一种马尔可夫故障趋势预测方法

摘要

本发明涉及一种马尔可夫故障趋势预测方法，其步骤：(1)用转子实验台模拟旋转机械设备正常运行状态，采集正常运行状态下振动信号；(2)用转子实验台模拟旋转机械设备故障的轻度故障程度、中度故障程度和重度故障程度，采集三种故障下振动信号；(3)计算所有振动信号中每组振动信号的1.5维谱；(4)计算振动信号的1.5维谱频带能量均值；(5)获得频带能量区间，并标记状态序列和状态空间；(6)采集实际旋转机械设备的振动信号，进行步骤(3)～(4)得到各组振动信号的1.5维谱频带能量均值，并获得实际旋转机械设备的状态序列；(7)利用马尔可夫链对实际旋转机械设备的状态进行趋势预测。本发明能广泛在旋转机械故障趋势预测中应用。

主权项

一种马尔可夫故障趋势预测方法，该方法基于1.5维谱频带能量均值实现，其包括以下步骤：(1)利用转子实验台模拟旋转机械设备正常运行状态，利用现有数据采集设备采集转子实验台在正常运行状态下的振动信号x_w(n)＝{x₁,...,x_N}，其中，N代表每组数据个数,w代表数据组别，w＝1，表示正常运行状态；(2)利用转子实验台模拟旋转机械设备故障的轻度故障程度、中度故障程度和重度故障程度三种故障程度，并利用现有数据采集设备采集转子实验台在三种故障下的振动信号x_w(n)＝{x₁,...,x_N}，其中，N代表每组数据个数；w＝2、3、4代表数据组别，w＝2代表轻度故障程度状态，w＝3代表中度故障程度状态，w＝4代表重度故障程度状态；(3)计算所有振动信号x_w(n)中每组振动信号的1.5维谱；(4)计算各组振动信号的1.5维谱频带能量均值${\bar{S}}_{w,3x}=\frac{1}{N}\underset{r=1}{\overset{N}{\Sigma }}{S}_{w,3x}\left({\omega }_r\right),$式中，S_w,3x(ω_r)为振动信号的1.5维谱；ω_r代表频率，r＝1,2,…,N,N为正整数；(5)获得频带能量区间：根据1.5维谱频带能量均值对旋转机械设备故障的三种故障程度进行量化，获得划分故障状态的频带能量区间：频带能量均值数值在区间的状态分类为正常运行状态，记为状态1；频带能量均值数值在区间的状态分类为轻度故障状态，记为故障状态2；频带能量均值数值在区间的状态分类为中度故障状态，记为故障状态3；频带能量均值数值在区间的状态分类为重度故障状态，记为故障状态4；频带能量均值数值在区间的状态分类为破坏状态，记为故障状态5；记状态序列为：{S₁,S₂,...,S_n}，n为状态数目，为正整数；状态空间E＝{1,2,...,5}；(6)采集实际旋转机械设备的振动信号，对该振动信号进行步骤(3)至步骤(4)的操作，得到各组振动信号的1.5维谱频带能量均值，结合步骤(5)给出的频带能量区间，获得实际旋转机械设备的状态序列：{S₁,S₂,...,S_n}；(7)利用马尔可夫链对实际旋转机械设备的状态进行趋势预测。