发明名称 | 一种基于回归模型系数变化的时域故障识别方法 | ||
摘要 | 本发明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<img file="2012103067061100004dest_path_image001.GIF" wi="20" he="20" />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。本发明使用的方法计算代价小,可靠性高,适应性强。 | ||
申请公布号 | CN102829967A | 申请公布日期 | 2012.12.19 |
申请号 | CN201210306706.1 | 申请日期 | 2012.08.27 |
申请人 | 中国舰船研究设计中心 | 发明人 | 刘彦;朱显明;原春晖;张俊杰;彭伟才 |
分类号 | G01M13/00(2006.01)I | 主分类号 | G01M13/00(2006.01)I |
代理机构 | 湖北武汉永嘉专利代理有限公司 42102 | 代理人 | 胡建平 |
主权项 | 1.一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<b>:</b>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<img file="927630DEST_PATH_IMAGE001.GIF" wi="129" he="30" />,<img file="46895DEST_PATH_IMAGE002.GIF" wi="74" he="22" />,则这n组数据组成的参考矩阵<img file="502148DEST_PATH_IMAGE003.GIF" wi="137" he="28" />;(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<img file="339654DEST_PATH_IMAGE004.GIF" wi="130" he="30" />,<img file="905764DEST_PATH_IMAGE005.GIF" wi="74" he="22" />;(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<img file="941853DEST_PATH_IMAGE006.GIF" wi="21" he="25" />,<img file="505690DEST_PATH_IMAGE005.GIF" wi="74" he="22" />;(4)根据蒙特卡洛法(Monte Carlo),估算显著水平为<img file="892809DEST_PATH_IMAGE007.GIF" wi="17" he="16" />时的限值<img file="934714DEST_PATH_IMAGE008.GIF" wi="16" he="17" />;(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<img file="90889DEST_PATH_IMAGE009.GIF" wi="62" he="25" />(<img file="887944DEST_PATH_IMAGE005.GIF" wi="74" he="22" />)的数目超过<img file="431533DEST_PATH_IMAGE010.GIF" wi="25" he="20" />个,则判定发生故障,否则设备运转正常;对于欧氏距离,如果<img file="605025DEST_PATH_IMAGE011.GIF" wi="57" he="25" />(<img file="615707DEST_PATH_IMAGE005.GIF" wi="74" he="22" />)的数目超过<img file="521346DEST_PATH_IMAGE010.GIF" wi="25" he="20" />个,则判定发生故障,否则设备运转正常。 | ||
地址 | 430064 湖北省武汉市武昌区紫阳路268号 |