主权项 |
1.一种故障状态监测的可视化方法,其特征在于,具体步骤是:1)设定故障特征参数及矢量方向设故障特征参数为F={f<sub>1</sub>,f<sub>2</sub>,…,f<sub>n</sub>},XY平面坐标系的原点为(0,0),每一个故障特征参数fi使用一个起始端点为原点的故障特征参数矢量<img file="FSB00000621382600011.GIF" wi="43" he="62" />来表示,其中i=1,2,…,n;n个故障特征参数矢量方向,均匀地分布在XY平面上,其方向是固定的,而其长度取决于故障特征参数f<sub>i</sub>的大小,其中i=1,2,…,n,当故障特征参数个数为n个时,各个故障特征参数矢量<img file="FSB00000621382600012.GIF" wi="42" he="63" />的间隔角度为360°/n,以使其均匀地分布在XY平面上;故障特征参数矢量的排列顺序,则与故障状态监测的有效性相关,存在故障特征参数矢量优化排列顺序的确定问题,一旦确定了每个故障特征参数矢量的位置,由矢量合成算法,确定其合成矢量的位置;2)确定合成矢量的位置由矢量合成算法,确定其合成矢量的位置,用CF表示合成矢量:故障特征参数矢量<img file="FSB00000621382600013.GIF" wi="41" he="62" />表示为:<maths num="0001"><![CDATA[<math><mrow><msub><mover><mi>f</mi><mo>‾</mo></mover><mi>i</mi></msub><mo>=</mo><msub><mi>x</mi><mi>i</mi></msub><mi>i</mi><mo>+</mo><msub><mi>y</mi><mi>i</mi></msub><mi>j</mi><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>1</mn><mo>)</mo></mrow></mrow></math>]]></maths>其中i=1,2,…,n;与坐标轴X和Y的夹角分别为α<sub>i</sub>和β<sub>i</sub>,故障特征参数矢量<img file="FSB00000621382600015.GIF" wi="42" he="63" />的模:<maths num="0002"><![CDATA[<math><mrow><msub><mi>f</mi><mi>i</mi></msub><mo>=</mo><msqrt><msup><msub><mi>x</mi><mi>i</mi></msub><mn>2</mn></msup><mo>+</mo><msup><msub><mi>y</mi><mi>i</mi></msub><mn>2</mn></msup></msqrt><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>2</mn><mo>)</mo></mrow></mrow></math>]]></maths>根据矢量合成算法,n个故障特征参数矢量<img file="FSB00000621382600017.GIF" wi="41" he="62" />的合成矢量CF表示为:<maths num="0003"><![CDATA[<math><mrow><mi>CF</mi><mo>=</mo><msub><mover><mi>f</mi><mo>‾</mo></mover><mn>1</mn></msub><mo>+</mo><msub><mover><mi>f</mi><mo>‾</mo></mover><mn>2</mn></msub><mo>+</mo><mo>·</mo><mo>·</mo><mo>·</mo><mo>+</mo><msub><mover><mi>f</mi><mo>‾</mo></mover><mi>n</mi></msub><mo>=</mo><mrow><mo>(</mo><msub><mi>x</mi><mn>1</mn></msub><mo>+</mo><msub><mi>x</mi><mn>2</mn></msub><mo>+</mo><mo>·</mo><mo>·</mo><mo>·</mo><mo>+</mo><msub><mi>x</mi><mi>n</mi></msub><mo>)</mo></mrow><mi>i</mi><mo>+</mo><mrow><mo>(</mo><msub><mi>y</mi><mn>1</mn></msub><mo>+</mo><msub><mi>y</mi><mn>2</mn></msub><mo>+</mo><mo>·</mo><mo>·</mo><mo>·</mo><mo>+</mo><msub><mi>y</mi><mi>n</mi></msub><mo>)</mo></mrow><mi>j</mi><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>3</mn><mo>)</mo></mrow></mrow></math>]]></maths>合成矢量CF的模:<maths num="0004"><![CDATA[<math><mrow><mo>|</mo><mi>CF</mi><mo>|</mo><mo>=</mo><msqrt><msup><mrow><mo>(</mo><msub><mi>x</mi><mn>1</mn></msub><mo>+</mo><msub><mi>x</mi><mn>2</mn></msub><mo>+</mo><mo>·</mo><mo>·</mo><mo>·</mo><mo>+</mo><msub><mi>x</mi><mi>n</mi></msub><mo>)</mo></mrow><mn>2</mn></msup><mo>+</mo><msup><mrow><mo>(</mo><msub><mi>y</mi><mn>1</mn></msub><mo>+</mo><msub><mi>y</mi><mn>2</mn></msub><mo>+</mo><mo>·</mo><mo>·</mo><mo>·</mo><mo>+</mo><msub><mi>y</mi><mi>n</mi></msub><mo>)</mo></mrow><mn>2</mn></msup></msqrt><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>4</mn><mo>)</mo></mrow></mrow></math>]]></maths>合成矢量CF与坐标轴X和Y的夹角分别为α和β,其中<maths num="0005"><![CDATA[<math><mrow><mi>cos</mi><mi>α</mi><mo>=</mo><mfrac><mrow><msub><mi>x</mi><mn>1</mn></msub><mo>+</mo><msub><mi>x</mi><mn>2</mn></msub><mo>+</mo><mo>·</mo><mo>·</mo><mo>·</mo><mo>+</mo><msub><mi>x</mi><mi>n</mi></msub></mrow><mrow><mo>|</mo><mi>CF</mi><mo>|</mo></mrow></mfrac><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>5</mn><mo>)</mo></mrow></mrow></math>]]></maths><maths num="0006"><![CDATA[<math><mrow><mi>cos</mi><mi>β</mi><mo>=</mo><mfrac><mrow><msub><mi>y</mi><mn>1</mn></msub><mo>+</mo><msub><mi>y</mi><mn>2</mn></msub><mo>+</mo><mo>·</mo><mo>·</mo><mo>·</mo><mo>+</mo><msub><mi>y</mi><mi>n</mi></msub></mrow><mrow><mo>|</mo><mi>CF</mi><mo>|</mo></mrow></mfrac><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>6</mn><mo>)</mo></mrow></mrow></math>]]></maths>3)多个故障特征参数在二维平面上的可视化由故障特征参数F={f<sub>1</sub>,f<sub>2</sub>,…,f<sub>n</sub>}的值不同,所确定的合成矢量CF位置的不相同来实现多个故障特征参数在二维平面上的可视化;其中,故障特征参数矢量的排列顺序,直接影响着故障状态监测的有效性,需要确定故障特征参数矢量的优化排列顺序:根据模式识别理论,为了有效地监测数控机床的故障状态,应该使故障特征参数矢量的合成矢量位置为:当数控机床状态处于正常状态或故障状态时,故障特征参数矢量的合成矢量位置间的距离最小,即类内距离最小;而数控机床正常状态时,故障特征参数矢量的合成矢量位置与数控机床故障状态时,故障特征参数矢量的合成矢量位置间的距离最大,即类间距离最大;设数控机床正常状态时,所采集的m个故障特征参数样本为F<sub>i</sub>={f<sub>1i</sub>,f<sub>2i</sub>,…,f<sub>ni</sub>},i=1,2,…,m,根据m个故障特征参数样本,计算得到m个故障特征参数合成矢量为CF<sub>i</sub>,i=1,2,…,m,数控机床故障状态时,所采集的m个故障特征参数样本为F′<sub>i</sub>={f′<sub>1i</sub>,f′<sub>2i</sub>,…,f′<sub>ni</sub>},i=1,2,…,m,同样计算得到m个故障特征参数合成矢量为CF′<sub>i</sub>,i=1,2,…,m;CF<sub>i</sub>与CF′<sub>i</sub>分别表示为:CF<sub>i</sub>=X<sub>i</sub>i+Y<sub>i</sub>j 其中i=1,2,…,m(7)CF′<sub>i</sub>=X′<sub>i</sub>i+Y′<sub>i</sub>j其中i=1,2,…,m (8)CF<sub>i</sub>与CF′<sub>i</sub>的类内距离分别为D<sub>11</sub>与D<sub>22</sub>,类间距离为D<sub>12</sub>,根据模式识别理论,这些距离参数计算为:<maths num="0007"><![CDATA[<math><mrow><msub><mi>D</mi><mn>11</mn></msub><mo>=</mo><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mrow><mi>m</mi><mo>-</mo><mn>1</mn></mrow></munderover><munderover><mi>Σ</mi><mrow><mi>j</mi><mo>=</mo><mi>i</mi><mo>+</mo><mn>1</mn></mrow><mi>m</mi></munderover><msqrt><msup><mrow><mo>(</mo><msub><mi>X</mi><mi>i</mi></msub><mo>-</mo><msub><mi>X</mi><mi>j</mi></msub><mo>)</mo></mrow><mn>2</mn></msup><mo>+</mo><msup><mrow><mo>(</mo><msub><mi>Y</mi><mi>i</mi></msub><mo>-</mo><msub><mi>Y</mi><mi>j</mi></msub><mo>)</mo></mrow><mn>2</mn></msup></msqrt><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>9</mn><mo>)</mo></mrow></mrow></math>]]></maths><maths num="0008"><![CDATA[<math><mrow><msub><mi>D</mi><mn>22</mn></msub><mo>=</mo><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mrow><mi>m</mi><mo>-</mo><mn>1</mn></mrow></munderover><munderover><mi>Σ</mi><mrow><mi>j</mi><mo>=</mo><mi>i</mi><mo>+</mo><mn>1</mn></mrow><mi>m</mi></munderover><msqrt><msup><mrow><mo>(</mo><msubsup><mi>X</mi><mi>i</mi><mo>′</mo></msubsup><mo>-</mo><msubsup><mi>X</mi><mi>j</mi><mo>′</mo></msubsup><mo>)</mo></mrow><mn>2</mn></msup><mo>+</mo><msup><mrow><mo>(</mo><msubsup><mi>Y</mi><mi>i</mi><mo>′</mo></msubsup><mo>+</mo><msubsup><mi>Y</mi><mi>j</mi><mo>′</mo></msubsup><mo>)</mo></mrow><mn>2</mn></msup></msqrt><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>10</mn><mo>)</mo></mrow></mrow></math>]]></maths><maths num="0009"><![CDATA[<math><mrow><msub><mi>D</mi><mn>12</mn></msub><mo>=</mo><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>m</mi></munderover><munderover><mi>Σ</mi><mrow><mi>j</mi><mo>=</mo><mn>1</mn></mrow><mi>m</mi></munderover><msqrt><msup><mrow><mo>(</mo><msub><mi>X</mi><mi>i</mi></msub><mo>-</mo><msubsup><mi>X</mi><mi>j</mi><mo>′</mo></msubsup><mo>)</mo></mrow><mn>2</mn></msup><mo>+</mo><msup><mrow><mo>(</mo><msub><mi>Y</mi><mi>i</mi></msub><mo>-</mo><msubsup><mi>Y</mi><mi>j</mi><mo>′</mo></msubsup><mo>)</mo></mrow><mn>2</mn></msup></msqrt><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>11</mn><mo>)</mo></mrow></mrow></math>]]></maths>因此,定义确定故障特征参数矢量优化排列顺序的目标函数为:<maths num="0010"><![CDATA[<math><mrow><mi>C</mi><mo>=</mo><mfrac><msub><mi>D</mi><mn>12</mn></msub><mrow><msub><mi>D</mi><mn>11</mn></msub><mo>+</mo><msub><mi>D</mi><mn>22</mn></msub></mrow></mfrac><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>12</mn><mo>)</mo></mrow></mrow></math>]]></maths>即通过包括遗传算法的优化算法,确定故障特征参数矢量的排列顺序,使得式(12)的C值为最大;当缺乏故障工作状态监测样本的情况下,无法计算D<sub>22</sub>及D<sub>12</sub>的值,此时应该使数控机床状态处于正常状态时,故障特征参数合成矢量位置间的距离最小,即定义<maths num="0011"><![CDATA[<math><mrow><mi>C</mi><mo>=</mo><mfrac><mn>1</mn><msub><mi>D</mi><mn>11</mn></msub></mfrac><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>13</mn><mo>)</mo></mrow></mrow></math>]]></maths>随着数控机床使用期的增加,一旦收集到故障工作状态的监测样本,应该利用式(12)计算C值,并重新确定故障特征参数矢量的排列顺序,使得C值为最大。 |