专利名称：一种面向机电装备的远程动态自适应规则获取方法
技术领域：
本发明涉及一种远程动态自适应规则库获取方法，特别是关于ー种面向机电装备的远程动态自适应规则获取方法。
背景技术：
以大型、高速、精密、多复合为主题的数控机床等机电装备已经成为我国制造业的主要加工设备。随着制造业的发展迅速，数控设备机械结构也随之变得越来越复杂，并且集成化、精密化和智能化程度越来越高。这就使设备在加工过程中发生 精度退化、机械故障等可能性随之増大，同时由于机床在加工过程中加工參数和加工エ况的不定性以及机床周围环境的影响，使机床故障诊断面临着更大的挑战。由此引起的生产停机带来的损失也将更加巨大。因此，机电装备的故障诊断和故障预测成为机电装备加工过程中的重要组成部分，是制约机电装备发挥作用的主要因素之一。目前，大部分的机电装备已经具备了一定的自诊断功能，实现了机电装备电气系统和数控装置系统的故障报警及排除，但是对于机电装备的机械类故障则往往不能得到诊断。作为机电装备的终端用户，由于制造企业的维护能力有限，因此迫切需要为机电装备提供一种有效地远程故障诊断功能。由于机电装备在制造加工过程中存在大量的不确定性信息，运用传统的小波变换、短时傅里叶变换等方法进行信息局部分析已经存在很大的非适应性，会造成信号能量的丢失，一系列的分解结果也将会使信号失去本身原有的物理意义。因此提供ー种快速、准确、有效的信号处理方法是建立故障规则库的有力手段。同时由于这些不确定性数据缺乏统ー的描述和存储，造成远程监测诊断系统无法对其进行梳理和应用，从而不能较好地支持机床加工系统的优化运行。因此通过建立远程动态自适应规则获取和智能故障诊断系统，实现及时、准确地预防和诊断设备故障是解决这ー问题的有效手段。
发明内容
针对上述问题，本发明的目的是提供一种能有效消除信号分解的冗余信息，有效提高故障预测诊断速度的面向机电装备的远程动态自适应规则获取方法。为实现上述目的，本发明采取以下技术方案一种面向机电装备的远程动态自适应规则获取方法，其步骤如下(I)利用传感器群对面向机电装备典型功能部件在不同エ况下进行监测，采集到各个功能部件的状态信号；(2)将采集到的各个状态信号通过远程网络在线上传至远程数据系统中，利用远程数据系统中的数据转换模块，将采集到的各状态信号数据格式转换成统ー的数据格式存储；(3)将各状态信号数据传输至远程网络平台的故障诊断模块，采用变尺度经验模态分解方法得到表征各个状态信号特征的本征模态函数，再对各个本征模态函数分别做Hilbert变换获得相应的瞬时频率；(4)将得到的各个状态信号的瞬时频率作为条件属性构建远程故障诊断知识库系统，采用粗糙集方法对远程故障诊断知识库系统进行属性约简和规则获取，并将所有获取的规则构成规则库，并通过远程网络传输至机床故障诊断与预测服务平台；(5)机床故障诊断与预测服务平台采用动态协调度方法对获取的规则库进行动态自适应优化更新，以置信度作为规则的评价。所述步骤(3)中，所述变尺度经验模态分解方法中的特征尺度參数为信号相邻的两个极值点的时间跨度ts，则所述变尺度经验模态分解方法如下①假定x(t)为采集到的状态信号中的电流信号，记电流信号X(t)的极大值点和极小值点分别为hi(t)和IiW1I=O, I, 2，…，n ;i为迭代次数；②对电流信号x(t)进行迭代，再进行筛选得到信号r(t) ;(D令rjt)为电流信号x(t)的第i次迭代筛选后的信号，初始化rjt) =x(t) ； 根据本征模态函数条件，判断信号A (t)是否为本征模态函数如果ri(t)符合本征模态函数条件，则为一分段本征模态函数，进入步骤⑦；否则，从rjt)的起始点出发，依次获取rjt)的极大值点h/ (t)，并判断相邻两个极大值点间的时间跨度ts是否满足t为极大值点对应的时间，若满足则记下该极大值点；否则放弃该点；依次进行，获得多段满足ts彡2h的分段信号极大值点h/⑴；同理获得多段满足ts彡2h的分段信号极小值点Γ i (t)，进入步骤⑤； 分别对a (t)的极大值点h/ (t)和极小值点Γ i (t)进行三次样条插值拟合，求上、下包络线，并计算包络线的均值曲线IV1 (t)
权利要求
1.一种面向机电装备的远程动态自适应规则获取方法，其步骤如下 (1)利用传感器群对面向机电装备典型功能部件在不同工况下进行监测，采集到各个功能部件的状态信号； (2)将采集到的各个状态信号通过远程网络在线上传至远程数据系统中，利用远程数据系统中的数据转换模块，将采集到的各状态信号数据格式转换成统一的数据格式存储； (3)将各状态信号数据传输至远程网络平台的故障诊断模块，采用变尺度经验模态分解方法得到表征各个状态信号特征的本征模态函数，再对各个本征模态函数分别做Hilbert变换获得相应的瞬时频率； (4)将得到的各个状态信号的瞬时频率作为条件属性构建远程故障诊断知识库系统，采用粗糙集方法对远程故障诊断知识库系统进行属性约简和规则获取，并将所有获取的规 则构成规则库，并通过远程网络传输至机床故障诊断与预测服务平台； (5)机床故障诊断与预测服务平台采用动态协调度方法对获取的规则库进行动态自适应优化更新，以置信度作为规则的评价。
2.如权利要求I所述的一种面向机电装备的远程动态自适应规则获取方法，其特征在于所述步骤(3)中，所述变尺度经验模态分解方法中的特征尺度参数为信号相邻的两个极值点的时间跨度ts，则所述变尺度经验模态分解方法如下 ①假定x(t)为采集到的状态信号中的电流信号，记电流信号x(t)的极大值点和极小值点分别为hi(t)和Ii (t), i=0, I, 2,, n ；i为迭代次数； ②对电流信号x(t)进行迭代，再进行筛选得到信号r(t)； ③令ri(t)为电流信号x(t)的第i次迭代筛选后的信号，初始化a(t)=x(t)； ④根据本征模态函数条件，判断信号A(t)是否为本征模态函数如果(t)符合本征模态函数条件，则为一分段本征模态函数，进入步骤⑦；否则，从ri(t)的起始点出发，依次获取ri(t)的极大值点h/ (t)，并判断相邻两个极大值点间的时间跨度&是否满足ts ( 2't, t为极大值点对应的时间，若满足则记下该极大值点；否则放弃该点；依次进行，获得多段满足ts ( 2h的分段信号极大值点h/ (t);同理获得多段满足ts ( 的分段信号极小值点r i(t)，进入步骤⑤； ⑤分别对A(t)的极大值点hi’ (t)和极小值点r i(t)进行三次样条插值拟合，求上、下包络线，并计算包络线的均值曲线IV1⑴ ⑥由均值曲线HV1(t)进行筛选计算，即rjt) =, i=i+l,返回步骤④,重新进行判断是否为本征模态函数； ⑦输出本征模态函数IMF(j)=ri(t)，其中j表示本征模态函数的序号。
3.如权利要求I或2所述的一种面向机电装备的远程动态自适应规则获取方法，其特征在于所述步骤(5)中，采用所述动态协调度方法对获取的规则库进行动态自适应优化更新的步骤如下 ①由状态信号经过步骤(3)得到的瞬时频率作为条件属性，建立初始决策信息表IS =(U，A，V，f);其中U= {Xl, x2,…，xn}为对象的非空有限集合，A为包括条件属性和决策属性的全集，V表示信息值域；f = {fa |fa :U-VJ表示决策表的信息函数，fa为属性a的信息函数，a为条件属性中的一个简单属性； ②将初始决策信息表IS中的信息进行动态层次聚类离散化处理，得到离散化后的决策信息表IS’ ； ③判断决策信息表IS’的相容性，删除不一致或者重复的数据信息； ④求决策信息表IS’中条件属性相对于决策属性的核R:对任意a GA，若a满足IND(A-{a })古IND(A)，则称a为A中的必要条件属性，所有A中必要的属性组成的集合记为核R，即R = H RED (A)； ⑤如果核R满足关系式IND(R)= IND(A)，则输出最小的约简集合，此约简集合就是所要的最终诊断规则表； ⑥如果IND(R)幸IND (A)，则要计算条件属性中每个a的协调度CON( a )，然后去掉最大协调度中的条件属性，使得核R = R U !>}，再返回步骤⑤重复计算，直到得到最小约简集合为止；最后将剩下的条件属性与决策属性D构成故障诊断知识规则库。
4.如权利要求3所述的一种面向机电装备的远程动态自适应规则获取方法，其特征在于所述步骤⑥中，所述条件属性中的简单属性a的协调度CON(a)为
全文摘要
本发明涉及一种面向机电装备的远程动态自适应规则获取方法，其步骤为(1)利用传感器群采集面向机电装备各个功能部件的状态信号；(2)将各个状态信号通过远程网络在线上传至远程数据系统中，并将各状态信号转换成统一的数据格式存储；(3)将各状态信号数据传输至远程网络平台的故障诊断模块，采用变尺度经验模态分解方法得到表征各个状态信号特征的本征模态函数，再对各个本征模态函数分别做Hilbert变换获得相应的瞬时频率；(4)构建远程故障诊断知识库系统，获取规则构成规则库，通过远程网络传输至机床故障诊断与预测服务平台；(5)机床故障诊断与预测服务平台采用动态协调度方法对获取的规则库进行动态自适应优化更新，并以置信度作为规则的评价。
文档编号G05B19/406GK102736561SQ20121023885
公开日2012年10月17日 申请日期2012年7月10日 优先权日2012年7月10日
发明者任彬, 左云波, 徐小力, 王红军 申请人:北京信息科技大学