状态监测方法、装置、电子设备及可读存储介质制造方法及图纸

本申请公开了一种状态监测方法、装置、电子设备及可读存储介质。其中，方法包括获取多个同质传感器通过同步采集技术所采集的目标物理量的测量数据信息。通过对各测量数据信息进行信息关联，得到传感器关联数据；通过对各测量数据进行偏差计算，得到偏差数据；根据传感器关联数据和偏差数据确定每两个同质传感器之间的一致性关系。根据各同质传感器之间的一致性关系，对各测量数据信息进行融合；将融合数据作为目标物理量的测量数据，基于该目标物理量进行状态监测。本申请有效地提高了机械设备状态监控的精准度，可保障机械设备安全、稳定地运行。稳定地运行。稳定地运行。

【技术实现步骤摘要】
状态监测方法、装置、电子设备及可读存储介质


[0001]本申请涉及机械
，特别是涉及一种状态监测方法、装置、电子设备及可读存储介质。

技术介绍

[0002]机械设备一般由驱动装置、变速装置、传动装置、工作装置、制动装置、防护装置、润滑系统、冷却系统等多个部分组成，每个部分又包括多个元器件。可以理解的是，随着机械设备的使用时长增加，设备各元器件不可避免会老化，以及在受到外力撞击或不当使用下，这些器件还会损坏。举例来说，传动系统作为机械的重要组成，由电机、联轴器、齿轮箱、传动轴、轴箱等关键部件组成，其负责将牵引电动机的扭矩有效地转化为转矩。由于受到外部力的激扰，传动系统的各总成之间会产生一定的相对运动，导致牵引电机输出轴轴承、齿轮箱输入轴也即小齿轮轴的轴承以及联结两个轴的联轴器等部件在未满其服役期时经常发生疲劳损坏，影响机械运行安全。
[0003]为了保证机械设备稳定、安全地运行，就需要实时监控机械设备的运行状态。相关技术会在机械设备的关键元器件处安装传感器，通过这些传感器监测机械设备的各关键部件的状态信息，但是监测的对象主要是各个分散的零部件，对整个系统的监测力度还远远不够。此外，由于单传感器的探测目标的信息数据单一，在复杂噪声和目标不集中的情况下，使得监测的性能达不到实际的要求，监测精度较低，获得的目标信息与实际的信息相差较大，并无法准确反映机械设备的真实运行状态。以传动系统为例，在传动系统的关键部件安装传感器，由于传感器的安装数量和种类有限，单依靠这些传感器所采集多源信息并无法准确地进行故障诊断，传动系统可靠性不高。
[0004]鉴于此，如何提高机械设备的状态监控的精准度，保障机械设备安全、稳定地运行，是所属领域技术人员需要解决的技术问题。

技术实现思路

[0005]本申请提供了一种状态监测方法、装置、电子设备及可读存储介质，有效地提高了机械设备状态监控的精准度，可保障机械设备安全、稳定地运行。
[0006]为解决上述技术问题，本专利技术实施例提供以下技术方案：
[0007]本专利技术实施例一方面提供了一种状态监测方法，包括：
[0008]获取多个同质传感器通过同步采集技术所采集的目标物理量的测量数据信息；
[0009]通过对各测量数据信息进行信息关联，得到传感器关联数据；通过对各测量数据进行偏差计算，得到偏差数据；根据所述传感器关联数据和所述偏差数据确定每两个同质传感器之间的一致性关系；
[0010]根据各同质传感器之间的一致性关系，对各测量数据信息进行融合；
[0011]将融合数据作为所述目标物理量的测量数据，以基于所述目标物理量进行状态监测。
[0012]可选的，所述获取多个同质传感器通过同步采集技术所采集的目标物理量的测量数据信息之后，还包括：
[0013]对每个同质传感器的测量数据信息进行小波变换，得到多层分解子信号；
[0014]对每个分解子信号的小波分解系数进行阈值处理，得到估计小波系数；
[0015]利用各估计小波系数进行小波重构，得到去噪的测量数据信息。
[0016]可选的，所述对每个分解子信号的小波分解系数进行阈值处理，得到估计小波系数，包括：
[0017]预先根据预设临界阈值的产生方式确定所述预设临界阈值的取值；所述产生方式包括信号产生方式和噪声产生方式；
[0018]调用估计值计算关系式，计算每层分解子信号的估计小波系数，所述估计值计算关系式为：
[0019][0020]式中，为第k层分解子信号的估计小波系数，j为分解子信号总层数，ω
j,k
为第k层分解子信号的小波分解系数，λ为所述预设临界阈值，sgn(
·
)为符号函数。
[0021]可选的，所述通过对各测量数据信息进行信息关联，得到传感器关联数据，包括：
[0022]调用信息关联关系式计算每两个测量数据信息之间的关联值，所述信息关联关系式为：
[0023][0024]根据每两个测量数据信息的关联值确定多维关联矩阵，以作为所述传感器关联数据；所述多维关联矩阵P为：
[0025][0026]式中，p
ij
为第i个同质传感器的测量数据x
i
和第j个同质传感器的测量数据x
j
之间的关联值，为测量数据x
i
的均值，为测量数据x
j
的均值，x
i
(h)为测量数据x
i
中的第h个数据，x
j
(h)为测量数据x
j
中的第h个数据，N为测量数据所包含数据的总数量；p
nn
为第n个同质传感器的测量数据和第n个同质传感器的测量数据之间的关联值，n为同质传感器总个数。
[0027]可选的，所述通过对各测量数据进行偏差计算，得到偏差数据，包括：
[0028]调用偏差计算关系式计算第一测量数据对第二测量数据的置信距离，所述偏差计算关系式为：
[0029][0030]根据每两个测量数据的置信距离确定多维置信距离矩阵，以作为所述偏差数据；所述多维置信距离矩阵D为：
[0031][0032]式中，d
ij
为第i个同质传感器的测量数据x
i
对第j个同质传感器的测量数据x
j
的置信距离，P
i
(x/x
i
)为第i个同质传感器的一维置信距离表达式，x为积分变量参数，d
nn
为第n个同质传感器的测量数据对第n个同质传感器的测量数据的置信距离，n为同质传感器总个数。
[0033]可选的，所述根据所述传感器关联数据和所述偏差数据确定每两个同质传感器之间的一致性关系，包括：
[0034]调用支持程度计算关系式计算第一同质传感器对第二同质传感器的支持程度；所述支持程度计算关系式为：
[0035][0036]根据每两个同质传感器的支持程度确定多维支持度矩阵；所述多维支持度矩阵R为：
[0037][0038]式中，r
ij
为第i个同质传感器对第j个同质传感器的支持程度，r
nn
为第n个同质传感器对第n个同质传感器的支持程度。
[0039]可选的，所述根据各同质传感器之间的一致性关系，对各测量数据信息进行融合，包括：
[0040]根据各同质传感器之间的一致性关系构成的一致性关系矩阵与其特征值向量确定非负实数向量；所述非负实数向量的元素总数与同质传感器总数相同，每个元素对应一个同质传感器的综合支持程度，所述综合支持程度为所有同质传感器对当前同质传感器的支持程度；
[0041]根据所述非负实数向量确定每个同质传感器的综合支持程度；
[0042]根据各同质传感器的综合支持程度和相应的测量数据信息得到融合数据。
[0043]本专利技术实施例另一方面提供了一种状态监测装置，包括：
[0044]数据采集模块本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种状态监测方法，其特征在于，包括：获取多个同质传感器通过同步采集技术所采集的目标物理量的测量数据信息；通过对各测量数据信息进行信息关联，得到传感器关联数据；通过对各测量数据进行偏差计算，得到偏差数据；根据所述传感器关联数据和所述偏差数据确定每两个同质传感器之间的一致性关系；根据各同质传感器之间的一致性关系，对各测量数据信息进行融合；将融合数据作为所述目标物理量的测量数据，以基于所述目标物理量进行状态监测。2.根据权利要求1所述的状态监测方法，其特征在于，所述获取多个同质传感器通过同步采集技术所采集的目标物理量的测量数据信息之后，还包括：对每个同质传感器的测量数据信息进行小波变换，得到多层分解子信号；对每个分解子信号的小波分解系数进行阈值处理，得到估计小波系数；利用各估计小波系数进行小波重构，得到去噪的测量数据信息。3.根据权利要求2所述的状态监测方法，其特征在于，所述对每个分解子信号的小波分解系数进行阈值处理，得到估计小波系数，包括：预先根据预设临界阈值的产生方式确定所述预设临界阈值的取值；所述产生方式包括信号产生方式和噪声产生方式；调用估计值计算关系式，计算每层分解子信号的估计小波系数，所述估计值计算关系式为：式中，为第k层分解子信号的估计小波系数，j为分解子信号总层数，ω
j,k
为第k层分解子信号的小波分解系数，λ为所述预设临界阈值，sgn(
·
)为符号函数。4.根据权利要求1所述的状态监测方法，其特征在于，所述通过对各测量数据信息进行信息关联，得到传感器关联数据，包括：调用信息关联关系式计算每两个测量数据信息之间的关联值，所述信息关联关系式为：根据每两个测量数据信息的关联值确定多维关联矩阵，以作为所述传感器关联数据；所述多维关联矩阵P为：式中，p
ij
为第i个同质传感器的测量数据x
i
和第j个同质传感器的测量数据x
j
之间的关
联值，为测量数据x
i
的均值，为测量数据x
j
的均值，x
i
(h)为测量数据x
i
中的第h个数据，x
j
(h)为测量数据x
j
中的第h个数据，N为测量数据所包含数据的总数量；p
nn
为第n个同质传感器的测量数据和第n个同质传感器的测量数据之间的关联值，n为同质传感器总个数。5.根据权利要求4所述的状态监测方法，其特征在于，所述通过对各测量数据进行偏差计算，得到偏差数据，包括：调用偏差计算关系式计算第一测量数据对第二测量数据的置...

【专利技术属性】
技术研发人员：李修文，金贻涛，
申请(专利权)人：唐智科技湖南发展有限公司，
类型：发明
国别省市：