动化等方向发展，出现了大量的强度、结构、振动、噪声、可靠性以及材料与工艺方面的问题，设备损坏事件时有发生，国内外大型汽轮机严重事故是其典型实例。机械系统运行状态监测能够为重大机械装备系统的正常的运行提供保障，为实现智能制造提供关键技术。机械系统状态监测能够实时的监测机械系统当前的运行状态，并根据监测的运行状态能够无监督地诊断机械系统出是否有变化的发生，这种状态变化是机械系统的某个零部件或子系统在发生失效之前所表现的。目前，基于机械系统状态监测的维修技术能够为重大装备的维修与维护降低费用成本、减少劳动力以及因装备故障带来的生产损失，得到了广泛关注与应用。然而，在实际的应用中本文档来自技高网...

【技术保护点】
1.一种基于时变参数预测模型的机械运行状态监测方法，其特征在于，包括：步骤1：估计机械系统处于正常运行状态时的时序信号的最佳周期；步骤2：依据最佳周期，将实时采集的时序信号分割为独立的周期信号；步骤3：将已观测的包含至少四个连续周期的时序信号中相同相位的数据代入已构建的微分方程预测模型，来预测下一个周期的时序信号中相同相位的数据；其中，微分方程预测模型的参数是根据已观测时序信号的每个相位的不同而实时变化；步骤4：将预测的时序信号与当前时刻实际观测的时序信号进行残差分析，然后根据估计的最佳周期将数据残差累加后处理，得到监测数据的周期异常度。

【技术特征摘要】
1.一种基于时变参数预测模型的机械运行状态监测方法，其特征在于，包括：步骤1：估计机械系统处于正常运行状态时的时序信号的最佳周期；步骤2：依据最佳周期，将实时采集的时序信号分割为独立的周期信号；步骤3：将已观测的包含至少四个连续周期的时序信号中相同相位的数据代入已构建的微分方程预测模型，来预测下一个周期的时序信号中相同相位的数据；其中，微分方程预测模型的参数是根据已观测时序信号的每个相位的不同而实时变化；步骤4：将预测的时序信号与当前时刻实际观测的时序信号进行残差分析，然后根据估计的最佳周期将数据残差累加后处理，得到监测数据的周期异常度。2.如权利要求1所述的一种基于时变参数预测模型的机械运行状态监测方法，其特征在于，该方法还包括：采用高斯分布的假设检验方法来检测周期异常度，检测出变化点。3.如权利要求1所述的一种基于时变参数预测模型的机械运行状态监测方法，其特征在于，在所述步骤1中，通过动态时序规整法对相应进行分析处理，确定出相应时序信号的最佳周期。4.如权利要求1所述的一种基于时变参数预测模型的机械运行状态监测方法，其特征在于，在所述步骤3中，根据不同周期相同相位点的数据建立一个时间序列集，假定该时间序列集中的数据值是满足微分方程在一系列时间节点上的数值，进而构建出微分方程预测模型。5.如权利要求1所述的一种基于时变参数预测模型的机械运行状态监测方法，其特征在于，在所述步骤3中，采用滑动窗的形式，预测以后周期的数据。6.一种基于时变参数预测模型的机械运行状态监测装置，包括信号采集部和信号处理部，其特征在...

【专利技术属性】
技术研发人员：卢国梁，文新，闫鹏，
申请(专利权)人：山东大学，
类型：发明
国别省市：山东,37