基于稀疏退化建模的设备性能退化评估方法及系统技术方案

本发明专利技术提供了一种基于稀疏退化建模的设备性能退化评估方法及系统，包括：以固定的时间间隔采集振动信号的方式，收集设备全寿命周期的时域振动数据；将全寿命周期过程中所采集的振动数据序列转化为平方包络谱幅值；基于平方包络谱幅值融合的全寿命周期健康指数；基于全寿命周期振动数据的平方包络谱幅值矩阵，构建一种稀疏退化凸优化模型自动确定平方包络谱幅值的权重；根据构建的稀疏退化凸优化模型求解平方包络谱幅值的权重；根据全寿命周期健康指数定义计算HI，对设备全寿命周期进行早期故障检测和单调退化评估。本发明专利技术通过采用平方包络谱幅值融合的方法，来构造全寿命健康指数，解决设备全寿命周期早期故障检测和单调退化评估的问题。化评估的问题。化评估的问题。

【技术实现步骤摘要】
基于稀疏退化建模的设备性能退化评估方法及系统


[0001]本专利技术涉及性能退化评估的
，具体地，涉及基于稀疏退化建模的设备性能退化评估方法及系统，尤其涉及基于稀疏退化建模和平方包络谱融合的设备性能退化评估方法。

技术介绍

[0002]设备服役性能退化评估一般的策略是通过构造全寿命周期健康指数来监测设备的早期故障以及实现单调的退化评估。如何构造一个合适的全寿命周期健康指数来准确评估设备退化水平一直是国内外的研究热点。但是由于早期故障特征微弱以及强环境噪声的存在，构造具有早期故障退化趋势和单调退化趋势的健康指数有一定的挑战性。
[0003]在公开号为CN107356431A的专利文献中公开了一种基于ADMM与稀疏组合学习的滚动轴承性能退化评估方法，所述方法包括以下步骤：(1)对滚动轴承的正常模式进行学习，利用学到的知识建立正常模式的知识库；(2)建立基于各知识的量化指标求解器，求解被检测的滚动轴承的量化指标Φ；(3)对量化指标Φ进行分析，实现滚动轴承性能退化程度的评估。但所构造的健康指数不具有解释性，需要复杂的特征提取和组合学习过程。
[0004]在公开号为CN108398268A的专利文献中公开了一种基于堆叠去噪自编码器和自组织映射的轴承性能退化评估方法，它用于评估轴承退化
本专利技术解决了传统HI曲线构建中存在的提取退化特征需依赖大量专家经验和有监督训练，标签选择需依赖人工参与的问题。本专利技术的6个去噪自编码机构建堆叠去噪自编码器来对原始振动信号数据进行多层的特征提取，训练集数据对网络进行预训练后利用BP算法微调参数，将输出的100维特征输入SOM网络训练得到各时间点对应的HI，并构建训练集的HI曲线；将测试集数据输入训练好的堆叠去噪自编码器和SOM网络中得到各时间点处的HI，并构建HI曲线；分别对训练集和测试集的HI曲线进行平滑处理，获得平滑处理后的HI曲线。本专利技术可以应用于评估轴承性能退化领域用。但所构造的健康指数不具有解释性以及需要样本标签信息。
[0005]因此，需要提出一种新的技术方案以改善上述技术问题。

技术实现思路

[0006]针对现有技术中的缺陷，本专利技术的目的是提供一种基于稀疏退化建模的设备性能退化评估方法及系统。
[0007]根据本专利技术提供的一种基于稀疏退化建模的设备性能退化评估方法，所述方法包括如下步骤：
[0008]步骤S1：以固定的时间间隔采集振动信号的方式，收集设备全寿命周期的时域振动数据矩阵X∈R
N
×
M
，表示如下：
[0009][0010]其中，N表示设备全寿命周期过程中采样次数；M表示每次采样的样本数；x
j，
.∈R1×
M
表示第j次从设备采集到的振动样本序列，j＝1,2
…
,N；x
j,k
表示第j次采样中的第k个样本点，k＝1,2,
…
,M；
[0011]步骤S2：基于希尔伯特变换和快速傅里叶变换将N次振动数据序列转化为平方包络谱幅值SES∈R
N∈M
，表示如下：
[0012][0013]其中，ses
j,k
表示第j次采样中的第k个样本点所对应的平方包络谱幅值，由x
j,k
由基于希尔伯特变换和快速傅里叶变换得到；
[0014]步骤S3：基于平方包络谱幅值融合的全寿命周期健康指数HI∈R
N
×1定义如下：
[0015][0016]其中，hi
j
(j＝1,2
…
,N)为第j次采样时间点的健康指数；w∈R
M
×1＝[w1,w2,
…
,w
M
]′
为平方包络谱幅值的权重；w
k
(k＝1,2,
…
,M)为每次采样中的第k个平方包络谱幅值的权重；
[0017]步骤S4：基于全寿命周期振动数据的平方包络谱幅值矩阵SES，构建一种稀疏退化凸优化模型自动确定平方包络谱幅值的权重w；
[0018]步骤S5：根据步骤S4构建的稀疏退化凸优化模型求解平方包络谱幅值的权重w；
[0019]步骤S6：根据步骤S3的全寿命周期健康指数定义计算HI，对设备全寿命周期进行早期故障检测和单调退化评估。
[0020]优选地，所述步骤S1中的设备全寿命周期实验过程中共采集N次，每次采集M个振动数据序列，设备的全寿命周期振动数据矩阵X∈R
N
×
M
表示如下：
[0021][0022]其中，N表示设备全寿命周期过程中采样次数；M表示每次采样的样本数；x
j，
.∈R1×
M
表示第j次从设备采集到的振动样本序列，j＝1,2
…
,N；x
j,k
表示第j次采样中的第k个样本点，k＝1,2,
…
,M。
[0023]优选地，所述步骤S2包括如下步骤：
[0024]步骤S2.1：首先利用希尔伯特变换运算，将N次的振动数据序列转化为解析信号矩阵E∈R
N
×
M
表示如下：
[0025][0026]其中，|
·
|表示复数取模符号；X∈R
N
×
M
表示设备全寿命周期的时域振动数据矩阵；x
j，
.∈R1×
M
(j＝1,2
…
,N)表示第j次从设备采集到的振动样本序列；e
j,k
表示第j次采样中的第k个样本点所对应的解析信号，由x
j,k
由基于希尔伯特变换得到；hilbert(
·
)表示希尔伯特变换运算，具体运算公式如下：
[0027][0028]由上式可知，希尔伯特变换运算的本质是将原始信号x(t)与1/πt之间进行卷积；
[0029]步骤S2.2：计算设备的全寿命周期振动数据的解析信号E的平方包络幅值矩阵SE∈R
N
×
M
如下：
[0030][0031]其中，se
j,k
表示第j次采样中的第k个样本点所对应的平方包络幅值，由e
j,k
取幅值平方得到；
[0032]步骤S2.3：基于快速傅里叶变换，计算设备的全寿命周期振动数据的平方包络谱幅值矩阵SES∈R
N
×
M
如下：
[0033][0034]其中，ses
j,k
表示第j次采样中的第k个样本点所对应的平方包络谱幅值，由se
j,k
开展快速傅里叶变换得到。
[0035]优选地，所述步骤S4中构建的权重w如下：
[0036][0037]s.t.w'M
′
1＝r,Mw≥0
[0038]，Dw≥0,HI＝S本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于稀疏退化建模的设备性能退化评估方法，其特征在于，所述方法包括如下步骤：步骤S1：以固定的时间间隔采集振动信号的方式，收集设备全寿命周期的时域振动数据矩阵X∈R
N
×
M
，表示如下：其中，N表示设备全寿命周期过程中采样次数；M表示每次采样的样本数；x
j,
·
∈R1×
M
表示第j次从设备采集到的振动样本序列，j＝1,2
…
,N；x
j,k
表示第j次采样中的第k个样本点，k＝1,2,
…
,M；步骤S2：基于希尔伯特变换和快速傅里叶变换将N次振动数据序列转化为平方包络谱幅值SES∈R
N
×
M
，表示如下：其中，ses
j,k
表示第j次采样中的第k个样本点所对应的平方包络谱幅值，由x
j,k
基于希尔伯特变换和快速傅里叶变换得到；步骤S3：基于平方包络谱幅值融合的全寿命周期健康指数HI∈R
N
×1定义如下：其中，hi
j
(j＝1,2
…
,N)为第j次采样时间点的健康指数；w∈R
M
×1＝[w1,w2,
…
,w
M
]
′
为平方包络谱幅值的权重；w
k
(k＝1,2,
…
,M)为每次采样中的第k个平方包络谱幅值的权重；步骤S4：基于全寿命周期振动数据的平方包络谱幅值矩阵SES，构建一种稀疏退化凸优化模型自动确定平方包络谱幅值的权重w；步骤S5：根据步骤S4构建的稀疏退化凸优化模型求解平方包络谱幅值的权重w；步骤S6：根据步骤S3的全寿命周期健康指数定义计算HI，对设备全寿命周期进行早期故障检测和单调退化评估。2.根据权利要求1所述的基于稀疏退化建模的设备性能退化评估方法，其特征在于，所述步骤S1中的设备全寿命周期实验过程中共采集N次，每次采集M个振动数据序列，设备的全寿命周期振动数据矩阵X∈R
N
×
M
表示如下：
其中，N表示设备全寿命周期过程中采样次数；M表示每次采样的样本数；x
j,
·
∈R1×
M
表示第j次从设备采集到的振动样本序列，j＝1,2
…
,N；x
j,k
表示第j次采样中的第k个样本点，k＝1,2,
…
,M。3.根据权利要求1所述的基于稀疏退化建模的设备性能退化评估方法，其特征在于，所述步骤S2包括如下步骤：步骤S2.1：首先利用希尔伯特变换运算，将N次的振动数据序列转化为解析信号矩阵E∈R
N
×
M
表示如下：其中，|
·
|表示复数取模符号；X∈R
N
×
M
表示设备全寿命周期的时域振动数据矩阵；x
j，
·
∈R1×
M
(j＝1,2
…
,N)表示第j次从设备采集到的振动样本序列；e
j,k
表示第j次采样中的第k个样本点所对应的解析信号；hilbert(
·
)表示希尔伯特变换运算，具体运算公式如下：由上式可知，希尔伯特变换运算的本质是将原始信号x(t)与1/πt之间进行卷积；步骤S2.2：计算设备的全寿命周期振动数据的解析信号E的平方包络幅值矩阵SE∈R
N
×
M
如下：其中，se
j,k
表示第j次采样中的第k个样本点所对应的平方包络幅值，由e
j,k
取幅值平方得到；步骤S2.3：基于快速傅里叶变换，计算设备的全寿命周期振动数据的平方包络谱幅值矩阵SES∈R
N
×
M
如下：
其中，ses
j,k
表示第j次采样中的第k个样本点所对应的平方包络谱幅值，由se
j,k
开展快速傅里叶变换得到。4.根据权利要求1所述的基于稀疏退化建模的设备性能退化评估方法，其特征在于，所述步骤S4中构建的权重w如下：s.t.w'M
′
1＝r,Mw≥0，Dw≥0,HI＝SESwj＝1,2,
…
,N
‑
1,ε
j
≥0,其中，ε
j
＝max(hi
j
‑
hi
j+1
,0)是一个松弛变量，表示健康指数差分序列的单调性；c
j
是ε
j
的权重，通过算术级数或者或几何级数来设定。5.根据权利要求4所述的基于稀疏退化建模的设备性能退化评估方法，其特征在于，所述c
j
的算术级数计算如下：c
j
的几何级数计算如下：c
j
＝c1·
q
j
‑1，j＝1,
…
,N
‑
1其中，c1事先设定为一个常数来确定c
j
序列；因此，目标项用来表示健康指数序列非单调的数量；如果期望得到一个单调递增的健康指数序列，则ε
j
应包含的零元素应越多越好，即越稀疏越好；r是平方包络谱幅值的权重和；λ是超参数；M∈R
M
×
M
是一个对角矩阵，其对角元素根据平方包络谱幅值的趋势确定；如果某一频率下的平方包络谱幅值具有递增的趋势，则M对应的对角元素为1，否则为
‑
1；D∈R
(N
‑
1)
×
M
表示平方包络谱幅值差分矩阵，具体表达式如下：第一个约束条件w'M
′
1＝r表示平方包络谱幅值的权重和，具体表达式如下：第二个约束条件Mw≥0限制平方包络谱幅值的权重符号，具体表达式如下：第三个约束条件Dw≥0限制平方包络谱幅值差分与平方包络谱幅值的权重符号的一
致，具体表达式如下：6.一种基于稀疏退化建模的设备性能退化...

【专利技术属性】
技术研发人员：严彤彤，王冬，彭志科，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：