一種馬爾可夫故障趨勢預測方法

2023-06-04 22:36:31

一種馬爾可夫故障趨勢預測方法
【專利摘要】本發明涉及一種馬爾可夫故障趨勢預測方法，其步驟：(1)用轉子實驗臺模擬旋轉機械設備正常運行狀態，採集正常運行狀態下振動信號；(2)用轉子實驗臺模擬旋轉機械設備故障的輕度故障程度、中度故障程度和重度故障程度，採集三種故障下振動信號；(3)計算所有振動信號中每組振動信號的1.5維譜；(4)計算振動信號的1.5維譜頻帶能量均值；(5)獲得頻帶能量區間，並標記狀態序列和狀態空間；(6)採集實際旋轉機械設備的振動信號，進行步驟(3)～(4)得到各組振動信號的1.5維譜頻帶能量均值，並獲得實際旋轉機械設備的狀態序列；(7)利用馬爾可夫鏈對實際旋轉機械設備的狀態進行趨勢預測。本發明能廣泛在旋轉機械故障趨勢預測中應用。
【專利說明】一種馬爾可夫故障趨勢預測方法

【技術領域】
[0001] 本發明涉及一種旋轉機械故障趨勢預測方法，特別是關於一種基於"1. 5維譜頻 帶能量均值"的馬爾可夫故障趨勢預測方法。

【背景技術】
[0002] 旋轉機械的安全、穩定運行對經濟和社會具有重要影響，採用科學有效的方法保 障設備的安全、穩定運行具有積極的意義。旋轉機械由正常運行狀態劣化為故障狀態有一 個發展變化過程，若能採用合理的預測方法對其故障狀態進行有效的趨勢預測，則有利於 實施先進的預知維護及主動維修，避免事故的發生，減少經濟損失。


【發明內容】

[0003] 針對上述問題，本發明的目的是提供一種馬爾可夫故障趨勢預測方法，該方法能 有效對旋轉機械故障的發展變化情況進行預測，提高故障趨勢預測的準確性。
[0004] 為實現上述目的，本發明採取以下技術方案：一種馬爾可夫故障趨勢預測方法，該 方法基於1. 5維譜頻帶能量均值實現，其包括以下步驟：（1)利用轉子實驗臺模擬旋轉機械 設備正常運行狀態，利用現有數據採集設備採集轉子實驗臺在正常運行狀態下的振動信號 x w(n) = {Χι，···χΝ}，其中，N代表每組數據個數，W代表數據組別， W=1，表示正常運行狀 態；（2)利用轉子實驗臺模擬旋轉機械設備故障的輕度故障程度、中度故障程度和重度故 障程度三種故障程度，並利用現有數據採集設備採集轉子實驗臺在三種故障下的振動信號 x w(n) = {XD...XJ，其中，N代表每組數據個數;w = 2、3、4代表數據組別，w = 2代表輕度 故障程度狀態，w = 3代表中度故障程度狀態，w = 4代表重度故障程度狀態；（3)計算所有 振動信號xw(η)中每組振動信號的1. 5維譜；(4)計算各組振動信號的1. 5維譜頻帶能量均 值艮、3,:
[0005]

【權利要求】
1. 一種馬爾可夫故障趨勢預測方法，該方法基於1. 5維譜頻帶能量均值實現，其包括 以下步驟： (1) 利用轉子實驗臺模擬旋轉機械設備正常運行狀態，利用現有數據採集設備採集轉 子實驗臺在正常運行狀態下的振動信號xw(n) = {Xl，...xN}，其中，N代表每組數據個數，w 代表數據組別，w = 1，表示正常運行狀態； (2) 利用轉子實驗臺模擬旋轉機械設備故障的輕度故障程度、中度故障程度和重度故 障程度三種故障程度，並利用現有數據採集設備採集轉子實驗臺在三種故障下的振動信號 x w(n) = {XD...XJ，其中，Ν代表每組數據個數;w = 2、3、4代表數據組別，w = 2代表輕度 故障程度狀態，w = 3代表中度故障程度狀態，w = 4代表重度故障程度狀態； (3) 計算所有振動信號xw(η)中每組振動信號的1. 5維譜； (4) 計算各組振動信號的1. 5維譜頻帶能量均值:
\以ω j刀伽動信號的1. 5維譜；ω r代表頻率，r = 1，2,…Ν，Ν為正整數； (5) 獲得頻帶能量區間：根據1.5維譜頻帶能量均值義,3λ.對旋轉機械設備故障的 三種故障程度進行量化，獲得劃分故障狀態的頻帶能量區間：頻帶能量均值數值在區間 [〇Λ 3,]的狀態分類為正常運行狀態，記為狀態1 ;頻帶能量均值數值在區間的 狀態分類為輕度故障狀態，記為故障狀態2 ;頻帶能量均值數值在區間[良3a.，U的狀態 分類為中度故障狀態，記為故障狀態3 ;頻帶能量均值數值在區間[43λ.Λ.3?]的狀態分類 為重度故障狀態，記為故障狀態4 ;頻帶能量均值數值在區間「的狀態分類為破 壞狀態，記為故障狀態5 ;記狀態序列為：{Sp S2,... SJ , η為狀態數目，為正整數；狀態空間 Ε = {1, 2,. .. , 5}； (6) 採集實際旋轉機械設備的振動信號，對該振動信號進行步驟（3)至步驟（4)的操 作，得到各組振動信號的1.5維譜頻帶能量均值，結合步驟（5)給出的頻帶能量區間，獲得 實際旋轉機械設備的狀態序列：{Si, S2,... SJ ; (7) 利用馬爾可夫鏈對實際旋轉機械設備的狀態進行趨勢預測。
2. 如權利要求1所述的一種馬爾可夫故障趨勢預測方法，其特徵在於：所述步驟（3) 中，計算所有振動信號xw(η)中每組振動信號的1. 5維譜的步驟如下： I )將所有振動信號的每組數據中Ν個數據都分為Κ段，每段Μ個數據，每段數據作為 一個記錄； II )對每一個記錄進行去均值，再計算三階累積量對角切片，得到三階累積量對角切 片平均值); Ill)對三階累積量對角切片平均值做一維傅立葉變換，得到振動信號的1.5 維譜為： r=-CO 式中，代表頻率，r = 1，2, . . . N，N為正整數；τ為時延。
3. 如權利要求2所述的一種馬爾可夫故障趨勢預測方法，其特徵在於：所述步驟Π ) 中，對每一個記錄進行去均值，再計算三階累積量對角切片得到三階累積量對角切片平均 值的步驟如下： (a) 假設<(/〇是第i個記錄，其中，i = 1，. . . K，h = 0, 1，. . . M-1 ;對第i個記錄求其 三階累積量對角切片為：
式中，Mi = max(0, - τ ) ;Μ2 = min(M_l, Μ-1-τ )，τ 為時延；3χ 為三階累積量； (b) 對所有三階累積量對角切片.<3方^)求平均值Ur,r)為：
4. 如權利要求1或2或3所述的一種馬爾可夫故障趨勢預測方法，其特徵在於：所述 步驟（7)中，利用馬爾可夫鏈對實際旋轉機械設備的狀態進行趨勢預測的步驟如下： I)利用狀態序列計算馬爾可夫鏈的狀態轉移概率矩陣P; Π )選擇任意一個時間點作為開始，以該時刻的狀態為初始狀態，設為P(! = [0,...， 1.，..，匕是一個1X5的單位行向量，若其第P個分量為1，其餘分量為0,則表示系統初始 態處於第P個狀態，計算下一時刻的狀態概率Pi : P： = P〇P = [Pi (1), Pi (2),... P! (p) ], p e E 式中，Pi (P)表示第P個狀態出現的概率；判斷預測的下一時刻第q個狀態出現的概率 是否滿足Pi (q) = max {Pi (p)，p e E}，q e E ;若滿足，則第q個狀態在該時刻是最可能出現 的狀態，返回步驟（5)並根據第q個狀態的取值判斷機械設備可能的運行狀態。
5. 如權利要求4所述的一種馬爾可夫故障趨勢預測方法，其特徵在於：所述步驟I ) 中，所述馬爾可夫鏈的狀態轉移概率矩陣P的計算方法如下： (a) 已知旋轉機械設備的狀態序列為{Sy S2,. . . SJ，狀態空間為E = {1，2,. . .，5}，用 ηΜ表示數據樣本中從狀態p經過一步轉移到達狀態q的頻數，則頻數nM組成的矩陣（n M) ^^為轉移頻數矩陣。： ^1,1 "1,2 …n\,5 U 二 \ ·_ ：； _η5,\ n5,2' " ^5,5 _ (b) 將轉移頻數矩陣U的第ρ行第q列元素ηΜ除以各行的總和，得到的值作為轉移概 率 fpq :
根據轉移概率fM得到轉移概率矩陣p = (fM)為： /y ./i.2 …/，5 P= \ '·. ;， /5α ,/52- /55_ 其中，p，q e Ε。
【文檔編號】G06F19/00GK104156591SQ201410384078
【公開日】2014年11月19日 申請日期:2014年8月6日 優先權日:2014年8月6日
【發明者】左雲波, 蔣章雷, 徐小力, 吳國新, 谷玉海 申請人:北京信息科技大學