一种复杂机械设备多工况故障预测方法
【专利摘要】本发明涉及一种复杂机械设备多工况故障预测方法，其步骤：1）针对多工况过程建立多PCA模型，对每个PCA模型计算出相应的检测指标T2统计量和SPE；2）对多PCA模型中的各个T2统计量和SPE两检测指标进行优化，并对机械设备进行故障检测，检测得到过渡过程机械设备的故障数据；3）对优化后的两检测指标T2统计量和SPE检测到的过渡过程机械设备故障数据进行故障重构，得到使重构后SPE最小化的幅值估计值；4）对过渡过程中不同工况下的同一故障重构后的幅值估计值进行一致性幅值估计；5）根据进行一致性幅值估计后的幅值估计值利用支持向量机预测模型对故障幅值进行趋势预测。本发明可以广泛在机电设备故障预测中应用。
【专利说明】一种复杂机械设备多工况故障预测方法
【技术领域】
[0001]本发明涉及一种机械设备故障预测方法，特别是关于一种复杂机械设备多工况故障预测方法。
【背景技术】
[0002]随着科学技术和工业发展，机械设备向着大型化、高速化、复杂化发展。因此，现在企业生产对设备及系统的可靠性、连续性、经济性等要求日益提高，在以往对设备及系统故障进行有效诊断和提出解决方案的基础上，进一步要求，在故障只出现微小异常征兆时即可实现对故障进行预报并提出相应紧急处理措施。故障预测的方法有多种多样，其中统计过程监控技术已经发展20余年，并且广泛应用于工业过程的故障检测、诊断和估计等。在最近的研究中，基于主元分析(Principal Component Analysis, PCA)的故障估计方法被成功用于故障预测中，但对于多工况过程的数据，基于主元分析的故障估计方法却不能够非常准确地进行故障预测，当复杂系统运行在多个工况时，变量之间的关系会根据系统当前的工作模式发生相应的变化，如果按照单工况的数据模型描述系统，会造成大量的误报和漏报。因此需要针对多工况过程的数据提出新的故障预测方案。
【发明内容】
[0003]针对上述问题，本发明的目的是提供一种复杂机械设备多工况故障预测方法，该方法的预测精度较高，能有效避免故障误报和漏报情况，避免了不同工况下同一种故障的估计误差。
[0004]为实现上述目的，本发明采取以下技术方案:一种复杂机械设备多工况故障预测方法，其包括以下步骤:1)针对多工况过程建立多PCA模型，并针对每个PCA模型计算出其相应的检测指标Hotelling’ s T2统计量和SPE，其中Hotelling’ s T2统计量简称T2统计量；(I)假设X e Rm表示具有m个测量变量的样本向量，正常运行时的样本有η个；数据矩阵X e Rnxm由η个样本组成，其中每一行代表了一个样本，每一列代表了一个测量变量共有η次采样；将数据矩阵X各列经过标准化处理成零均值和单位方差的变量，得到进行标准化后的样本X的协方差矩阵S，并对该协方差矩阵特征值分解并按大小降序排列；协方差矩阵S为:
【权利要求】
1.一种复杂机械设备多工况故障预测方法，其包括以下步骤: O针对多工况过程建立多PCA模型，并针对每个PCA模型计算出其相应的检测指标Hotelling，s T2统计量和SPE，其中Hotelling，s T2统计量简称T2统计量； (1)假设Xe Rm表示具有m个测量变量的样本向量，正常运行时的样本有η个；数据矩阵X e Rnxm由η个样本组成，其中每一行代表了一个样本，每一列代表了一个测量变量共有η次采样；将数据矩阵X各列经过标准化处理成零均值和单位方差的变量，得到进行标准化后的样本X的协方差矩阵S，并对该协方差矩阵特征值分解并按大小降序排列；协方差矩阵S为:
2.如权利要求1所述的一种复杂机械设备多工况故障预测方法，其特征在于:所述步骤3)中，所述故障重构的过程如下: (1)假设检测得到的故障数据用X表示，正常数据用Ζ表示，X*,X e [Xl, X2,, xj ,m为每一个测量样本的维数，故障幅值的大小用f表示，则:
3.如权利要求1或2所述的一种复杂机械设备多工况故障预测方法，其特征在于:所述步骤5)中，所述支持向量机预测方法如下: (1)对输入的测量变量采用降噪平滑处理进行数据的预处理，根据FPE准则计算嵌入维数，然后分别形成训练和测试样本； (2)对支持向量机模型进行初始化，将拉格朗日乘子α1和< 以及阈值b赋以随机初始值； (3)利用训练样本建立目标函数，得到拉格朗日乘子^和《以及阈值b，最后选取最优的惩罚因子C*和核函数参数g; (4)将步骤(3)得到的参数值代入预测模型，用测试样本计算在未来某时刻的预测值； (5)计算误差函数，当误差的绝对值小于预先设定值时，结束学习过程，否则返回步骤(I)继续学习。
4.如权利要求1或2所述的一种复杂机械设备多工况故障预测方法，其特征在于:所述步骤5)中，所述支持向量机预测模型对故障幅值进行趋势预测精度采用均方误差和平均相对预测误差来评价。
【文档编号】G06Q10/04GK103824137SQ201410103676
【公开日】2014年5月28日 申请日期:2014年3月20日 优先权日:2014年3月20日
【发明者】马洁 申请人:北京信息科技大学