一种基于多元收缩控制图的强鲁棒设备运行状态监测方法技术

本发明专利技术公开了一种基于多元收缩控制图的强鲁棒设备运行状态监测方法，包括：首先将采集到的振动信号按照时间顺序以等时间间隔进行分组；使用分组后的信号构建Hankel矩阵；利用增量奇异熵筛选奇异值特征；计算L1中位数代替均值，并计算多元均匀加权移动控制图H统计量；采用基于M估计的协方差收缩算子收缩H统计量的协方差；构建T2统计量并利用核密度估计方法计算控制线；构建控制图，并通过统计量与控制线的比较判断监测状态，若统计量超出控制线，则认为设备存在故障，以此达到设备状态监测的目的。轴承是旋转机械中的典型零部件，本发明专利技术实例便以此为对象，并使用了一组公开的轴承全寿命试验的振动数据验证了该发明专利技术的使用性和通用性。性和通用性。性和通用性。

【技术实现步骤摘要】
一种基于多元收缩控制图的强鲁棒设备运行状态监测方法


[0001]本专利技术属于旋转机械设备的状态监测领域，具体涉及一种强鲁棒的信号构建和设备运行状态监测方法。

技术介绍

[0002]在工业设备领域，旋转机械作为工业机械的主体或是关键组成部分，其稳定可靠的运行是整个设备安全运行的保障。然而，旋转机械又极易受损产生缺陷，一旦在工作过程中发生故障，很可能对整体生产设备运行造成重大的影响，以致产生巨大的经济损失甚至是重大事故。因此，对旋转机械设备的运行状态进行监测以及开展早期故障预警具有重要意义。
[0003]对旋转机械的状态监测，常用的监测方法有振动分析法，声发射法，温度分析法等。其中，由于振动信号对不同部位，不同程度的故障表现存在较大差异，表现较为直观且振动信号具有明确的物理意义，所以振动分析法是目前较为普遍常用的监测方法。
[0004]信号的特征提取是设备状态监测的关键步骤，特征的选择对监测设备退化过程有着至关重要的作用。传统的特征指标有时域特征、频域特征、时频域特征、能量特征等等。考虑到旋转机械中齿轮轴承等典型零部件在环境噪声较大的情况下，故障早期信号难以识别，传统的特征指标无法很好的显示设备性能退化状态。本专利提出了基于Hankel矩阵的特征提取方式，并采用增量奇异熵选取合适奇异值作为监测特征。
[0005]多元统计过程控制是一种使用控制图对目标参数特征定量分析的常用方法，是现代质量管理的重要方法之一。此方法主要包括两个步骤：一是根据健康过程数据求取控制线；二是基于所得控制线监测后续过程；考虑到旋转机械设备故障发生存在一个长时间的微小变化，本专利采用MHWMA(多元均匀加权移动)控制图对统计指标进行监测。MHWMA控制图考虑到了历史数据，能够有效监测过程微小均值飘逸，但缺乏对健康数据的有效规划，存在较多虚警。本专利采用基于M估计的协方差收缩算子对数据协方差收缩，提高监测特征鲁棒性，并采用KDE(核密度估计)估计控制线，降低虚警率，提高监测准确率。

技术实现思路

[0006]鉴于上述，本专利技术提供了一种基于多元收缩控制图的强鲁棒设备运行状态监测方法。本专利技术的目的是实现旋转机械设备退化特征的提取和状态监测。
[0007]为实现上述目的，本专利技术提供以下技术手段：
[0008]一种基于多元收缩控制图的强鲁棒设备运行状态监测方法，包括：
[0009]S1、首先将采集到的振动信号按照时间顺序以等时间间隔进行分组；
[0010]S2、将所得信号x(t)按样本序列分别以步长L＝Fs/r构建Hankel矩阵序列S
i
，其中Fs为采样频率，r为转轴转速。
[0011][0012]其中，N＝L，i为Hankel矩阵序列数。
[0013]S3、对所得Hankel矩阵序列S
i
进行SVD(奇异值分解)，获得对应的特征序列S
n
(i，j)。其中i为Hankel矩阵分解所得特征个数，j为 Hankel矩阵序列编号。
[0014]S4、计算S
n
(i)序列各增量奇异熵，取增量奇异熵大于0且递增的奇异值且增量大于最大增量小一量级的奇异值序列作为监测特征 S
s
(i，j)。其中i为特征数，j为Hankel序列数。
[0015]S5、选取正常状态下的监测特征计算S
s
(i)的L1中位数u
MM
，并计算所有样本多元均匀加权移动控制图统计量H以及协方差序列σ
H
。
[0016][0017]H
i
＝wS
s
(：，i)+(1
‑
w)μ
MM
#(3)
[0018][0019]其中w为平滑系数，σ0为监测特征S
s
(i，j)的协方差；μ
MM
是S
m
的最终值，此处S
m
是为求取μ
MM
而设立的量；
[0020]S6、求解基于M估计的协方差收缩权重β，并计算收缩协方差∑
sr
。其中p为S
s
(i)特征变量数，I为单位对角矩阵，其中tr(σ
H
)为特征协方差序列的迹，p为特征维数；
[0021]S7、根据上述所得结果，计算T2统计量。
[0022][0023]其中u
MM
为L1中位数，H为多元齐次加权移动平均(MHWMA) 控制图统计量。
[0024]S8、采用核密度估计估计正常数据T2的分布，得到控制线。
[0025]S9、绘制T2图形，并利用所得控制线根据判断准则对其分析，判断设备运行状态。
[0026]作为本专利技术的进一步改进，所述步骤S4具体包括：
[0027]对步骤S3所得特征序列S
n
(i，j)健康部分求取平均值得到特征序列S
n2
(i)，i＝1，2，...，L/2。按下式计算其增量奇异熵：
[0028][0029]曲率表示对状态变化的敏感性，可以用来反应增量奇异熵序列的状态变化，挑选合适的奇异值特征数。由于此处为离散序列，用差分来近似导数：
[0030][0031]y
″
＝ΔE
i+1
‑
2ΔE
i
+ΔE
i
‑1#(8)
[0032]y
′
＝min(ΔE
i+1
‑
ΔE
i
，ΔE
i
‑
ΔE
i
‑1)#(9)
[0033]计算曲率增量ΔCE
j
＝C
j
‑
C
j+1
，取ΔCE
j
＞0并以曲率增量第一项小一量级为截至，得到监测特征序列S
s
(i，j)。
[0034]作为本专利技术的进一步改进，所述步骤S6具体包括：
[0035]收缩算子β的计算公式如下：
[0036][0037][0038]其中p为步骤S4所得特征维数，γ为球面参数：
[0039][0040]故所求收缩协方差为：
[0041][0042]其中σ
H
为特征序列S
s
(i，j)的协方差，p为特征维度，I为单位对角矩阵。
[0043]本专利技术的有益效果为：一种基于多元收缩控制图的强鲁棒设备运行状态监测方法能够有效的提取出旋转机械设备的性能退化指标并完成状态监测的功能且监测效果较好，能够发现设备早期故障，是一种可以运用到工业中的方法
附图说明
[0044]为了更清晰的说明现有方案和本专利技术实施例中的技术方案，以下将给出对现有方案和实施例技术描述的相关附图并简单介绍。显然，以下所述附图仅时本专利技术中记载的一些实施例，对于本领域普通技术人员来讲，无需付出创造性劳动本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多元收缩控制图的强鲁棒设备运行状态监测方法，其特征在于，所述方法包括以下步骤：S1、首先将采集到的振动信号按照时间顺序以等时间间隔进行分组；S2、将所得信号x(t)按步长L＝Fs/r构建Hankel矩阵序列S
i
，其中Fs为采样频率，r为转轴转速；S3、对所得Hankel矩阵序列S
i
进行SVD(奇异值分解)，获得对应的特征序列S
n
(i,j)，其中i为Hankel矩阵分解所得特征个数，j为Hankel矩阵序列编号；S4、计算S
n
(i)序列各增量奇异熵，取增量奇异熵大于0且递增的奇异值且增量大于最大增量小一量级的奇异值序列作为监测特征S
s
(i,j)，其中i为特征数，j为Hankel序列数；S5、选取正常状态下的监测特征计算S
s
(i)的L1中位数u
MM
,并计算所有样本多元均匀加权移动控制图统计量H
i
以及协方差序列σ
H
；S6、求解基于M估计的协方差收缩权重β，并计算收缩协方差Σ
sr
；其中p为S
s
(i)特征变量数，I为单位对角矩阵，其中tr(σ
H
)为特征协方差序列的迹，p为特征维数；S7、根据上述所得结果，计算T2统计量；其中u
MM
为L1中位数，H为多元齐次加权移动平均(MHWMA)控制图统计量；S8、采用核密度估计对健康数据T2的分布进行估计，得到控制线；S9、绘制T2图像，并利用所得控制线根据判断准则对其分析，判断设备运行状态。2.根据权利要求1所述的一种基于多元收缩控制图的强鲁棒设备运行状态监测方法，其特征在于，矩阵序列S
i
为：其中，N＝L。3.根据权利要求1所述的一种基于多元收缩控制图的强鲁棒设备运行状态监测方法，其特征在于，计算所有样本多元均匀加权移动控制图统计量H
i
以及协方差序列σ
H
为：H
i
＝wS
s
(:,i)+(1
‑
w)...

【专利技术属性】
技术研发人员：樊薇，蒋帆，陈超，周潼，袁野，宋向金，许桢英，
申请(专利权)人：江苏大学，
类型：发明
国别省市：