一种针对退化数据的传感器选择方法
【专利摘要】本发明公开了一种针对退化数据的基于方差的传感器选择方法。在本方法中，以对同种故障模式下的退化特性分析为基础，对退化模式一致性、初始状态不定性、退化整体单调性、失效状态一致性四个主要特性进行了分析与描述，并依此特性分析基础为依据，设计了基于退化特性分析的健康与失效状态计算、状态转移量计算、失效状态方差量计算、一致失效区间率计算，最后，以一致失效区间率作为主要参考量，采用两种方法对传感器信号灵活地进行选择。
【专利说明】
一种针对退化数据的传感器选择方法
技术领域
[0001 ]本发明涉及一种针对退化数据的基于方差的传感器选择方法。
【背景技术】
[0002] 为了提高可靠性、安全性和有效性，设备维护在许多领域已受到越来越多的关注， 尤其在安全相关或停机与故障成本高的复杂设备领域，如航空航天、发电站、大型工业设备 等。目前，常规的后勤维修体系在进行故障维修决策时通常是事后维修（Corrective Maintenance，CM)体系或者定期维护(Time-based Maintenance，TBM)体系，即在装备故障 或失效发生后进行维修或者事先确定一个与装备实际退化状况无关的时间段为周期来进 行装备维护。这样就很少考虑装备的实际健康状态，一般采用传统仪器仪表进行系统检测 获得数据而后由人工进行故障判断的方法，不仅效率较低，可靠性差，而且很难发现系统设 备潜在的轻微故障。因此有了预测维护(Prediction Maintenance)理念的提出，主要表现 为提出了预测与健康管理(Prognostic and Health Management,PHM)技术。这种技术是通 过在设备上安装一系列能够采集与设备健康状态相关数据的传感器进行状态监控，然后通 过故障诊断、故障预测技术来获取设备的健康状态信息及预测可用的剩余寿命，最后通过 这些信息来进行决策与管理，进而从全寿命周期维护的角度进行设备的维护。
[0003] 在处理状态监控数据过程中，不同的故障模式可能会与不同的传感器相关联，而 在处理一种故障模式时，目前的做法往往是使用全部的传感器数据，这样就会造成两个大 的问题。一是不相关的传感器数据不仅不能提供有效信息，而且随着所占数据比例的提升 有很大可能对期望结果造成较大的负面影响，从而降低整个系统信息流的有效性甚至促使 整个系统提供错误决断，造成重大安全问题与财产损失。二是不相关的传感器数据作为有 毒数据，会大大拖累整个系统的处理数据能力，浪费系统存储与计算资源，降低了系统的有 效性。由于在预测与健康管理领域，所需要的状态监控数据通常为设备的退化数据，所以针 对退化数据的传感器选择方法在整个系统实现中有非常重要的地位。
[0004] 对于上述问题，唯一的解决途径便是在处理某种故障模式时，把相关的传感器数 据精确地挑选出来，然后进行后续处理。目前关于此问题的研究十分有限，主要包括三种思 路。一是人工观察方法，根据某种特性来人工进行选择，优点是简单且结果较为准确，缺点 是需要专业人员，处理速度慢，为定性分析，结果可靠性差。二是穷举搜索法，通过把传感器 进行组合穷举，设计评价指标来挑选较好的传感器组合，优点是结果准确，可靠性较好，缺 点是评价指标设计困难，计算量巨大，花费时间长，性价比较低。三是定量分析法，通过分析 来从某一角度设计性能指标与阈值，最后比较来进行选择，优点是处理速度快，可靠性好， 缺点是结果准确性随方法不同而差距明显，能够充分利用专业知识。
[0005] 因此，在保证系统存储和计算资源用量小的情况下，精确可靠地找到与当前故障 模式相关联的传感器数据，是本领域技术人员需要解决的难题。
【发明内容】
[0006] 本发明的主要目的是针对具备退化性质的传感器数据，解决当前缺乏有效传感器 信号选择的问题，提供在某一故障模式下有效传感器信号选择方法。
[0007] 为实现上述目的，本发明采用以下技术方案:一种针对退化数据的基于方差的传 感器选择方法，其特征在于包括如下步骤:S1、针对选定的退化模式，针对各单元传感器，计 算健康与失效状态;S2、计算状态平均转移量和失效状态方差量;S3、计算一致失效区间率； S4、根据一致失效率区间进行传感器选择。
[0008] 本发明的有益效果:本发明提出了一种针对某种故障模式下退化数据的传感器信 号选择方法。本方法以分析设备单元的退化特性为基础和依据，因此充分利用了设备单元 的退化知识，确保了选择结果的正确性和可靠性；同时基于方差等计算简单的参数构建了 一个能够反映传感器信号与故障模式关联程度的指标，所以对存储和计算资源占用少，速 度快;最后以此指标为参考进行传感器信号的灵活选择，给予了选择方法更好的灵活性、实 用性和拓展性。所以，本发明中提出的方法具备结果准确、可靠性高、计算量小的特点。
【附图说明】
[0009] 图1是本发明传感器选择方法的流程图；
[0010] 图2是本发明传感器选择方法实施例的传感器信号样例集合图；
[0011] 图3-1、3-2是本发明传感器选择方法实施例的传感器信号典型样例图；
[0012] 图4是本发明传感器选择方法实施例的一致失效区间率结果示意图。
【具体实施方式】
[0013] 本实话例的针对退化数据的基于方差的传感器选择方法，包括:选定退化模式下 的数据集描述，选定退化模式下的退化特性分析，基于退化特性分析的健康与失效状态计 算、状态转移量计算、失效状态方差量计算、一致失效区间率计算，设定区间率阈值或选择 比例，根据阈值或比例进行传感器选择。其中，所述退化特性分析包括退化模式一致性、初 始状态不定性、退化整体单调性、失效状态一致性四个主要特性的分析;所述退化模式一致 性为其他三个特性的基础，也是计算一致失效区间率的基础，所述初始状态不定性与失效 状态一致性是计算健康与失效状态的基础，所述失效状态一致性是计算失效状态方差量的 基础，所述退化整体单调性是计算状态转移量的基础;其中，所述退化特性是计算各个数字 量的依据，所述各个数字量是进行传感器选择的前提。
[0014] 其中：
[0015] 所述某种退化模式下的数据集描述如下，
[0016] 给定数据集
[0017] D= {Uniti | i = 1，2, ? ? ?，n} (1)
[0018]数据集D包含n个在同种退化模式下的相同型号的设备单元Unit，每个单元具备相 同的数据结构，对于其中任意单元
[0019] Uniti= {Sensor」11 j = l，2, ? ? ?，m} (2)
[0020] 每一个设备单兀Uni ti都包含m个传感器信号Sensor j1，对于每一传感器信号
[0021] ^ (sflp - ⑶
[0022] 对于第i个设备单元的任意传感器Sensor/，每一个传感器信号都包含与所属单元 相关联的长度为9:的时间序列数据发这些以时间序列形式存在的传感器数据记录了所属 单元在同种操作模式下从未知的健康状态一直运行到失效状态的过程。
[0023] 所述退化模式一致性具体指布置在相同采集点的传感器采集到的设备单元退化 信号在形态上是相似的;所述初始状态不定性具体指设备在开始运行阶段有不同程度的初 始磨损和不同内部材料应力结构，虽然这些磨损等是未知的，但都被认为是正常或健康状 态;所述退化整体单调性具体指传感器信号的全局趋势是存在且单向的；所述失效状态一 致性具体指当设备单元退化至失效状态时，能够反映设备健康状态的传感器信号应该收敛 至某一个恒定值或一个小区间内，这个恒定值或区间可以被认为是失效阈值。
[0024] 所述健康与失效状态计算，对于每一个传感器的健康状态与失效状态计算如下，
⑷
[0026] 其中，Shealth是每个传感器前几个数据的平均值，Sfallure是每个传感器末尾几个数 据的平均值，取平均值的原因在于降低噪声干扰，而失效数据取平均个数小于健康数据取 平均个数的原因是末尾比起始退化趋势明显很多，数据个数较多无法反应末尾真实失效状 〇
[0027] 所述状态转移量计算如下，
(5) ㈤
[0030] 其中表示第i个单元第j个传感器的状态转移量，、表示第j个传感器的平均状 态转移量。此处的平均是按单元平均的；文中所述n个设备单元是同一种型号的设备，其上 布置的传感器个数、类型均相同，所以所有单元的第j个传感器所测物理量是相同的，因此 对其进行平均就是对所测得的相同物理量进行平均。
[0031] 所述失效状态方差量计算如下，
⑵ (8)
[0034]其中，表示第j个传感器末尾量的均值，V」表示第j个传感器的失效状态方差量。 [0035]所述一致失效区间率计算如下， (9)
[0037] 其中，化是第j个传感器的一致失效区间率，为了防止分母为零，我们给分母加上 一个值很小的正数el，一般取值1(T4。
[0038] 所述设定区间率阈值并依此进行传感器选择，具体实现形式如下，
[0039] SensorSet= {Sensor」| e〇<R」<e} (10)
[0040] 其中，SensorSet是最终要选择的传感器信号集合，e是所设定的区间率阈值，e〇是 一个很小的正整数，一般取值1(T 5,目的是将& = 〇的传感器信号滤掉。
[0041] 所述设定选择比例并依此进行传感器选择的具体实现为：
[0042] 1)剔除为区间率(一致失效区间率也简称为"区间率"）为零的传感器，将剩余传感 器按区间率从小到大排列；
[0043] 2)对所有传感器的区间率累加求和，计算各个传感器区间率所占比例；
[0044] 3)从区间率较小的比例开始累加直至比例累加值达到所设定的值；
[0045] 4)比例累加值所包含的传感器信号即为所要选择的传感器信号。
[0046] 以下对本发明的实施方式作详细说明。应该强调的是，下述说明仅仅是示例性的， 而不是为了限制本发明的范围及其应用。
[0047] 参阅图1，在一种实施例中，一种针对退化数据的基于方差的传感器选择方法，包 括:XX型号发动机的高压压缩机退化模式下的数据集描述，某种退化模式下的退化特性分 析，基于退化特性分析的健康与失效状态计算、状态转移量计算、失效状态方差量计算、一 致失效区间率计算，设定区间率阈值或选择比例，根据阈值或比例进行传感器选择。其中， 所述退化特性分析包括退化模式一致性、初始状态不定性、退化整体单调性、失效状态一致 性四个主要特性的分析;所述退化模式一致性为其他三个特性的基础，也是计算一致失效 区间率的基础，所述初始状态不定性与失效状态一致性是计算健康与失效状态的基础，所 述失效状态一致性是计算失效状态方差量的基础，所述退化整体单调性是计算状态转移量 的基础;其中，所述退化特性是计算各个数字量的依据，所述各个数字量是进行传感器选择 的前提。图1中，椭圆框中的文字为对流程的说明，不属于流程的组成部分。
[0048] 在优选实例中，所给数据集包含100个同种故障模式下的设备单元，每个设备单元 包含21个传感器信号，不同的设备单元拥有不同的寿命长度。所以，在式（1)和（2)中n = 100，m = 21，对于式(3)中的qi，则有单元数n=100个值。
[0049] 参阅图2,所示是数据集中所有单元21个传感器信号数据，由于数据量比较多，无 法清晰展示数据，所以只是展示数据大体趋势，图中线个坐标下面的数字编号1-21是传感 器编号。参阅图3-1、3-2,是数据集中典型的两个传感器检测的100个设备单元的退化信号， 传感器编号分别为12和14(图3-1为图2中传感器编号12的放大版，同样图3-2为图2中传感 器编号14的放大版，由于点比较多空间又小，所以显示有所差异），通过此图可以较为清晰 地观察传感器检测的退化数据的基本特点。其中，12号传感器比较符合所分析的四个退化 特性：即传感器在起始点的值不同，散布幅度较大，代表初始状态不定;传感器在末尾点的 值则较为一致，为恒定值或收敛至小区间内，代表失效状态一致;整体呈现单向的趋势，代 表整体单调;不同单元的退化数据在形态上较为相似，代表退化模式一致。而14号传感器则 不符合失效状态一致性的退化特性，即传感器在末尾点的值是发散的，不为恒定值或没有 收敛至小区间内。
[0050]在优选实施例中，根据式(4)、（5)、（6)、（7)、（8)和(9)，可计算出21个传感器所对 应的一致失效区间率，具体的值如表格1所示。
[0051 ] 参阅图4，代表了 一致失效区间率的大小分布，横轴代表21个传感器的编号，纵轴 代表计算出的各个传感器的R值，即一致区间率。可以直观看到传感器的一致失效区间率分 布，有明显的大小分布，较易区分，通常来说，一致失效区间率越小说明此传感器与此种退 化模式关联程度越高。
[0052] 表格1传感器所对应的一致失效K间率
[0054] 在优选实例中，在计算得到一致失效区间率后，有两种方法可以进行传感器选择。 如果采用第一种阈值法，假设设定阈值为e =0.25，则传感器选择结果如下所示 S_s.orS發f. 獅rs |喊 < 乾 < 态.! ,
[0055] 1 J '、 U U -^ 2,3^42.1]
[0056] 如果采用第二种方法，假设设定比例为5%，则先进行步骤1)和2)，结果如表格2所 示
[0057] 表格2传感器排序后所对应比例
[0059] 对上述比例从小到大累加可知，到2号时累加比例为4.6 9 %，到17号时为5.7 6 %， 所以传感器选择结果如下所示。
[0060] ^ ^ - (12) -{S0Hs〇fjlj - 1,12^15,20,21]
[0061]以上内容是结合具体/优选的实施方式对本发明所作的进一步详细说明，不能认 定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说， 在不脱离本发明构思的前提下，其还可以对这些已描述的实施方式做出若干替代或变型， 而这些替代或变型方式都应当视为属于本发明的保护范围。
【主权项】
1. 一种针对退化数据的基于方差的传感器选择方法，其特征在于包括如下步骤： 50、 对设备单元进行退化特性分析； 51、 针对选定的退化模式，针对各单元传感器，计算健康与失效状态； 52、 计算状态平均转移量和失效状态方差量； 53、 计算一致失效区间率； 54、 根据一致失效率区间进行传感器选择。2. 如权利要求1所述的针对退化数据的基于方差的传感器选择方法，其特征在于:步骤 S4中，进行传感器选择的方法是如下方法之一： S4-1、设定区间率阔值，根据阔值进行传感器选择； S4-2、选择区间率比例，根据比例进行传感器选择。3. 如权利要求1所述的针对退化数据的基于方差的传感器选择方法，其特征在于:所述 退化特性分析包括退化模式一致性、初始状态不定性、退化整体单调性、失效状态一致性的 分析。4. 如权利要求3所述的针对退化数据的传感器选择方法，其特征在于，所述退化模式一 致性具体指布置在相同采集点的传感器采集到的设备单元退化信号在形态上是相似的;所 述初始状态不定性具体指设备在开始运行阶段有不同程度的初始磨损和不同内部材料应 力结构，虽然运些磨损等是未知的，但都被认为是正常或健康状态;所述退化整体单调性具 体指传感器信号的全局趋势是存在且单向的;所述失效状态一致性具体指当设备单元退化 至失效状态时，能够反映设备健康状态的传感器信号应该收敛至某一个恒定值或一个小区 间内，运个恒定值或区间可W被认为是失效阔值。5. 如权利要求1所述的针对退化数据的传感器选择方法，其特征在于，所述健康与失效 状态计算，对于每一个传感器的健康状态与失效状态计算如下，其中，奸是指传感器P的数捉，Sheal化是巧个巧感器丽n个数捉的干均值，Sfailure是每个 传感器末尾几个数据的平均值，取平均值的原因在于降低噪声干扰，而失效数据取平均个 数小于健康数据取平均个数的原因是末尾比起始退化趋势明显很多，数据个数较多无法反 应末尾真实失效状态。6. 如权利要求1所述的针对退化数据的传感器选择方法，其特征在于，所述状态平均转 移量计算如下，其中，/?表示第i个单元第j个传感器的状态转移量，Aj表示第j个传感器的平均状态转 移量。7. 如权利要求1所述的针对退化数据的传感器选择方法，其特征在于，所述失效状态方 差量计算如下，其中，、表示第j个传感器末尾量的均值，Vj表示第j个传感器的失效状态方差量。8. 如权利要求1所述的针对退化数据的传感器选择方法，其特征在于，所述一致失效区 间率计算如下，其中，的是第j个传感器的一致失效区间率，为了防止分母为零，我们给分母加上一个值 很小的正数El，一般取值1(T4。9. 如权利要求2所述的针对退化数据的传感器选择方法，其特征在于，所述设定区间率 阔值并依此进行传感器选择，具体实现形式如下， SensorSet= {Sensorj | e〇<Rj<e} 其中，SensorSet是最终要选择的传感器信号集合，e是所设定的区间率阔值，eO是一个 很小的正整数，一般取值1(T5,目的是将咕=〇的传感器信号滤掉。10. 如权利要求2所述的针对退化数据的传感器选择方法，其特征在于，所述设定选择 比例并依此进行传感器选择的具体实现为， 1) 剔除为区间率为零的传感器，将剩余传感器按区间率从小到大排列； 2) 对所有传感器的区间率累加求和，计算各个传感器区间率所占比例； 3) 从区间率较小的比例开始累加直至比例累加值达到所设定的值； 4) 比例累加值所包含的传感器信号即为所要选择的传感器信号。
【文档编号】G06F17/50GK105912789SQ201610232071
【公开日】2016年8月31日
【申请日】2016年4月14日
【发明人】梁斌, 赵泽奇, 但乐, 芦维宁, 杨春春, 王学谦
【申请人】清华大学深圳研究生院