一種機械故障預測的特徵提取方法
2023-05-23 02:09:31 2
專利名稱：一種機械故障預測的特徵提取方法
技術領域：
本發明涉及一種機械故障預測方法，特別是關於一種機械故障預測的特徵提取方法。
背景技術：
故障預測是保障機電設備長期安全、滿負荷運行的關鍵技術，是機電故障診斷學研究的重點之一。在機電設備故障預測中，特徵提取是一個重要環節，也是故障預測中的難 題。複雜機電系統是非線性系統，其運行狀態具有非線性特點，設備運行的數據雖然提供了 設備運行狀況的極其豐富、詳細的信息，但給故障敏感特徵提取帶來很大困難。流形學習(Manifold Learning)算法是近年來發展起來的非線性降維機器學習算法，以保持數據局部結構的方式將高維輸入投影到低維空間，發現隱藏在數據中的內在幾 何結構與規律性。隨著流形學習理論研究的深入，其在醫學、圖像處理、語音信號處理、天文 數據處理等領域應用廣泛。目前，有將流形學習方法用於衝擊故障特徵提取和喘振監測技 術、軸承故障分類和設備狀態趨勢分析中的應用，但這些方法均為流形學習局部方法，一方 面是不能很好的保持數據的整體性，在從高維到低維的映射過程中，很可能會將相隔較遠 的點映射到近鄰點的位置，因此不能有效提取低維特徵；另一方面是流形學習所應用的對 象大多為軸承故障和壓縮機，所應用的領域較具體，因此沒有通用性。
發明內容
針對上述問題，本發明的目的是提供一種針對性和準確性較高、能保持數據整體 性、有效提取低維特徵、且應用較為廣泛的機械故障預測的特徵提取方法。為實現上述目的，本發明採取以下技術方案一種機械故障預測的特徵提取方法， 其步驟如下(1)通過遠程監測診斷中心獲取代表設備運行狀況的一段連續振動信號，進 行分析；(2)根據連續振動信號，定義一個判斷設備運行狀態是否異常的綜合評判函數f =max(fi; f2，f3)，當出現異常時，進行特徵提取；否則不提取特徵；其中，f」 f2和f3分別 表示振動信號絕對量異常與否的函數、振動信號變化量正常與否的函數和振動信號變化率 正常與否的函數；(3)採用提升小波方法對異常振動信號中所包含的噪聲進行降噪；(4) 利用時間延遲法對降噪後的振動信號進行相空間重構到一個m維的相空間中，進而獲知 原始動力學系統完整的信息；(5)根據相空間重構後的兩樣本點之間的歐氏距離判斷兩該 樣本點是否為近鄰點；當兩樣本點為近鄰點，則兩點之間有邊連接；當兩樣本點為非近鄰 點，則沒有邊連接；(6)根據樣本點的邊連接距離確定鄰近圖，邊連接的最短路徑為De，其 中包含了臨近圖中任意兩個點之間的最短路徑距離；(7)規範化變換矩陣S，進而確定矩 陣ι (De)，矩陣t (De)表示流形局部性質；(8)利用平移不變的方法，根據矩陣t (De)構 造一中間計算矩陣K1和一測地距離核矩陣K，並根據中間計算矩陣K1的最大特徵值b，使 得測地距離核矩陣K滿足正定性；(9)利用譜分解方法，計算正定測地距離核矩陣K的特徵值和特徵向量；(10)根據亥維塞德函數cn( ε)確定拓撲維數d為乂 = limlofC"(g)^formula see original document page 5
中o)=^r:Sl>「-|h— I) 』*9⑴H1坐…；m)根據拓撲維數d進行低
維流形特徵提取，得到用於故障預測的低維流形特徵τ為:r二論其中， Xli^dXd為正定測地距離核矩陣κ的d個最大特徵值；υ = [Ul，...，ud]，為d個最大特 徵值對應的特徵向量。
formula see original document page 5所述綜合評判函數f中的函數f\、f2和f3分別為y; = Λ，所述步驟(5)中，所述近鄰點的判定方法為當歐氏距離IlXi-XjII彡ε時，則 樣本點Xi和Xj為近鄰點，兩點之間有邊連接，且邊長為dx(i，j) = Il Xi-Xj Il ；當歐氏距 離IlXi-XjII > ε時，則樣本點Xi和Xj為非近鄰點，即兩點之間沒有邊連接；其中ε為一 個無窮小量。所述步驟(7)中，所述變換矩陣S和矩陣t (De)分別為Sij = (JlU)， ,(Dg) = -|瓜醜，其中，H 為中心化矩陣，H = I — eN6rNlN, eN = [1，· · ·，1]T e Rn ；
dG(i, j)為兩樣本點Xi和Xj的最短路徑距離，dG(i, j) = dx(i，j) = Il Xi-Xj Il。所述
formula see original document page 5
步驟(8)中，所述中間計算矩陣&和測地距離核矩陣K分別為r，
formula see original document page 5 為單位矩陣。所述步驟(8)中，所述測地距離核矩陣K為正定矩陣的條件為所述測地距離核矩 陣K中的參數a要滿足a > b > 0，其中參數b為所述中間計算矩陣K1的最大特徵值。本發明由於採取以上技術方案，其具有以下優點1、本發明由於以故障預測為目 的，通過判斷振動信號的異常與否，進而確定是否進行特徵提取，因此提高了以故障預測為 目的的特徵提取的針對性和準確性。2、本發明由於是基於流形的內在幾何結構通過拓撲映 射進行的，是非線性方法，因此更能體現異常數據的本質，實現了特徵提取與能量的解耦和 分離。3、本發明由於採用非參數方法，因此不需要對流形做很多參數假設，只需轉化為求解 特徵值問題，不需要迭代算法，因此大大簡化了求解過程，避免了局部極值問題。4、本發明 由於採用全局優化算法，因此能夠很好的保持數據的整體性，有效提取流形距離的特徵。5、 本發明由於採用變換矩陣滿足正定條件，有利於增強特徵提取的泛化能力，可以將測試數 據投影到相關的低維流形。本發明可廣泛應用於各種機電設備的故障預測特徵提取中。
圖1是本發明的整體流程示意圖。
具體實施例方式下面結合附圖和實施例對本發明進行詳細的描述。本發明是為了有針對性的進行以故障預測為目的的特徵提取，判斷設備運行狀態 是否異常基礎上，進而對運行狀態異常的信號進行特徵提取，利用提升小波對設備運行的 振動數據進行濾波降低噪聲，將降噪後的信號序列通過相空間重構方法重構到高維，引入 流形學習的全局方法，對機電設備運行的異常數據重構進行非線性拓撲映射處理，從而找 到數據集中最本質的非線性結構，找到數據中流形分布變化，提取能用作故障預測、能揭示 設備運行異常的幾何結構與規律性的特徵。其具體步驟如下(1)通過現有遠程監測診斷中心獲取能代表設備運行狀況的數據，由于振動信號 能夠反映設備的機械動特性(即能代表機械設備運行狀態性能的指標)，因此選取對故障 敏感的某測點傳感器輸出的一段連續振動信號Ix1, ...，％}進行分析；(2)根據步驟⑴中的連續振動信號Ix1, . . .，％}，定義一個能判斷設備狀態異常 與否的綜合評判函數f = max(fi; f2, f3)，進而判斷設備運行狀態是否異常，當設備運行狀 態出現異常時，進行特徵提取；否則不進行特徵提取；函數f = max(fi; f2, f3)中的函數f」 f2和f3分別為
formula see original document page 6
formula see original document page 6(2)
formula see original document page 6(3)上述各公式中，f\、f2和f3分別表示振動信號絕對量異常與否的函數、振動信號變 化量正常與否的函數和振動信號變化率正常與否的函數；A、B和C分別為函數f\、f2和函數 f3中定義的相應閾值，當函數值為1時表示信號異常，函數值為0時表示信號正常；μ為振
動信號振動量的均值…；(3)採用提升小波方法對異常振動信號Ix1,. . .，％}中所包含的噪聲進行降噪，因 為基於非線性流形的特徵提取方法本身對噪聲很敏感；(4)利用時間延遲法對降噪後的振動信號Ix1,. . .，％}進行相空間重構，將異常振 動信號{X1，...，XN}重構到一個m維的相空間中，由於信號重構前後在拓撲上是等價的，因 此可以通過重構的動力學系統獲知原始動力學系統完整的信息；
(5)根據相空間重構後的兩樣本點Xi和Xj之間的歐氏距離Il Xi-Xj Il判斷這兩樣 本點Xi和X^是否為近鄰點，當Il Xi-Xj Il彡ε時，則樣本點Xi和&為近鄰點，即兩點之間 有邊連接，且邊長為dx(i，j) = Il Xi-Xj Il ；當IlXi-XjII > ε時，則樣本點Xi和Xj為非近 鄰點，即兩點之間沒有邊連接；其中ε為一個無窮小量；(6)根據樣本點的邊連接距離確定鄰近圖，若兩樣本點Xi和Xj之間有邊連接，則設置邊連接的最短路徑距離為de(i，j) =dx(i，j)；反之dc(i，j) =C ，計算『⑴j)= min{dG(i, j), dc(i，l)+dc(l，j)}，其中，1 為 1，2，...，n，η 為樣本點數；則最短路徑 Dc = {dG(i, j)}中包含了臨近圖中任意兩個點之間的最短路徑距離；(7)規範化變換矩陣S，進而確定矩陣t (De)，矩陣t (De)表示流形局部性質；其 中，變換矩陣S和t (De)分別為Sij =d2G(i,j),(4)I(Dc) = HSH,(5)上述公式(5)中，H為中心化矩陣，// = /- </7V，eN= [1，· · ·，1]T e Rn ；(8)利用平移不變的方法，根據矩陣t (De)構造一中間計算矩陣K1和一測地距離 核矩陣K，並根據中間計算矩陣K1的最大特徵值b，使得測地距離核矩陣K滿足正定性；中 間計算矩陣K1和測地距離核矩陣K分別為
「0 2i(Dr) ,、K1 =G/ ,(6)
L-I -MDg)]K = i(DG) + 2a(DG) + ^a2H,(7)其中，I為單位矩陣；當參數a滿足a彡b > 0時，則測地距離核矩陣K為正定；(9)利用譜分解方法，計算正定測地距離核矩陣K的特徵值和特徵向量；(10)根據亥維塞德(Heaviside)函數Cn( ε )確定拓撲維數d為^ = Iim1T^'(8)
1 η π[β 當；f < O其中，C^ipHhiMtj1當…·』(11)根據拓撲維數d進行低維流形特徵提取，得到用於故障預測的低維流形特徵 T = diag{^,...^)UT，其中，A1,..., Ad為正定測地距離核矩陣K的d個最大特徵值；U =[U1,...，ud]，為d個最大特徵值對應的特徵向量。上述各實施例僅是本發明的優選實施方式，在本技術領域內，凡是基於本發明技 術方案上的變化和改進，不應排除在本發明的保護範圍之外。
權利要求
一種機械故障預測的特徵提取方法，其步驟如下(1)通過遠程監測診斷中心獲取代表設備運行狀況的一段連續振動信號，進行分析；(2)根據連續振動信號，定義一個判斷設備運行狀態是否異常的綜合評判函數f＝max(f1，f2，f3)，當出現異常時，進行特徵提取；否則不提取特徵；其中，f1、f2和f3分別表示振動信號絕對量異常與否的函數、振動信號變化量正常與否的函數和振動信號變化率正常與否的函數；(3)採用提升小波方法對異常振動信號中所包含的噪聲進行降噪；(4)利用時間延遲法對降噪後的振動信號進行相空間重構到一個m維的相空間中，進而獲知原始動力學系統完整的信息；(5)根據相空間重構後的兩樣本點之間的歐氏距離判斷兩該樣本點是否為近鄰點；當兩樣本點為近鄰點，則兩點之間有邊連接；當兩樣本點為非近鄰點，則沒有邊連接；(6)根據樣本點的邊連接距離確定鄰近圖，邊連接的最短路徑為DG，其中包含了臨近圖中任意兩個點之間的最短路徑距離；(7)規範化變換矩陣S，進而確定矩陣ι(DG)，矩陣ι(DG)表示流形局部性質；(8)利用平移不變的方法，根據矩陣ι(DG)構造一中間計算矩陣K1和一測地距離核矩陣K，並根據中間計算矩陣K1的最大特徵值b，使得測地距離核矩陣K滿足正定性；(9)利用譜分解方法，計算正定測地距離核矩陣K的特徵值和特徵向量；(10)根據亥維塞德函數Cn(ε)確定拓撲維數d為 d= lim 0 log C n ( ) log 其中，(11)根據拓撲維數d進行低維流形特徵提取，得到用於故障預測的低維流形特徵T為 T=diag ( 1 1 2 , . . . , d 1 2 ) U T, 其中，λ1，…，λd為正定測地距離核矩陣K的d個最大特徵值；U＝[u1，…，ud]，為d個最大特徵值對應的特徵向量。FSA00000007027600012.tif
2.如權利要求1所述的一種機械故障預測的特徵提取方法，其特徵在於所述步驟(2) 中，所述綜合評判函數f中的函數f\、f2和f3分別為formula see original document page 2其中，Α、Β和C分別為函數f\、f2和函數f3中定義的相應閾值，當函數值為1時表示信 號異常，函數值為O時表示信號正常；μ為振動信號振動量的均值，formula see original document page 2
3.如權利要求1所述的一種機械故障預測的特徵提取方法，其特徵在於所述步驟(5) 中，所述近鄰點的判定方法為當歐氏距離IlXi-XjII彡ε時，則樣本點Xi和Xj為近鄰點， 兩點之間有邊連接，且邊長*dx(i，j) = Il Xi-Xj Il ；當歐氏距離IlXi-XjII > ε時，則樣本 點Xi和\為非近鄰點，即兩點之間沒有邊連接；其中ε為一個無窮小量。
4.如權利要求1所述的一種機械故障預測的特徵提取方法，其特徵在於所述步驟(7) 中，所述變換矩陣S和矩陣t (De)分別為formula see original document page 3其中，H為中心化矩陣formula see original document page 3)為兩樣本點Xi*Xj 的最短路徑距離，formula see original document page 3
5.如權利要求1所述的一種機械故障預測的特徵提取方法，其特徵在於所述步驟(8) 中，所述中間計算矩陣K1和測地距離核矩陣K分別為formula see original document page 3其中，I為單位矩陣。
6.如權利要求1所述的一種機械故障預測的特徵提取方法，其特徵在於所述步驟(8) 中，所述測地距離核矩陣K為正定矩陣的條件為所述測地距離核矩陣K中的參數a要滿足 a^b> 0，其中參數b為所述中間計算矩陣K1的最大特徵值。
全文摘要
本發明涉及一種機械故障預測的特徵提取方法，(1)獲取代表設備運行狀況的連續振動信號進行分析；(2)定義判斷設備運行狀態是否異常的綜合評判函數；(3)對振動信號中包含的噪聲降噪；(4)用時間延遲法對振動信號進行相空間重構；(5)根據歐氏距離判斷兩樣本點是否為近鄰點；(6)根據樣本點的邊連接距離確定鄰近圖；(7)規範化變換矩陣S，確定矩陣ι(DG)；(8)利用平移不變的方法，根據矩陣ι(DG)構造中間計算矩陣K1和測地距離核矩陣K，使矩陣K滿足正定性；(9)計算矩陣K的特徵值和特徵向量；(10)根據亥維塞德函數確定拓撲維數；(11)根據拓撲維數進行低維流形特徵提取。本發明通過判斷振動信號的異常與否，提高了特徵提取的針對性和準確性。本發明可廣泛應用於各種機械設備的故障預測特徵提取中。
文檔編號G01M99/00GK101799366SQ20101010132
公開日2010年8月11日 申請日期2010年1月27日 優先權日2010年1月27日
發明者徐小力, 王少紅, 王紅軍, 陳濤 申請人:北京信息科技大學