一种基于冷却水温递归定量分析的工程机械故障诊断方法与流程

1.本文发明一种基于冷却水温递归定量分析(recurrence quantification analysis，rqa)的工程机械故障诊断方法，属于工程机械故障诊断领域。


背景技术：

2.挖掘机等工程机械被大量应用于道路建设、矿石开采等高难度施工作业，若能在早期及时发现故障，便可对工程机械进行维修保养，从而提高工程机械寿命、保证工作效率。
3.挖掘机等工程机械在施工作业时，动作复杂多变，冷却水温会受到环境温度、发动机油耗、转速以及节温器等许多因素的共同影响，对应变化十分复杂。现有的动力系统故障诊断往往依赖于冷却水温的超温报警来实现(即水温超过100℃时系统自动报警)，效果并不理想。
4.rqa方法是一种可对时间序列非平稳性和混沌性进行评估的信号分析方法，基于高维相空间轨迹递归现象直观显示的递归图(recurrence plot，rp)中的系统特征进行定量描述，可用于非线性系统中递归特性的提取。对时间序列的大小和稳定性无特殊要求，抗噪能力强，分析结果直观，鲁棒性也更好。
5.本发明提出一种基于冷却水温递归定量分析的工程机械故障诊断方法，引入rqa方法对冷却水温数据进行分析，以期提高故障诊断的灵敏度，对于发展工程机械故障诊断方法具有重要意义。


技术实现要素：

6.本发明提出一种基于冷却水温递归定量分析的工程机械故障诊断方法，与基于常规水温超温报警故障诊断方法相比，本方法对动力系统故障灵敏度高，在发动机实际冷却水温达到报警值之前发现异常，具有良好的工程应用价值。
7.本发明采用的技术方案是：
8.一种基于冷却水温递归定量分析的工程机械故障诊断方法，
9.获取工程机械发动机实时冷却水温，并进行数据清洗；计算递归定量分析所需参数；对不同工时的冷却水温数据进行递归定量分析得到递归图，提取递归度特征参数，并做归一化处理；建立归一化递归度与工程机械工时之间的对应关系，从而对故障进行诊断。具体包括步骤如下：
10.(1)高频实时工况数据采集
11.获取工程机械在预设时间段内的每个时间节点采集到的冷却水温数据，对所获取的冷却水温进行数据清洗，剔除异常数据和非工作状态下所获取数据；
12.(2)计算延迟时间m、嵌入维数τ和预设阈值ε递归定量分析参数，根据延迟嵌入定理，将步骤(1)获取的包含n个点的一维时间序列{xi}(i＝1,2,...,n)进行重构，获得多维相空间x：
[0013][0014]
其中第i个向量xi表示m维空间中的一个状态，它构成相空间中的一个相点，τ为延迟时间，m为嵌入维数，重构后的相空间矢量数为m＝n-(m-1)τ个；
[0015]
(3)计算步骤(2)重构相空间中两个不同状态向量间距离，根据预设阈值ε构建递归矩阵：
[0016]ri,j
＝θ(ε-||x
i-xj||)
ꢀꢀꢀ
(2)
[0017]
式中，ε为预设阈值，||x
i-xj||表示欧氏距离，算子θ(x)为heaviside函数，即：
[0018][0019]
将递归矩阵图像化得到递归图，图像化规则为：r
i，j
＝0或1分别表示递归图(i,j)位置点为白色或黑色；
[0020]
(4)根据递归图进行递归定量分析，递归度rr为递归图中黑点数所占总点数比值，计算方法如下：
[0021][0022]
(5)计算不同运行状态下的归一化递归度rr
nor
，将其作为定量评价工程机械健康状态的参数，计算方法如下：
[0023]
rr
nor
＝rrn/rr0ꢀꢀꢀ
(5)
[0024]
其中，rr0为健康状态工况数据的递归度，rrn为不同状态工况数据的递归度；
[0025]
(6)建立步骤(5)所得rr
nor
与工程机械工时的对应关系，设定故障阈值为0.2，即rr
nor
低于0.2时认为发生故障，从而实现工程机械故障的识别与诊断。
[0026]
本发明的有益效果是：一种基于冷却水温递归定量分析的工程机械故障诊断方法，利用rqa方法分析冷却水温数据，建立工程机械故障与归一化递归度rr
nor
之间的映射关系，发现随故障程度的加深，rr
nor
值明显下降，为工程机械故障程度的定量表征提供了有效方法，具有良好的工程应用价值。
附图说明
[0027]
图1是工程机械故障诊断方法流程示意图。
[0028]
图2是健康状态下挖掘机发动机冷却水温的变化图。
[0029]
图3是健康状态下挖掘机发动机冷却水温的递归图。
[0030]
图4是故障状态下挖掘机发动机冷却水温的变化图。
[0031]
图5是故障状态下挖掘机发动机冷却水温的递归图。
[0032]
图6是递归度rr与挖掘机运行工时的关系图。
[0033]
图7是归一化递归度rr
nor
与挖掘机运行工时的关系图。
具体实施方式
[0034]
以下结合附图和技术方案，进一步说明本发明的具体实审方式。
[0035]
一种基于冷却水温递归定量分析的工程机械故障诊断方法，步骤如下：
[0036]
(1)故障诊断方法流程示意如图1。以挖掘机的3698h～3793h工时为例，首先获取在每个时间节点采集到的冷却水温数据，对所获取的冷却水温进行数据清洗，剔除异常数据和非工作状态下所获取数据；在所关注的工时范围内，水温均低于80℃，未发生水温超温报警的情况。
[0037]
(2)选取经过确认的健康工况3708h～3713h数据作为参考，如图2，计算延迟时间m、嵌入维数τ和预设阈值ε递归定量分析参数，分别为10、10和6.74。根据延迟嵌入定理，将步骤(2)采集的包含1233个点的冷却水温一维时间序列{xi}(i＝1,2,...,1233)进行重构，获得多维相空间x：
[0038][0039]
其中第i个向量xi表示多维空间中的一个状态，它构成相空间中的一个相点，延迟时间τ为10，嵌入维数m为10，重构后的相空间矢量数为1143个。
[0040]
(3)计算步骤(2)重构相空间中两个不同状态向量间距离，根据预设阈值ε构建递归矩阵：
[0041]ri,j
＝θ(6.74-||x
i-xj||)
ꢀꢀꢀ
(2)
[0042]
式中，预设阈值ε为6.74，取时间序列标准差的1.5倍，||x
i-xj||表示欧氏距离，算子θ(x)为heaviside函数，即：
[0043][0044]
将递归矩阵图像化得到rp图，图像化规则为：r
i，j
＝0表示rp图(i,j)位置点为白色，r
i，j
＝1表示rp图(i,j)位置点为黑色。如图3所示，黑色点均平行且相对于主对角线对称分布，说明相点的运动轨迹彼此相似、逐渐逼近。
[0045]
(4)重复步骤(2)和步骤(3)，对其他工时范围内的冷却水温数据进行处理，如图4为3784h～3789h的数据，rp图结果如图5。
[0046]
(5)计算图3中rp图黑点数所占总点数比值，即递归度rr，计算方法如下：
[0047]
[0048]
得到3708h～3713h工时条件下冷却水温数据所对应的rr值为0.83309。同理，可计算3784h～3789h工时条件下冷却水温数据所对应的rr值为0.01626，其他工时条件下冷却水温数据所对应的rr值分别为0.94979、0.83309、0.93574、0.79057、0.13666、0.12488、0.01407，如图6所示。
[0049]
(5)计算不同状态下的归一化递归度rr
nor
，将其作为定量评价挖掘机健康状态的参数，计算方法如下：
[0050]
rr
nor
＝rrn/rr0ꢀꢀꢀ
(5)
[0051]
其中，rr0、rrn分别为健康状态和运行状态的递归度。对应结果示于图7。随着运行工时由3720h增大到3767h，rr
nor
呈现显著下降的趋势。
[0052]
(6)在3784h工时检查确认，发现该台挖机发生了动力系统发动机高温故障。故障发生时rr
nor
值为0.015，相对于健康工况3708h～3713h及其附近工时数据，rr
nor
变化率高于80％，显著低于故障判别阈值0.2，实现了挖掘机故障的判别与诊断。