The invention discloses an equipment health condition assessment method based on variable data, which relates to the technical field of fault diagnosis and assessment method. The evaluation method includes the following steps: collecting the data of equipment system, extracting the variant data by support vector machine, and then diagnosing the fault based on the variant data; using multi-output support vector machine to predict the state based on the diagnostic information; and using the product health status evaluation based on information fusion to predict the state. The method can evaluate the health status of equipment, reduce the cost of use and guarantee, and significantly improve the reliability and safety of complex products.
【技术实现步骤摘要】
基于异变数据的装备健康状态评估方法
本专利技术涉及故障诊断及评估方法
,尤其涉及一种基于异变数据的装备健康状态评估方法。
技术介绍
随着现代计算机、自动控制、信息处理等高新技术广泛应用于产品,传统的事后维修、定时维修、视情维修等维修保障方式,已难以满足现代产品维修保障的需求,呈现诸多弊端:如故障诊断能力不强、维修设备繁多、保障费用急剧增长、无法对故障进行有效预测等。
技术实现思路
本专利技术所要解决的技术问题是如何提供一种能够对装备的健康状态进行评估降低使用和保障费用,显著提高复杂产品的任务可靠性和安全性的方法。为解决上述技术问题,本专利技术所采取的技术方案是:一种基于异变数据的装备健康状态评估方法,其特征在于包括如下步骤:1)采集装备系统的数据,采用支持向量机方法对异变数据进行提取,然后基于异变数据进行故障诊断;2)基于诊断出的故障诊断信息,采用多输出支持向量机对状态进行预测;2-1)多输出支持向量机的构建;2-2)基于蚁群算法将多输出支持向量机的参数进行优化;2-3)通过参数优化后的支持向量机对状态进行预测;3)对预测后的状态使用基于信息融合的产品健康状态评估。3-1)基于模糊综合评判的GBBA确定;3-2)基于熵权DSmT的健康状态评估。采用上述技术方案所产生的有益效果在于:所述方法首先采集装备系统的数据,采用支持向量机方法对异变数据进行提取,然后基于异变数据进行故障诊断;然后基于诊断出的故障诊断信息,采用多输出支持向量机对状态进行预测,最后对预测后的状态使用基于信息融合的产品健康状态评估,能够对装备的健康状态进行评估降低使用和保障费用,显著提高复 ...
【技术保护点】
1.一种基于异变数据的装备健康状态评估方法,其特征在于包括如下步骤:1)采集装备系统的数据,采用支持向量机方法对异变数据进行提取,然后基于异变数据进行故障诊断;2)基于诊断出的故障诊断信息,采用多输出支持向量机对状态进行预测;2‑1)多输出支持向量机的构建;2‑2)基于蚁群算法将多输出支持向量机的参数进行优化;2‑3)通过参数优化后的支持向量机对状态进行预测;3)对预测后的状态使用基于信息融合的产品健康状态评估;3‑1)基于模糊综合评判的GBBA确定;3‑2)基于熵权DSmT的健康状态评估。
【技术特征摘要】
1.一种基于异变数据的装备健康状态评估方法,其特征在于包括如下步骤:1)采集装备系统的数据,采用支持向量机方法对异变数据进行提取,然后基于异变数据进行故障诊断;2)基于诊断出的故障诊断信息,采用多输出支持向量机对状态进行预测;2-1)多输出支持向量机的构建;2-2)基于蚁群算法将多输出支持向量机的参数进行优化;2-3)通过参数优化后的支持向量机对状态进行预测;3)对预测后的状态使用基于信息融合的产品健康状态评估;3-1)基于模糊综合评判的GBBA确定;3-2)基于熵权DSmT的健康状态评估。2.如权利要求1所述的基于异变数据的装备健康状态评估方法,其特征在于,基于支持向量机的异变数据识别的方法如下:采用基于距离的异变数据检测方法进行异变数据识别,根据最优化充要条件-Karush-Kuhn-Tucker(KKT)条件,在最优化约束点处有:样本数据对应的参数ai,的值,有如下5种情况:其中,情况(1)~(4)所对应的xi称为支持向量,情况(1)(2)即当时所对应的xi又被称为边界支持向量,情况(3)(4)即当时所对应的xi为非边界支持向量;情况(5)即当时所对应的xi为非支持向量;此时,ai,对w的计算没有影响;因此在计算回归函数时,只需考虑支持向量;由上述分析可知,只有当样本点属于非边界支持向量时,才有ξ>0或ξ*>0,样本点才可能位于区间[-ε,ε]之外,而当样本点属于边界支持向量或非支持向量时,都处于[-ε,ε]之内,只需找出非边界支持向量,即可作为确定异变数据的依据;向量机异变数据识别的过程如下:(1)通过样本建立支持向量机回归模型;(2)根据非边界支持向量机的判断条件,确定样本集中的非边界支持向量xi,并进行标注,同时计算该样本点回归估计值f(xi)与实际值yi之间的误差,(3)根据实际需要以及测量数据的精度,定义一个误差标准e,当Ei>e时,则认为样本{xi,yi}为异变数据。3.如权利要求2所述的基于异变数据的装备健康状态评估方法,其特征在于,基于异变数据的故障诊断流程如下:将采集的数据利用支持向量机的方法进行异变数据识别,提取出故障特征样本,将故障特征与故障树分析的样本库通过故障评价函数进行故障识别,识别故障类型,最后输出故障信息。4.如权利要求1所述的基于异变数据的装备健康状态评估方法,其特征在于,多输出支持向量机的构建方法如下:给定训练集T={(x1,y1),……,(xl,yl)}∈(Rn×Rm)l,试据此寻找Rn上的一个线性多值函数g(x),以便用y=g(x)来推断任一输入x所对应的输出值y;g(x)可以将训练集分为正类点和负类点集合,分别记为D+={(xiT,yi+ε)T,i=1,…,l},D-={(xiT,yi-ε)T,i=1,…,l},那么问题转化为寻找Rn+1上的一个超平面(W·x)+η·*y+b=0(3)使得正类点集合的目标函数值为1,负类点集合的目标函数值为-1;其中,W为m×n的矩阵,其中:η为m×1的矩阵,η=(η1,η2,…,ηm)T;b为m×1的矩阵,b=(b1,b2,…,bm)T;·*表示对应元素相乘,·表示矩阵乘法;超平面的求解与凸二次规划相对应,可以得到:这里1和-1均表示m×1的矩阵;求出其解便可得到线性回归函数多输出支持向量机的线性回归问题可以归结为最优化问题:的求解;引入松弛变量ξ(*)=(ξ1,ξ1*,…,ξl,ξl*)T=(ξ11,ξ11*,…,ξ1m,ξ1m*,ξ21,ξ21*,…,ξlm,ξlm*)T和惩罚常数C,得到引入拉格朗日函数并利用等式约束消去变量η(*),那么问题(7)的对偶问题为:在求出问题(10)的解之后,原始的多输出线性回归问题的解即为:将多输出支持向量机的线性回归算法推广到非线性回归的方法仍采用核函数,用K(xi,xj)表示;那么多输出支持向量机的非线性回归算法包括如下步骤:(1)给定训练集T={(x1,y1),……,(xl,yl)}∈(Rn×R)l;(2)选择适当的参数ε>0和惩罚参数C>0;(3)构造并求解凸二次规划问题得到解(4)计算选择位于开区间(0,C)中的的分量或若选到的是则若选到的是则(5)构造决策函数:5.如权利要求1所述的基于异变数据的装备健康状态评估方法,其特征在于,所述多输出支持向量机参数优化的方法如下:利用蚁群算法在连续空间寻找最优参数组合C和σ,其中,C为多输出支持向量机的惩罚因子C,σ为多输出支持向量机的核函数参数,具体方法如下:步骤一:初始化(1)给每只蚂蚁分配一组C和σ;(2)建立支持向量机训练误差模型:根据初始化分配的C和σ,选择训练样本训练SVM;定义支持向量机误差模型Error=|Yt-Yg|,Yt为SVM模型的计算值,Yg为训练样本的真实值;(3)初始化信息素:根据步骤一(2)中建立的误差模型,确定蚂蚁i位置的信息素:T0(i)=aError,其中,a=3,由此可知,误差越大给定的信息素越小;步骤二:进行全局和局部搜索,信息素更新,保存每代全局最优解;(1)确定下一步的转移概率:根据信息素大小,确定每个蚂蚁下一步转移概率:其中BestIndex为获得信息素最大的蚂蚁;(2)建立动态挥发因子:在开始阶段进行局部搜索时,随着迭代次数增加,逐渐增大信息素挥发因子,信息度挥发因子:其中K=0,1,Echomax为最大进化代数;(3)建立动态的转移因子:每次迭代中,根据蚂蚁进化的信息素大小,确立动态的全局转移因子P0:设蚂蚁的数量为M,计算e-T0(i),i=1,2,…M,并对计算值从小到大排序,构成序列T1(j),j=1,2,…M,当时,否则如果蚂蚁的转移概率小于P0,进...
【专利技术属性】
技术研发人员:连光耀,孙江生,闫鹏程,李会杰,张西山,连云峰,梁伟杰,张连武,代冬升,李雅峰,王凯,邱文浩,杨金鹏,陈然,李宝晨,
申请(专利权)人:中国人民解放军三二一八一部队,
类型:发明
国别省市:河北,13
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。