基于最大熵的工程机械油液监测系统及方法技术方案

本发明专利技术公开了一种基于最大熵的工程机械油液监测系统及方法，所述系统包括顺次相连的数据采集模块、数据分析模块和数据库；所述数据采集模块用于采集油液指标数据；所述数据分析模块基于数据库中的油液指标数据计算出指标清洗范围，并基于所述指标清洗范围判断是否将采集到的油液指标更新至数据库，对异常离群数据进行判断并报警；基于数据库中油液指标，采用最大熵算法求解得到指标阈值；基于所述指标阈值，判断出采集到的油液指标的状态。本发明专利技术能够在不添加主观因素的条件下客观反映指标数据的概率密度分布，并排除异常数据或离群数据的干扰，提高工程机械油液监测指标阈值制定的合理性。定的合理性。定的合理性。

【技术实现步骤摘要】
基于最大熵的工程机械油液监测系统及方法


[0001]本专利技术属于工程机械在线监测
，具体涉及一种基于最大熵的工程机械油液监测系统及方法。

技术介绍

[0002]开展工程机械设备的油液监测是提升设备可靠性和实现按质换油的重要手段，能够有效的减少设备非正常停机、避免严重故障发生，从而提升设备工作效率并降低客户的总拥有成本。油液监测的指标包括运动粘度、色度、酸值、碱值、水分、清洁度、红外、添加剂元素分析、污染物元素分析、磨粒分析等测试项目，这些指标的变化和组合反映了油液老化、油液污染和设备磨损程度的信息，监测指标阈值是建立换油标准和状态评估模型的基础，也是在油液监测技术中最基本和重要的评价方法。
[0003]目前油液监测系统的指标阈值通常参照国内外或行业标准规范制定，难以满足工程机械实际工况特点的需求。现有的油液监测系统指标阈值制定方法主要有以下几类：
[0004]1)根据专家经验设定指标阈值，但是依据专家经验设定阈值存在较大的主观性，往往需要大量的数据经验积累，易出现判断边界模糊或难以判断的问题；
[0005]2)参考国内外及行业、企业标准或规范设定指标阈值，但是现有国内外及行业、企业标准或规范未考虑工程机械工况，存在指标阈值过于宽泛或苛刻的情况，难以实际应用；
[0006]3)采用三线值的方法设定指标阈值，常用的三线值法基于指标数据属于正态分布的假设对阈值进行判定，实际应用中并非所有测试指标均满足上述假设，致使阈值制定不合理。
[0007]4)基于数据统计的方法判定指标阈值，但是异常数据或离群数据会严重影响指标数据的概率密度，导致数据污染和阈值偏离。

技术实现思路

[0008]针对上述问题，本专利技术提出一种基于最大熵的工程机械油液监测系统及方法，能够在不添加主观因素的条件下客观反映指标数据的概率密度分布，并排除异常数据或离群数据的干扰，提高工程机械油液监测指标阈值制定的合理性。
[0009]为了实现上述技术目的，达到上述技术效果，本专利技术通过以下技术方案实现：
[0010]第一方面，本专利技术提供了一种基于最大熵的工程机械油液监测系统，包括：顺次相连的数据采集模块、数据分析模块和数据库；
[0011]所述数据采集模块用于采集油液指标数据；
[0012]所述数据分析模块基于数据库中的油液指标数据计算出指标清洗范围，并基于所述指标清洗范围判断是否将采集到的油液指标更新至数据库，对异常离群数据进行判断和报警；基于数据库中油液指标，采用最大熵算法求解得到指标阈值；基于所述指标阈值，判断出采集到的油液指标的状态。
[0013]可选地，所述指标清洗范围的计算方法包括：
[0014]计算数据库中所有油液指标数据[X1,X2,
…
X
n
‑1,X
n
]的平均值X
mean
和标准差σ；
[0015]基于所述平均值X
mean
和标准差σ，计算出指标清洗范围U＝[X
mean
‑
4σ,X
mean
+4σ]。
[0016]可选地，所述基于所述指标清洗范围判断是否将采集到的油液指标更新至数据库，对异常离群数据进行判断和报警，包括以下步骤：
[0017]若采集到的油液指标X
n+1
超出指标清洗范围，则判定该油液指标失效，不参与指标清洗范围计算；
[0018]若采集到的油液指标X
n+1
未超出指标清洗范围，则将该油液指标更新至数据库，得到新的油液数据矩阵[X1,X2,
…
X
n
,X
n+1
]，同时更新指标清洗范围U。
[0019]可选地，所述指标阈值的求解方法包括：
[0020]基于数据库中所有油液指标数据的平均值和最大值，对数据库中油液指标数据进行归一化处理；
[0021]基于最大熵原理，以及最大熵函数约束条件，应用拉格朗日求极值的方法建立拉格朗日乘子式L[p(x),λ]，利用非线性最小二乘法迭代求解λ
i
，λ
i
为第i阶拉格朗日乘子，并建立概率密度函数p(x)；
[0022]基于所述概率密度函数，获得累计概率密度函数；
[0023]设定指标预警值和失效值对应的累计概率限值Z1和Z2，基于所述累计概率密度函数，求解出指标阈值。
[0024]可选地，所述归一化采用的计算公式为：
[0025][0026]式中，X
i
为第i个油液指标数据，x
i
为归一化后的第i个油液指标数据，i＝1，2，...n，X
mean
为所有油液指标数据的平均值，X
max
为所有油液指标数据的最大值。
[0027]可选地，所述最大熵的计算公式的表达式为：
[0028]H(x)＝
‑
∫p(x)ln[p(x)]dx
→
MAX
[0029]所述最大熵函数约束条件的表达式为：
[0030]∫p(x)dx＝1
[0031][0032][0033]式中，m
j
为数据第j阶中心矩，j＝1,2,
…
,k，k根据数据进行选择取值；λ
j
为第j阶拉格朗日乘子，为第i个归一化数据的j次幂；p(x)为指标概率密度函数；
[0034]所述拉格朗日乘子式为：
[0035]L[p(x),λ]＝
‑
∫p(x)ln[p(x)]dx+λ0(∫p(x)dx
‑
1)+λ1(∫x
·
p(x)dx
‑
m1)+
…
+λ
j
(∫x
j
·
p(x)dx
‑
m
j
)(λ
j
为拉格朗日乘子，j＝1,2,
…
,k)
[0036]所述概率密度函数的表达式为：
[0037]o(x)＝exp(λ0+λ1·
x+λ2·
x2+
…
+λ
k
·
x
k
)
[0038][0039]可选地，所述累计概率密度函数phi(x)的表达式为：
[0040]phi(x)＝∫p(x)dx＝∫exp(λ0+λ1·
x+λ2·
x2+
…
+λ
k
·
x
k
)dx
[0041]phi(x
′1)＝Z1[0042]phi(x
′2)＝Z2[0043]X
′1＝x
′1·
(X
max
‑
X
mean
)+X
mean
[0044]X
′2＝x
...

【技术保护点】

【技术特征摘要】
1.一种基于最大熵的工程机械油液监测系统，其特征在于，包括：顺次相连的数据采集模块、数据分析模块和数据库；所述数据采集模块用于采集油液指标数据；所述数据分析模块基于数据库中的油液指标数据计算出指标清洗范围，并基于所述指标清洗范围判断是否将采集到的油液指标更新至数据库，对异常离群数据进行判断和报警；基于数据库中油液指标，采用最大熵算法求解得到指标阈值；基于所述指标阈值，判断出采集到的油液指标的状态。2.根据权利要求1所述的一种基于最大熵的工程机械油液监测系统，其特征在于：所述指标清洗范围的计算方法包括：计算数据库中所有油液指标数据[X1，X2，
…
X
n
‑1，X
n
]的平均值X
mean
和标准差σ；基于所述平均值X
mean
和标准差σ，计算出指标清洗范围U＝[X
mean
‑
4σ，X
mean
+4σ]。3.根据权利要求1或2所述的一种基于最大熵的工程机械油液监测系统，其特征在于：所述基于所述指标清洗范围判断是否将采集到的油液指标更新至数据库，对异常离群数据进行判断和报警，包括以下步骤：若采集到的油液指标X
n+1
超出指标清洗范围，则判定该油液指标失效，不参与指标清洗范围计算；若采集到的油液指标X
n+1
未超出指标清洗范围，则将该油液指标更新至数据库，得到新的油液数据矩阵[X1，X2，
…
X
n
，X
n+1
]，同时更新指标清洗范围U。4.根据权利要求1或2所述的一种基于最大熵的工程机械油液监测系统，其特征在于，所述指标阈值的求解方法包括：基于数据库中所有油液指标数据的平均值和最大值，对数据库中油液指标数据进行归一化处理；基于最大熵原理，以及最大熵函数约束条件，应用拉格朗日求极值的方法建立拉格朗日乘子式L[p(x)，λ]，利用非线性最小二乘法迭代求解λ
i
，λ
i
为第i阶拉格朗日乘子，并建立概率密度函数p(x)；基于所述概率密度函数，获得累计概率密度函数；设定指标预警值和失效值对应的累计概率限值Z1和Z2，基于所述累计概率密度函数，求解出指标阈值。5.根据权利要求4所述的一种基于最大熵的工程机械油液监测系统，其特征在于：所述归一化采用的计算公式为：式中，X
i
为第i个油液指标数据，x
i
为归一化后的第i个油液指标数据，i＝1，2，...n，X
mean
为所有油液指标数据的平均值，X
max
为所有油液指标数据的最大值。6.根据权利要求4所述的一种基于最大熵的工程机械油液监测系统，其特征在于：所述最大熵的计算公式的表达式为：H(x)＝
‑
∫p(x)ln[p(x)]dx
→
MAX所述最大熵函数约束条件的表达式为：∫p(x...

【专利技术属性】
技术研发人员：曹泽辉，李辉，徐磊，林强，
申请(专利权)人：江苏徐工工程机械研究院有限公司，
类型：发明
国别省市：