System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于智能制造领域,尤其是一种旋转机械高维数据-时空融合状态监测方法。
技术介绍
1、旋转机械在工业中有越来越重要的作用。工厂中旋转机械经常会发生故障停机事件,而研究发现大部分的问题都发生在旋转部件上。这些故障往往是一个或几个轴承轻微的退化或者疲劳,然而带来了远高于轴承成本的损失,因此,实时监测旋转机械部件的运行状态意义重大。
2、然而,工厂环境复杂,轴承运转振动信号受到环境的影响巨大,首先是各种信源的振动信号,其次是由摩擦等带来的噪声信号,这些因素往往使得振动信号的幅值、频率远离理想值,为状态检测带来困难。由于轴承的运行具有高度的时空特性,将振动信号分离出相互正交的时空分布,一定程度上能够减少时间与空间分布对于振动信号的干扰。
技术实现思路
1、为解决现有技术中的至少一个技术问题,本专利技术实施例提供一种旋转机械高维数据-时空融合状态监测方法,将一维振动信号提升至高维进行时空分离操作,提升数据的可挖掘性,充分挖掘时空的耦合特征,构建健康状态监测指标,实现旋转设备中旋转部件的状态监测和故障预警。为实现以上技术目的,本专利技术实施例采用的技术方案是:
2、第一方面,本专利技术实施例提供了一种旋转机械高维数据-时空融合状态监测方法,包括以下步骤:
3、步骤s10,将采集的一个一维振动信号作为样本,按照间隔为1的顺序构建n行的汉克尔矩阵,实现数据升维,并移除汉克尔矩阵所有列的均值;
4、步骤s20,基于经验正交分解方法,首先得出振动
5、步骤s30,为获得汉克尔矩阵在空间分布上的投影长度,求贡献率向量的范数,取其对数作为健康状态监测指标hi(td);
6、步骤s40,评估健康状态监测指标hi(td)变化趋势,基于3σ法则,利用旋转部件健康状态下的健康状态监测指标数据设置预警阈值,当健康状态监测指标hi(td)超过预警阈值时,发出报警。
7、进一步地,步骤s10中,样本为v=(v1,v2,…vn)t,其中,v1,v2,…vn为样本的n个采样值;
8、构建n行的汉克尔矩阵表示为:
9、
10、移除汉克尔矩阵所有列的均值的方法为:
11、
12、v表示移除所有列的均值后的汉克尔矩阵;表示向量ai中所有的元素减去其均值。
13、进一步地,步骤s20中,
14、协方差矩阵表示为:
15、cov=vtv (3)
16、特征向量si和特征值λi满足下列条件:
17、covsi=λisi (4)
18、样本的空间分布矩阵为:
19、s=(s1,s2,…si…,sn)t (5)
20、贡献率向量为:
21、λ↓=(λ1,λ2,…λi…,λn) (6)
22、得到的时间分布矩阵为:
23、t=vst=(t1,t2,…tn) (7)。
24、进一步地,步骤s30中,构建的健康状态监测指标hi(td)如下:
25、
26、本专利技术实施例提供的技术方案带来的有益效果是:
27、1)经验正交分解方法首次被应用到旋转部件的状态监测中,说明了在时空角度下研究旋转部件状态监测的可行性。
28、2)所提出的健康状态监测指标要优于单一时域下的指标,相比于传统的rms、峭度等指标,提出的健康状态监测指标在早期故障发生时产生了明显的变化,准确指示出早期故障点的位置,伴随着故障的进一步演化发展,指标的趋势呈现良好的单调上升,说明所提出的指标要优于传统指标。
29、3)在健康状态下的时间和空间分布趋于稳定,而在早期故障发生时,空间分布和时间分布矩阵都发生较大的变化,从时空角度下提供了新的早期故障监测的方法。
本文档来自技高网...【技术保护点】
1.一种旋转机械高维数据-时空融合状态监测方法,其特征在于,包括以下步骤:
2.如权利要求1所述的旋转机械高维数据-时空融合状态监测方法,其特征在于,
3.如权利要求2所述的旋转机械高维数据-时空融合状态监测方法,其特征在于,步骤S20中,
4.如权利要求3所述的旋转机械高维数据-时空融合状态监测方法,其特征在于,
【技术特征摘要】
1.一种旋转机械高维数据-时空融合状态监测方法,其特征在于,包括以下步骤:
2.如权利要求1所述的旋转机械高维数据-时空融合状态监测方法,其特征在于,
...
【专利技术属性】
技术研发人员:李哲聪,谯自健,杨昌朴,谢彪彪,李昊,张成龙,何远彪,卞万良,
申请(专利权)人:宁波大学,
类型:发明
国别省市:
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。