本发明专利技术涉及一种基于回归模型系数变化的时域故障识别方法，该方法包括以下步骤：（1）构建参考特征向量：利用在正常运转的设备上测量的时域信号，提取一组由回归模型系数组成的参考特征向量；（2）构建待评估特征向量：当设备需要故障诊断时，按照步骤（1）相同方式，提取另一组由回归模型系数组成的待评估特征向量；（3）计算待评估特征向量与参考特征向量之间的差异程度，差异程度用向量距离来表示；（4）估算显著水平为时的限值；（5）比较并判断设备情况：将向量距离与限值比较，分析判断是否故障。本发明专利技术使用的方法计算代价小，可靠性高，适应性强。
【技术实现步骤摘要】
本专利技术属于船舶机械设备故障诊断领域，具体涉及。
技术介绍
对于诸如船舶这种大型复杂系统而言，如果某台关键设备因故障而不能继续工作，轻则影响整个系统的正常运行，重则导致机毁人亡的严重后果，因此对船舶机械设备 的故障识别技术越来越受到重视。用于故障识别的物理信息有很多，但应用最为广泛、工程应用效果最佳的还是基于振动场的识别技术。而在众多基于振动场的故障识别方法中，基于时域的识别方法可在无法获取输入信息，甚至在没有先验的故障状态相关信息情况下，仅通过响应即可对系统进行故障识别，且具有损伤识别准确度高、对小损伤敏感、对环境影响要求低、可操作性强等特点，受到广泛关注。目前基于时域的故障识别方法，主要有两类其一是基于时间序列预测残差的方法(如 Sohn 等人在〈〈Damage diagnosis using time series analysis of vibrationsignals》中提出的方法)，该方法的理论基础是当设备状态稳定时，其时域序列预测残差的均值或方差也应保持稳定，而设备一旦出现故障，则预测残差的均值或方差将有显著的变化。该方法需要确保预测残差的白噪声特性，因此是否有效完全依赖于回归模型的预测精度。当信号自身变化较大时，回归模型预测精度一般难以保障，此时利用残差均值的识别方法过于保守，往往存在将故障误判为正常的可能，而利用残差方差的识别方法过于严格，往往存在将正常信号误判为故障的情况。此外，该方法计算量较大，无法实现在线实时监控。而船舶上的机械系统，环境复杂，受外部影响较大，信号自身变化极大，因此这种方法很难应用于船舶机械系统。其二是建立回归模型系数与识别对象固有特性之间的定量关系，进而依据固有特性设计指标确定系数的最大变化范围，进而判断识别对象是否出现故障(如马高在《基于时间序列的结构损伤在线诊断》中提出的方法)，但这种方法对简单的结构，如桁架、梁比较适用，而船舶机械结构很难建立模型系数与固有特性之间的定量关系，因此很难工程应用。
技术实现思路
本专利技术针对现有技术存在的不足，提供。本专利技术为解决上述问题所采用的技术方案为一种基于回归模型系数变化的时域故障识 别方法，该方法包括以下步骤 (I)构建参考特征向量利用振动传感器，在正常运转的设备上测量一段时域振动信号作为参考信号，从中提取n组时间序列，对每组时间序列应用自回归模型，并取m阶模型系数构建参考特征向权利要求1.，其特征在于该方法包括以下步骤 (1)构建参考特征向量利用振动传感器，在正常运转的设备上测量一段时域振动信号作为参考信号，从中提取n组时间序列，对每组时间序列应用自回归模型，并取m阶模型系数构建参考特征向量 =, i = 1,2，….H，则这n组数据组成的参考矩阵if 4 , ,…,ZjJaxs ； (2)构建待评估特征向量当设备需要故障诊断时，采用与获取参考信号相同的采样率，测量一段时域振动信号，从中提取k组时间序列，并利用步骤(I)中相同的回归模型进行预测，提取相同的m阶模型系数构建待评估特征向量$ = ( , ,…=; (3)计算待评估特征向量与参考特征向量之间的差异程度待评估特征向量与参考特征向量之间的差异程度用向量距离来表征，则k个待评估信号可计算出k个距离马，i = — k ; (4)根据蒙特卡洛法(MonteCarlo)，估算显著水平力时的限值F ； (5)比较并判断设备情况将向量距离与限值比较对于马氏距离，如果Aii>r (1 = 1,2^4)的数目超过个，则判定发生故障，否则设备运转正常；对于欧氏距离，如果Dd >r￡ (I = 〗,2^4)的数目超过a女个，则判定发生故障，否则设备运转正常。2.根据权力要求I所述的回归模型系数变化的时域故障识别方法，其特征在于所述自回归模型为AR模型、ARX模型或ARMA模型。3.根据权力要求2所述的回归模型系数变化的时域故障识别方法，其特征在于当自回归模型为AR模型，即采用AR模型对时域信号进行处理，可得 f x xj々—O+eA1) 式中叫为模型系数，为AR模型的阶数，^ {￡)为预测残差； 选取的模型系数为m阶数据，且有m < q ; 当自回归模型为ARX模型，即采用ARX模型对时域信号进行处理，可得m 3dJ-O 式中4 , 为模型系数，为ARX模型的预测残差，％⑷为AR模型的预测残差，na,nb分别为AR与ex部分的阶数； 选取的模型系数可以从巧或&或两者组合中提取，且有m彡na+nb ； 当自回归模型为ARMA模型，即采用ARMA模型对时域信号进行处理，可得m4)=Z 巧 0+Z bA (H)+4 (0/-0式中4.根据权力要求I所述的回归模型系数变化的时域故障识别方法，其特征在于向量距离为马氏距离(Mahalanobis Distance)或欧氏距离(Eulidean Distance)。5.根据权力要求4所述的回归模型系数变化的时域故障识别方法，其特征在于当向量距离为马氏距离Dmi时，计算方法为 式中 叉=Y'为n个特征参考向量的平均值，C为参考矩阵X的协方差矩阵； 当向量距离为欧氏距离时，计算方法为6.根据权力要求I所述的回归模型系数变化的时域故障识别方法，其特征在于所述限值的确定方法步骤如下 6. I)构建一个ffiX/7矩阵，每个元素均由方差为I均值为0的正态分布随机生成； 6. 2)将6. I构建的矩阵每一列依次作为待评估特征向量，按照向量距离的计算方法，计算出n个距离，记录下其中的最大值；6.3)然后重复步骤6. 1，6. 2，直到形成一个L (L ^ 1000)维的向量，并对该向量进行升序排列7.根据权力要求I所述的回归模型系数变化的时域故障识别方法，其特征在于所述时间序列组数n应满足统计学上求解总体平均值时对样本数的最低要求。8.根据权力要求I所述的回归模型系数变化的时域故障识别方法，其特征在于所述时间序列组数n彡100。全文摘要本专利技术涉及，该方法包括以下步骤(1)构建参考特征向量利用在正常运转的设备上测量的时域信号，提取一组由回归模型系数组成的参考特征向量；(2)构建待评估特征向量当设备需要故障诊断时，按照步骤(1)相同方式，提取另一组由回归模型系数组成的待评估特征向量；(3)计算待评估特征向量与参考特征向量之间的差异程度，差异程度用向量距离来表示；(4)估算显著水平为时的限值；(5)比较并判断设备情况将向量距离与限值比较，分析判断是否故障。本专利技术使用的方法计算代价小，可靠性高，适应性强。文档编号G01M13/00GK102829967SQ20121030670公开日2012年12月19日 申请日期2012年8月27日 优先权日2012年8月27日专利技术者刘彦, 朱显明, 原春晖, 张俊杰, 彭伟才 申请人:中国舰船研究设计中心本文档来自技高网...
【技术保护点】
一种基于回归模型系数变化的时域故障识别方法，其特征在于：该方法包括以下步骤：（1）构建参考特征向量：利用振动传感器，在正常运转的设备上测量一段时域振动信号作为参考信号，从中提取n组时间序列，对每组时间序列应用自回归模型，并取m阶模型系数构建参考特征向量？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？，，则这n组数据组成的参考矩阵；（2）构建待评估特征向量：当设备需要故障诊断时，采用与获取参考信号相同的采样率，测量一段时域振动信号，从中提取k组时间序列，并利用步骤（1）中相同的回归模型进行预测，提取相同的m阶模型系数构建待评估特征向量，；（3）计算待评估特征向量与参考特征向量之间的差异程度：待评估特征向量与参考特征向量之间的差异程度用向量距离来表征，则k个待评估信号可计算出k个距离，；（4）根据蒙特卡洛法（Monte？Carlo），估算显著水平为时的限值；（5）比较并判断设备情况：将向量距离与限值比较：对于马氏距离，如果（）的数目超过个，则判定发生故障，否则设备运转正常；对于欧氏距离，如果（）的数目超过个，则判定发生故障，否则设备运转正常。927630dest_path_image001.jpg,46895dest_path_image002.jpg,502148dest_path_image003.jpg,339654dest_path_image004.jpg,905764dest_path_image005.jpg,941853dest_path_image006.jpg,505690dest_path_image005.jpg,892809dest_path_image007.jpg,934714dest_path_image008.jpg,90889dest_path_image009.jpg,887944dest_path_image005.jpg,431533dest_path_image010.jpg,605025dest_path_image011.jpg,615707dest_path_image005.jpg,521346dest_path_image010.jpg...
【技术特征摘要】
【专利技术属性】
技术研发人员：刘彦，朱显明，原春晖，张俊杰，彭伟才，
申请(专利权)人：中国舰船研究设计中心，
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。