基于全局谱特征融合的设备服役性能退化评估方法及系统技术方案

本发明专利技术提供了一种基于全局谱特征融合的设备服役性能退化评估方法及系统，通过结合全局谱特征融合模型和优化模型构造健康指数，基于所构造的健康指数来实现设备服役性能退化评估。本发明专利技术通过采用全局频谱特征融合的策略，无需依赖专家知识来提取和筛选特征，实现频谱特征自动筛选，无需人工干预，有利于实现在线设备健康检测和服役性能退化评估。通过同时考虑服役性能退化建模的三源特性来构建性能退化模型，使健康指数可以同时用于设备的早期故障检测、单调退化评估和剩余寿命预测的任务。务。务。

【技术实现步骤摘要】
基于全局谱特征融合的设备服役性能退化评估方法及系统


[0001]本专利技术涉及设备服役性能评估领域，具体地，涉及一种基于全局谱特征融合的设备服役性能退化评估方法及系统。

技术介绍

[0002]设备服役性能退化评估旨在采集设备的状态数据来监测、评估和管理机器健康状态。早期故障监测和单调退化评估是设备服役性能退化评估两个重要任务。目前最常用的策略之一是构建能够表征和跟踪设备退化过程的健康指数来实现设备服役性能退化评估。由于设备退化轨迹和过程的随机性，测量不确定性和环境噪声的影响，给设备服役性能退化评估带来了很大的挑战。
[0003]在公开号为CN107908864A的中国专利文献中，公开了一种基于特征融合的复杂设备剩余使用寿命预测方法，该方法虽然能够准确预测设备剩余寿命，但却需要人工提取特征和筛选特征，而且没有实现健康指数的早期故障监测。
[0004]在公开号为CN110851980B的中国专利文献中，公开了一种设备剩余寿命预测方法及系统，该方法包括：建立基于非线性扩散过程的设备退化数学模型；获取加速应力下设备退化参数的估计值，为第一数据；根据第一数据计算正常工作应力下的退化参数值，得到第二数据；通过拟合优度检验确定第二数据的分布类型；根据第二数据的分布类型，得到第二数据的第2页共2页后验分布函数和期望值；根据后验分布函数、期望值和设备退化数学模型得到第一剩余寿命概率密度函数；根据全概率公式修正第一剩余寿命概率密度函数，得到第二剩余寿命概率密度函数；根据第二剩余寿命概率密度函数预测设备剩余寿命。但是该专利文献中参数的获取需要由工业标准和专家经验确定，需要人工干预。

技术实现思路

[0005]针对现有技术中的缺陷，本专利技术的目的是提供一种基于全局谱特征融合的设备服役性能退化评估方法及系统。
[0006]根据本专利技术提供的一种基于全局谱特征融合的设备服役性能退化评估方法，包括以下步骤：
[0007]步骤S1：获取多台同类型设备从运行正常到失效状态的时域振动数据；
[0008]步骤S2：基于快速傅里叶变换将采集到时域振动数据文件转换为频域的频谱幅值；
[0009]步骤S3：定义用于设备服役性能退化评估的健康指数的具体数学表达式；
[0010]步骤S4：构建确定全局谱特征幅值权重的设备服役性能退化评估模型；
[0011]步骤S5：根据步骤S3和步骤S4，计算设备的健康指数。
[0012]优选的，对所述步骤S1中的时域振动数据按采样时间排序，第i台设备收集了n
i
个振动数据文件，i＝1,2
…
,m，m为设备数量，每个数据文件包含M个采样点，第i台设备采集到的数据矩阵表示如下：
[0013][0014]其中，表示从第i台设备采集到数据集；x
i,j,
·
∈R1×
M
表示从第i台设备采集到第j个数据文件，j＝1,2,
…
,n
i
；x
i,j,k
表示从第i台设备采集到第j个数据文件中的第k个采样点，k＝1,2,
…
,M。
[0015]优选的，所述步骤S2中，第i台设备得到的频谱幅值数据表示如下：
[0016][0017]其中，表示第i台设备的频谱幅值矩阵；|f
i,j,
·
|表示从第i台设备的第j个数据文件转换得到的频谱幅值，j＝1,2,
…
,n
i
；f
i,j,k
表示从第i台设备的第j个数据文件中的第k个频率处的频谱幅值，k＝1,2,
…
,M；由于每个数据文件得到的频谱幅值是对称的，只取每个数据文件的前一半频谱幅值作为模型的输入，因此，第i台设备最终得到的频谱幅值数据表示如下：
[0018][0019]其中，当M为偶数时，s＝M/2；当M为奇数时，s＝(M+1)/2。
[0020]优选的，所述步骤S3中第i台设备在第j个数据文件的健康指数计算如下：
[0021][0022]其中w
k
表示第i台设备的第j个数据文件中第k个频率处的频谱幅值的权重，每个数据文件处的健康指数等于全局谱特征幅值的加权和。
[0023]优选的，所述步骤S4包括以下子步骤：
[0024]步骤S4.1：根据设备服役性能单调退化特性，构建优化模型量化健康指数的单调特性；
[0025]步骤S4.2：根据设备发生早期故障时间的不确定特性，构建优化模型量化健康指数的早期故障检测特性；
[0026]步骤S4.3：根据设备退化轨迹的随机特性，构建优化模型量化健康指数退化轨迹；
[0027]步骤S4.4：根据步骤S4.1，步骤S4.2和步骤S4.3，构建考虑设备服役性能退化评估的健康指数三源特性的性能退化模型；
[0028]步骤S4.5：根据步骤S4.4中考虑三源特性的服役性能退化模型，求解出频谱幅值的权重向量。
[0029]根据本专利技术提供的一种基于全局谱特征融合的设备服役性能退化评估系统，包括以下模块：
[0030]模块M1：获取多台同类型设备从运行正常到失效状态的时域振动数据；
[0031]模块M2：基于快速傅里叶变换将采集到时域振动数据文件转换为频域的频谱幅值；
[0032]模块M3：定义用于设备服役性能退化评估的健康指数的具体数学表达式；
[0033]模块M4：构建确定全局谱特征幅值权重的设备服役性能退化评估模型；
[0034]模块M5：采用模块M3和模块M4中的结果，计算设备的健康指数。
[0035]优选的，对所述模块M1中的时域振动数据按采样时间排序，第i台设备收集了n
i
个振动数据文件，i＝1,2
…
,m，m为设备数量，每个数据文件包含M个采样点，第i台设备采集到的数据矩阵表示如下：
[0036][0037]其中，表示从第i台设备采集到数据集；x
i,j,
·
∈R1×
M
表示从第i台设备采集到第j个数据文件，j＝1,2,
…
,n
i
；x
i,j,k
表示从第i台设备采集到第j个数据文件中的第k个采样点，k＝1,2,
…
,M。
[0038]优选的，所述模块M2中，第i台设备得到的频谱幅值数据表示如下：
[0039][0040]其中，表示第i台设备的频谱幅值矩阵；|f
i,j,
·
|表示从第i台设备的第j个数据文件转换得到的频谱幅值，j＝1,2,
…
,n
i
；f
i,j,k
表示从第i台设备的第j个数据文件中的第k个频率处的频谱幅值，k＝1,2,
…
,M；由于每个数据文件得到的频谱幅值是对称的，只取每个数据文件的前一半频谱幅值作为模型的输入，因此本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于全局谱特征融合的设备服役性能退化评估方法，其特征在于，包括以下步骤：步骤S1：获取多台同类型设备从运行正常到失效状态的时域振动数据；步骤S2：基于快速傅里叶变换将采集到时域振动数据文件转换为频域的频谱幅值；步骤S3：定义用于设备服役性能退化评估的健康指数的具体数学表达式；步骤S4：构建确定全局谱特征幅值权重的设备服役性能退化评估模型；步骤S5：根据步骤S3和步骤S4，计算设备的健康指数。2.根据权利要求1所述的基于全局谱特征融合的设备服役性能退化评估方法，其特征在于：对所述步骤S1中的时域振动数据按采样时间排序，第i台设备收集了n
i
个振动数据文件，i＝1,2
…
,m，m为设备数量，每个数据文件包含M个采样点，第i台设备采集到的数据矩阵表示如下：其中，表示从第i台设备采集到数据集；x
i,j,
·
∈R1×
M
表示从第i台设备采集到第j个数据文件，j＝1,2,
…
,n
i
；x
i,j,k
表示从第i台设备采集到第j个数据文件中的第k个采样点，k＝1,2,
…
,M。3.根据权利要求1所述的基于全局谱特征融合的设备服役性能退化评估方法，其特征在于：所述步骤S2中，第i台设备得到的频谱幅值数据表示如下：其中，表示第i台设备的频谱幅值矩阵；|f
i,j,
·
|表示从第i台设备的第j个数据文件转换得到的频谱幅值，j＝1,2,
…
,n
i
；f
i,j,k
表示从第i台设备的第j个数据文件中的第k个频率处的频谱幅值，k＝1,2,
…
,M；由于每个数据文件得到的频谱幅值是对称的，只取每个数据文件的前一半频谱幅值作为模型的输入，因此，第i台设备最终得到的频谱幅值数据表示如下：其中，当M为偶数时，s＝M/2；当M为奇数时，s＝(M+1)/2。
4.根据权利要求1所述的基于全局谱特征融合的设备服役性能退化评估方法，其特征在于：所述步骤S3中第i台设备在第j个数据文件的健康指数计算如下：其中w
k
表示第i台设备的第j个数据文件中第k个频率处的频谱幅值的权重，每个数据文件处的健康指数等于全局谱特征幅值的加权和。5.根据权利要求1所述的基于全局谱特征融合的设备服役性能退化评估方法，其特征在于：所述步骤S4包括以下子步骤：步骤S4.1：根据设备服役性能单调退化特性，构建优化模型量化健康指数的单调特性；步骤S4.2：根据设备发生早期故障时间的不确定特性，构建优化模型量化健康指数的早期故障检测特性；步骤S4.3：根据设备退化轨迹的随机特性，构建优化模型量化健康指数退化轨迹；步骤S4.4：根据步骤S4.1，步骤S4.2和步骤S4.3，构建考虑设备服役性能退化评估的健康指数三源特性的性能退化模型；步骤S4.5：根据步骤S4.4中考虑三源特性的服役性能退化模型，求解出频谱幅值的权重向量。6.一种基于全...

【专利技术属性】
技术研发人员：王冬，严彤彤，彭志科，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：