一种机电设备关联度确定方法技术

本发明专利技术涉及一种机电设备关联度确定方法，包括以下步骤：第一步，确定参考序列和比较序列，其中参考序列为不同时刻的统计数据或最优单目标优化值，比较序列为与参考序列进行比较的序列；第二步，对参考序列和比较序列进行去量纲处理；第三步，确定无量纲的参考序列和无量纲的比较序列关联系数：第四步，根据第三步获得的至少一个关联系数计算得到关联度。本发明专利技术提供的方法能够解决现有机电设备故障诊断准确性不高的问题。

【技术实现步骤摘要】

本专利技术涉及机电
，尤其涉及一种设备故障诊断领域。
技术介绍
故障诊断就是利用机电设备的已知信息确定未知信息，对机电设备的状态进行综 合评价和分析判断。现有的综合评价分析模式较多，但是可靠性和准确性均欠佳。 本专利技术提供的方法，从状态信号中提取恰当的特征参数，构成能反映机电设备正 常和各种故障状态特征的基准模式，然后计算待检模式（待诊断状态）与各基准模式之 间的关联度，按照最大关联度原则，判断待检状态与何种基准状态的关联最大，进行状态识 另IJ，指导检修人员首先检查最可能出现的故障。解决了现有技术中，故障诊断可靠性和准确 性欠佳的问题。
技术实现思路
鉴于上述的分析，本专利技术旨在提供，用以解决现有 机电设备故障诊断准确性不高的问题。 本专利技术的目的主要是通过以下技术方案实现的： -种机电设备关联度确定方法，其特征在于，所述方法包括以下步骤：第一步，确 定参考序列和比较序列，其中参考序列为不同时刻的统计数据或最优单目标优化值，比较 序列为与参考序列进行比较的序列；第二步，对参考序列和比较序列进行去量纲处理；第 二步，确定无量纲的参考序列和无量纲的比$父序列关联系数： 其中，i= 0, 1，2,…，m;j= 1，2, 3,…，n;k= 1，2, 3,…，p，min_K介)| 是第j个无量纲比较序列YjGO与第i个无量纲参考序列Xi(k)在第k个特征参数处最小 值，??ρ?^χ|：Κ,α)-A:;(/〇|第j个无量纲比较序列Y](k)与第i个无量纲参考序列Xjk)在 第k个特征参数处最大值，a为分辨系数，1多a多0 ;第四步，根据第三步获得的至少一个 关联系数计算得到关联度。 可选的，所述第四步的关联度为多个关联系数的平均值。 可选的，所述第四步的关联度为多个关联系数的加权平均值。 可选的，所述第四步的关联度为：式中， /C=l ? .K--1* .，.，n为n组无量纲参考序列和无量纲 比较序列，X为无量纲参考序列，Υ为无量纲比较序列。 可选的，参考序列为多个，比较序列为多个，则第四步的关联度为一关联度矩阵。 可选的，当关联度大于预设值，可确定机电设备的故障类型。 本专利技术有益效果如下：提高了机电设备故障诊断的可靠性和准确性。 本专利技术的其他特征和优点将在随后的说明书中阐述，并且，部分的从说明书中变 得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点可通过在所写的说明 书、权利要求书、以及附图中所特别指出的结构来实现和获得。【附图说明】 附图仅用于示出具体实施例的目的，而并不认为是对本专利技术的限制，在整个附图 中，相同的参考符号表不相同的部件。 图1为本专利技术【具体实施方式】提供的机电设备关联度确定方法示意图。【具体实施方式】 下面结合附图来具体描述本专利技术的优选实施例，其中，附图构成本申请一部分，并 与本专利技术的实施例一起用于阐释本专利技术的原理。 灰色关联分析的目的在于寻找一种能够衡量各因素间的关联度大小的量化方法， 以便找出影响系统发展态势的重要因素，从而掌握事物的主要特征。系统发展变化态势的 定量描述和比较方法是根据空间理论的数学基础，确定参考数列（母数列）和若干比较数 列（子数列）之间的关联系数和关联度。 灰色关联分析的步骤：第一步，确定参考序列和比较序列；第二步，无量纲化处 理；第三步，确定关联系数；第四步，确定关联度。 -、确定参考序列和比较序列 关联分析首先要确定参考序列和比较序列，但在确定参考序列和比较序列之前， 先给出灰色关联因子集的概念。 令X为序列集，⑴ 若对于vi，jEM:，Xl 00与x] (k)V/kd1，同数量级，且无量纲，则称X是数量可 比序列集；如式1所示Μ为m的最大值，K为η的最大值，η为任意大于等于2的整数，ijk 代表了第i、第j、第k个X，是正整数。 若X中不存在平行序列，则称X是数值可接近序列集，如果X具有下述性质：数值 可接近性；数量可比性；非负因子性；则称X为灰色关联因子集，或灰色关联序列集，称X中 的序列为因子。 下面给出参考序列和比较序列的定义：所谓"参考序列"，常记为X。,，它由不同时 刻的统计数据构成，或者最优单目标优化值。参考序列Xu可表示为：⑵ 其中，k表示不同时刻。对多目标优化来说，k为目标指标。 关联分析中与参考序列做关联程度比较的"子数列"，称之为"比较序列"，又称为 "系统相关因素行为序列"，记为X。比较序列可表示为：⑶ 二、无量纲化处理 由于系统中各因素的物理意义不同，或计量单位不同，从而导致数据的量纲不同， 而且有时数值的数量级相差悬殊。这样不同量纲、不同数量级之间不便比较，或者在比较时 难以得到正确的结果。为了便于分析，同时为保证数据具有等效性和同序性，就需要在各因 素进行比较前对原始数据进行无量纲化的数据处理。使之量纲化数据处理通常有以下几种 方式： 累加生成，记为AGO; 累减生成，记为IAG0 ; 初值化，记为ING0; 均值化，记为MG0 ; 区间值化，记为QG0 ; 测量化； 模型化。 从功能内涵看，这些方法可以分为三类：即层次变换型、数值变换型、极性变换型。 属于层次变换型的方法有累加生成与累减生成。累减是累加的逆生成。所谓累加生成AGO 就是将数列逐个地累加，这类变换是层次型的，改变层次的目的是为了发现规律。累加生成 有揭示潜在规律的作用。 均值化、初值化、区间值化等统称纯量数据处理，属于数值变换。其功能是将那些 因量纲、数量级不同而无可比性的对象，经数量变换后，使其变为无量纲及具有相同数量 级，从而使"不可比"转化为"可比"。数量变换常用于灰色关联分析和GM(1，N)建模。 测度化，指上限、下限、中值的效果测度，其功能是改变数据的极性，使目标不一致 的样本在极性上统一，便于比较与运算。测度化数据变化主要用于灰局势决策。模型化，指 通过某种模型来获得的数据变化。 在灰色关联分析中，常用的灰生成方法主要是纯量数据处理方法，尤其是均值化、 初值化数据处理方法。 初值化处理 对一个数列的所有数据均用它的第一个数去除，从而得到一个新数列的方法称为 初值化处理。这个新数列表明原始数列中不同时刻的值相对于第一个时刻值的倍数。该数 列有共同起点，无量纲。 令X'为X的生成序列， X= (x(l)，x(2)，…，x(n)) x，= (x' (l)，x，（2)，…，χ' (η)) 若满足 x' (k) =x(k) /x' (1) x(k)eX，X(l)eX 则称W为x的初值处理序列。 记初值化处理为ING0,则 ING0:x-X' ING0:x(k)-X' (k) x1 (k) =x(k)/x(1) 〇 均值化处理 对一个数列的所有数据均用它的平均值去除，从而得到一个新数列的方法称为均 值化处理。这个新数列表明原始数列中不同时刻的值相对于平均值的倍数。 令W为X的生成序列， X= (x(l)，x(2)，…，x(n)) xm= (xm(l),xm(2), - ,xm(n)) 若满足 则称xm为x的均值处理序列。 记初值化处理为MG0,则 MG0:x-xm MG0:x(k) -xm(k) 三、确定关联系数：系统间或因素间的关联程度是根据曲线间几何形状的相似程度来判断其联系是 否紧密，因此，曲线间差值的大小，可以作为关本文档来自技高网...

【技术保护点】
一种机电设备关联度确定方法，其特征在于，所述方法包括以下步骤：第一步，确定参考序列和比较序列，其中参考序列为不同时刻的统计数据或最优单目标优化值，比较序列为与参考序列进行比较的序列；第二步，对参考序列和比较序列进行去量纲处理；第三步，确定无量纲的参考序列和无量纲的比较序列关联系数：ξij(k)=minimink|Yj(k)-Xi(k)|+a*maximaxk|Yj(k)-Xi(k)||Yj(k)-Xi(k)|+a*maximaxk|Yj(k)-Xi(k)|]]>其中，i＝0,1,2,…,m；j＝1,2,3,…,n；k＝1,2,3,…,p，是第j个无量纲比较序列Yj(k)与第i个无量纲参考序列Xi(k)在第k个特征参数处最小值，第j个无量纲比较序列Yj(k)与第i个无量纲参考序列Xi(k)在第k个特征参数处最大值，a为分辨系数，1≥a≥0；第四步，根据第三步获得的至少一个关联系数计算得到关联度。

【技术特征摘要】

【专利技术属性】
技术研发人员：陈卓，张成伟，陈桂玲，刘鹏鹏，童一峻，
申请(专利权)人：中国船舶工业系统工程研究院，
类型：发明
国别省市：北京;11