一种基于模糊理论的压合设备零部件健康状态评价方法与流程

1.本发明涉及一种压合设备零部件运行状态检测方法，尤其是一种基于模糊理论的压合设备零部件健康状态评价方法。


背景技术：

2.压合设备是机械加工生产中常用设备，如应用于汽车生产线四门两盖压合等。压合设备零部件在运行过程中有诸如电流、温度、振动加速度等多项特征指标，这些特征指标随着压合设备的使用而逐渐劣化。当特征指标有所劣化时，压合设备零部件并不会立即产生故障，而是在“健康”和“故障”之间带“病”工作。然而，现有技术对于压合设备零部件健康状态并不进行评估，将压合设备零部件的运行状态简单的划分为健康和故障两种状态，对带“病”工作的压合设备不采取任何保养措施而任其继续运行，直至引发故障。当压合设备发生故障后，只能停机维修、更换零部件等，造成较大的经济损失。


技术实现要素：

3.本发明是为了解决现有技术所存在的上述技术问题，提供一种基于模糊理论的压合设备零部件健康状态评价方法。
4.本发明的技术解决方案是：一种基于模糊理论的压合设备零部件健康状态评价方法，其特征在于依次按照如下步骤进行：
5.步骤1.采集压合设备运行过程中的原始数据；
6.步骤2.对采集的原始数据进行预处理；
7.步骤3.提取原始数据中的时域特征和频域特征；
8.步骤4.选择时域特征和频域特征建立压合设备零部件健康状态评价的因素集u＝{ui}，i＝1，2，...，n，所述其中ui为第i个特征指标，n为时域特征和频域特征的总数；
9.步骤5.建立压合设备零部件的健康状态评价集v＝{vj}j＝1，2，3，4，5，所述vj为健康状态评价指标，分为健康、亚健康、不健康、病态及严重病态，以梯形模糊数作为隶属度函数对评价集v进行定量表示；
10.步骤6.进行单因素模糊评价，建立隶属度矩阵r＝{r
ij
}，所述r
ij
为因素集u中第i个因素对评价集v中第j个状态的隶属度；
11.步骤7.确定各因素的权重；
12.步骤8.确定健康状态评价得分f，取值范围为[0，1]；
[0013]
步骤9.建立健康状态评价得分与健康状态等级之间的映射关系，确定压合设备零部件健康状态。
[0014]
所述步骤5的以梯形模糊数作为隶属度函数对评价集v进行定量表示是按照下式进行：
[0015][0016]
式中xi为特征指标u经归一化处理后的数据，aj、bj、cj、dj为梯形模糊数。
[0017]
所述步骤7是采用熵权法确定各特征指标ui的权重：
[0018]
设第i个因素的信息熵为：
[0019][0020]
则第i个因素的权重系数为
[0021]
所述步骤8的确定健康状态评价得分f按照下式计算：
[0022]
f＝w
·r·st
[0023]
w为权重系数矩阵，w＝[w1，...，wn]；r为隶属度矩阵；s
t
为矩阵s的转置，s为等级分数矩阵，s＝[0.2，0.2，0.2，0.2，0.2]；
[0024]
所述步骤9建立健康状态评价得分与健康状态等级之间的映射关系如下：评价得分f为0.8-1.0、0.6-0.8、0.4-0.6、0.2-0.4、0-0.2分别映射健康、亚健康、不健康、病态及严重病态。
[0025]
本发明提取压合设备运行状态原始数据中的时域特征和频域特征并作为压合设备零部件健康状态评价的因素集，同时将压合设备零部件的健康状态评价指标分为健康、亚健康、不健康、病态及严重病态，以梯形模糊数对评价集进行定量表示，并建立因素集与评价集隶属度矩阵，最后采用熵权法确定评价因素的权重系数并确定健康状态评价得分，客观、合理评价零部件运行状态。可缩短带“病”工作压合设备的检修及保养周期，找出带“病”原因并及时纠正，避免由于发生故障而造成经济损失。
附图说明
[0026]
图1是本发明实施例的流程图。
[0027]
图2是本发明实施例
具体实施方式
[0028]
本发明的一种基于模糊理论的压合设备零部件健康状态评价方法如图1所示，依次按照如下步骤进行：
[0029]
步骤1.采集压合设备运行过程中的原始数据，如电流、温度、振动加速度等；
[0030]
步骤2.对采集的原始数据进行滤波、数据清洗等预处理；
[0031]
步骤3.提取原始数据中的时域特征和频域特征，时域特征包括峰值、平均值、中位数、均方根值、峰值因子、波形因子、裕度因子、峭度因子、脉冲因子等，频域特征包括重心频
率、平均频率、均方根频率、频率标准差等；
[0032]
步骤4.选择时域特征和频域特征建立压合设备零部件健康状态评价的因素集u＝{ui}，i＝1，2，...，n，所述其中ui为第i个特征指标，n为时域特征和频域特征的总数；
[0033]
具体是通过特征压缩处理，选择与健康状态紧密相关的时域特征和频域特征为特征指标作为零部件状态评价的因素集。
[0034]
例如，对于轴承、丝杠、导轨，采集的物理量是振动加速度，分别提取其振动加速度的峰值u1、平均值u2、均方根值u3、峭度因子u4、重心频率u5和均方根频率u6作为健康状态评价的因素集；对于电机，采集的物理量有电流、温度、振动加速度，提取电机电流的峰值u1、均方根值u2、电机温度u3、电机振动加速度的峰值u4、平均值u5及均方根值u6、峭度因子u7、重心频率u8和均方根频率u9作为健康状态评价的因素集；
[0035]
步骤5.建立压合设备零部件的健康状态评价集v＝{vj}j＝1，2，3，4，5，所述vj为健康状态评价指标，分为健康、亚健康、不健康、病态及严重病态，以梯形模糊数对评价集v进行定量表示；所述健康为运行状态良好；亚健康为运行状态有所劣化但在可接受范围之内，应加强关注其运行状态；不健康为运行状态出现异常，不应长期运行且需要采取纠正措施；病态为运行状态严重异常，应在短时间内进行检修；严重病态(故障)为零部件完全损坏而无法运行，需停机检修并更换零部件；
[0036]
以梯形模糊数作为隶属度函数对评价集v进行定量表示是按照下式进行：
[0037][0038]
式中xi为特征指标ui经归一化处理后的数据，以电机为例，作为健康状态评价的因素集为{ui}i＝1，2，...，9，对于电机温度u3，范围在0-200℃，经归一化处理，
[0039]
式中aj、bj、cj、dj为梯形模糊数，具体选择见表1。
[0040]
表1：健康等级vj对应的梯形模糊数
[0041][0042]
以采用梯形模糊数作为其隶属度函数对v2进行定量表示为例(其他类似)，隶属度函数图如图2所示。
[0043]
例如i＝3，则
[0044][0045]
步骤6.进行单因素模糊评价，建立隶属度矩阵r＝{r
ij
}，所述r
ij
为因素集u中第i个因素对评价集v中第j个状态的隶属度；
[0046]
采用模糊集理论建立隶属度矩阵，即因素集中的特征指标和评价集中的等级之间的映射关系，本实施例的隶属度矩阵可表示为：
[0047][0048]
步骤7.确定各因素的权重；
[0049]
具体是采用熵权法确定各特征指标ui的权重：
[0050]
设第i个因素的信息熵为：
[0051][0052]
则第i个因素的权重系数为
[0053]
步骤8.确定健康状态评价得分f，取值范围为[0，1]；
[0054]
确定健康状态评价得分f按照下式计算：
[0055]
f＝w
·r·st
[0056]
w为权重系数矩阵，w＝[w1，...，wn]；r为隶属度矩阵；s
t
为矩阵s的转置，s为等级分数矩阵，s＝[0.2，0.2，0.2，0.2，0.2]；
[0057]
步骤9.建立健康状态评价得分与健康状态等级之间的映射关系如下：评价得分f为0.8-1.0、0.6-0.8、0.4-0.6、0.2-0.4、0-0.2分别映射健康、亚健康、不健康、病态及严重病态，即可根据评价得分f确定压合设备零部件健康状态。