一种面向复杂机电设备低信噪比信息的早期故障预测方法

摘要

本发明涉及一种面向复杂机电设备低信噪比信息的早期故障预测方法，其步骤为：1）获取振动数据、声发射数据、切削力数据、噪声数据以及温度数据；2）利用层次聚类算法将连续相关数据分别进行离散化处理，得到N组离散数据；3）将离散化后的每组离散数据形成决策表DT，作为粗糙函数自适应方法的输入层Xi(t)；4）利用粗糙函数自适应方法对决策表DT进行预测分析，得到最优目标预测模型；5）根据得到的最优目标预测模型作为本时刻的精确预测模型，并通过监测设备显示下一时刻预测值，实现对复杂机电设备低信噪比信息的早期故障预测。本发明能够实现对低信噪比信息的早期故障预测，可广泛在复杂机电设备中应用。

主权项

一种面向复杂机电设备低信噪比信息的早期故障预测方法，其包括以下步骤：1）通过在线监测中心获取能代表设备运行状况的一系列长历程的连续的与设备运行状况的振动数据、声发射数据、切削力数据、噪声数据以及温度数据；2）利用层次聚类算法将步骤1）中获得的全部连续数据分别进行离散化处理，得到N组离散数据；其中，N为自然数；3）将离散化后的每组离散数据形成决策表DT，并将决策表DT作为粗糙函数自适应方法的输入层Xi(t),i=1,2,3…n；其中n表示传感器个数；4）利用粗糙函数自适应方法对决策表DT进行预测分析，得到能表征复杂机电设备运行状态将来发展趋势的最优目标预测模型；5）根据得到的最优目标预测模型作为本时刻的精确预测模型，并通过监测设备显示下一时刻预测值，实现对复杂机电设备低信噪比信息的早期故障预测。