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】
本专利技术实施例涉及电机故障数据采集,具体涉及一种传感器布点优化方法、装置、电子设备及存储介质。
技术介绍
1、智能制造是创新驱动发展的主引擎和主推手,十大重点领域大都需先进制造技术与高端装备支撑,能推动产业技术变革和优化升级,打好关键核心技术攻坚战。高端装备与智能制造的核心动力部件是电动机传动系统,目前永磁直线同步电动机(permanentmagnet linear synchronous motor,pmlsm)被工业界称之为现代传动技术中的先进技术,pmlsm实现了对负载的直接驱动,所有机械传动部件(滚珠丝杠副、齿条与齿轮、传动皮带/皮带轮以及齿轮箱等)均被取消,消除了由机械传动带来的反向间隙、柔度以及与之相关的其它问题。开关磁链直线电机(permanent magnet flux switching linearmotor,pmfslm)不仅具有推力密度高、长行程、低惯量、高推力密度、高功率因数等特点,而且还具有结构简单,成本低等优点,在垂直提升、轨道交通、电磁发射等领域有着巨大的应用潜力。
2、然而,pmfslm在实际工况中,受过载冲击、振动、温度升高等因素影响,容易出现永磁失磁、绕组短路等故障,如果不能及时发现和处理,将导致装备性能降低或丧失其预定功能,故障也可能被传播放大,最终引发重大安全事故,造成巨大的经济损失和人员伤亡。因此,开展pmfslm故障诊断研究,确保以pmfslm为关键驱动部件的装备高性能、高可靠性稳定运行研究意义重大。
3、与传统永磁电机的故障诊断研究进展相比,永磁直线同步电
技术实现思路
1、为了克服现有技术的不足,本专利技术实施例的目的在于提供一种传感器布点优化方法、装置、电子设备及存储介质,其可以兼顾多源数据和实际运行工况,实现基于数模联动的传感器布点优化,从而达到有效提取标志性故障特征信号的目的。
2、为解决上述问题,本专利技术实施例第一方面公开一种传感器布点优化方法,其包括以下步骤:
3、建立退化设备基于维纳过程的随机退化模型,根据所述随机退化模型以及首达时间定义,得到寿命预测的初始模型;
4、获取退化设备的健康指标数据集,根据所述健康指标数据集以及所述初始模型确定寿命预测模型的参数集,得到退化设备的寿命预测模型;
5、获取传感器在多个实际位置采集的退化设备的多个状态数据,根据所述多个状态数据以及所述寿命预测模型,得到退化设备的多个预测寿命值;
6、获取所述多个预测寿命值与多个状态数据对应仿真数据中的仿真寿命值之间的误差,形成总误差矩阵;
7、求解所述总误差矩阵取最小值,根据总误差矩阵取最小值时对应的位置数据以及传感器误差数据,确定布置传感器的最优位置。
8、作为可选的方案,在本专利技术实施例的第一方面中,所述随机退化模型满足以下公式:zi(t)=zi,0+λit+σib(t),其中,zi(t)为第i个设备在t时刻的退化值,zi,0表示第i个设备在t0=0时刻的初始退化值,λi为漂移系数,反映了第i个设备的退化率,σi为第i个设备的扩散系数,b(t)为标准的布朗运动;
9、所述初始模型满足以下公式:yi=inf{t:zi(t)≥v|zi,0<v},其中;yi为第i个退化设备的寿命,zi,0表示第i个退化设备在t0=0时刻的初始退化值,zi(t)为第i个设备在t时刻的退化值,inf表示下确界,v为失效阈值。
10、作为可选的方案,在本专利技术实施例的第一方面中,所述根据所述随机退化模型以及首达时间定义,得到寿命预测的初始模型,包括:根据所述随机退化模型,依据首达时间定义,确定寿命预测的寿命预测的初始模型,并推导出所述寿命预测的初始模型的概率密度函数、数学期望和方差,并以所述数学期望作为退化设备的寿命预测。
11、作为可选的方案,在本专利技术实施例的第一方面中,所述根据所述健康指标数据集以及所述初始模型确定寿命预测模型的参数集,得到退化设备的寿命预测模型,包括:
12、根据所述健康指标数据集,得到所述健康指标数据集的增量数据集;计算所述增量数据集的似然函数,根据极大似然估计方法,计算寿命预测模型的参数集;根据所述参数集以及所述寿命预测的初始模型,确定寿命预测模型。
13、6.作为可选的方案,在本专利技术实施例的第一方面中,所述寿命预测模型满足以下公式:
14、
15、其中,为第i个设备的寿命预测值,v为失效阈值,wj为第j个采样点的融合系数,zi,0表示第i个设备在t=0时刻的初始退化值,为漂移系数,反映了第i个设备的退化率;ki为第i个设备的采样时间点总数;xi,j(ti,0)为第i个设备的第j个采样点在第0个采样时间点采集到的状态数据;为第i个设备的第j个采样点在第ki个采样时间点采集到的状态数据;s为第i个设备对应的采样点总数,δt为采样时间间隔。
16、作为可选的方案,在本专利技术实施例的第一方面中,所述根据所述多个状态数据以及所述寿命预测模型计算退化设备的多个预测寿命值时,所述寿命预测模型的失效阈值和融合系数的取值为最优解;所述最优解的获取方法包括:构建表征预测效果的优化目标函数,根据所述优化目标函数,获取失效阈值和融合系数的最优解。
17、作为可选的方案,在本专利技术实施例的第一方面中,所述构建表征预测效果的优化目标函数,包括:获取退化设备的实际寿命值,根据所述实际寿命值和其对应的预测寿命值建立包含失效阈值和融合系数的优化目标函数。
18、本专利技术实施例第二方面公开了一种传感器布点优化装置,其包括:
19、初始模型单元,用于建立退化设备基于维纳过程的随机退化模型,根据所述随机退化模型以及首达时间定义,得到寿命预测的初始模型;
20、模型确定单元,用于获取退化设备的健康指标数据集,根据所述健康指标数据集以及所述初始模型确定寿命预测模型的参数集,得到退化设备的寿命预测模型;
21、寿命预测单元,用于获取传感本文档来自技高网...
【技术保护点】
1.一种传感器布点优化方法,其特征在于,其包括以下步骤:
2.根据权利要求1所述的传感器布点优化方法,其特征在于,所述随机退化模型满足以下公式:Zi(t)=zi,0+λit+σiB(t),其中,Zi(t)为第i个设备在t时刻的退化值,zi,0表示第i个设备在t0=0时刻的初始退化值,λi为漂移系数,反映了第i个设备的退化率,σi为第i个设备的扩散系数,B(t)为标准的布朗运动;
3.根据权利要求1所述的传感器布点优化方法,其特征在于,所述根据所述随机退化模型以及首达时间定义,得到寿命预测的初始模型,包括:根据所述随机退化模型,依据首达时间定义,确定寿命预测的寿命预测的初始模型,并推导出所述寿命预测的初始模型的概率密度函数、数学期望和方差,并以所述数学期望作为退化设备的寿命预测。
4.根据权利要求1所述的传感器布点优化方法,其特征在于,所述根据所述健康指标数据集以及所述初始模型确定寿命预测模型的参数集,得到退化设备的寿命预测模型,包括:
5.根据权利要求1所述的传感器布点优化方法,其特征在于,所述寿命预测模型满足以下公式:
7.根据权利要求6所述的传感器布点优化方法,其特征在于,所述构建表征预测效果的优化目标函数,包括:
8.一种传感器布点优化装置,其特征在于,其包括:
9.一种电子设备,其特征在于,其包括:存储有可执行程序代码的存储器;与所述存储器耦合的处理器;所述处理器调用所述存储器中存储的所述可执行程序代码,用于执行权利要求1-7任一项所述的传感器布点优化方法。
10.一种计算机可读存储介质,其特征在于,其存储计算机程序,其中,所述计算机程序使得计算机执行权利要求1-7任一项所述的传感器布点优化方法。
...【技术特征摘要】
1.一种传感器布点优化方法,其特征在于,其包括以下步骤:
2.根据权利要求1所述的传感器布点优化方法,其特征在于,所述随机退化模型满足以下公式:zi(t)=zi,0+λit+σib(t),其中,zi(t)为第i个设备在t时刻的退化值,zi,0表示第i个设备在t0=0时刻的初始退化值,λi为漂移系数,反映了第i个设备的退化率,σi为第i个设备的扩散系数,b(t)为标准的布朗运动;
3.根据权利要求1所述的传感器布点优化方法,其特征在于,所述根据所述随机退化模型以及首达时间定义,得到寿命预测的初始模型,包括:根据所述随机退化模型,依据首达时间定义,确定寿命预测的寿命预测的初始模型,并推导出所述寿命预测的初始模型的概率密度函数、数学期望和方差,并以所述数学期望作为退化设备的寿命预测。
4.根据权利要求1所述的传感器布点优化方法,其特征在于,所述根据所述健康指标数据集以及所述初始模型确定寿命预测模型的参数集,得到退化设备的寿命预测模型,包括:
5.根据权利要求1所...
【专利技术属性】
技术研发人员:赵运基,周宇航,许孝卓,刘晓光,宋乃龙,郭辉,刘雨辰,
申请(专利权)人:河南理工大学,
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。