[發明專利]一種應用于自動化生產線的故障預測與健康管理方法

在審

• 申請號: 201711104095.1
• 申請日: 2017-11-10
• 公開（公告）號: CN107797537A
• 公開（公告）日: 2018-03-13
• 發明（設計）人: 何成;劉長春;武洋
• 申請（專利權）人: 上海第二工業大學
• 主分類號: G05B19/418
• 分類號: G05B19/418;G06N3/08
• 代理公司: 上海正旦專利代理有限公司31200
• 代理人: 王潔平

技術領域

本發明屬于自動化生產線技術領域，具體涉及一種應用于自動化生產線的故障預測與健康管理方法。

背景技術

隨著科技的發展，現代自動化生產線設備的集成度和復雜度日益增加，隨之帶來的維護成本和難度也劇烈上升；效率低下且成本昂貴的傳統的人工檢修維護的方法在面對大量復雜的現在自動化生產線設備時已不再適用。故障預測與健康管理系統(PHM)旨在減少人工維護的成本，以分析自動化生產線上的故障模型來確定其健康狀態，從而在無人值守的情況下進行自我評估和故障預警，同時能夠進行健康管理，對自動化生產線上的故障進行修復處理。PHM技術一般具備故障檢測、故障隔離、增強的診斷、性能檢測、故障預測、健康管理、部件壽命追蹤等能力，典型的PHM流程包含了數據采集、數據預處理、數據傳輸、特征提取、數據融合、狀態監測、故障診斷、故障預測和保障決策等環節。

基于數據分析的PHM是通過采集被測設備的狀態數據，排除物理知識對其進行數據分析，利用數學建模來獲得故障模型用以判斷設備的健康狀態，其不需要獲取被測設備的物理模型，并且建模時間短，這能進一步的減少成本開銷，并且具有廣泛的通用性。

目前針對自動化生產線中的軸承設備的故障診斷技術主要建立在物理模型之上，通過觀測到的磨損、老化等現象對自動化生產線中的軸承設備進行分析，找出其中的故障點，再利用物理模型分析磨損、老化等現象出現的原因。這種方法目前主要用于研究自動化生產線中的軸承設備的故障機理，而以減少人工維護為目的的故障診斷和預測方面還鮮有出現。

發明內容

本發明的目的在于提供一種基于深度學習與粒子濾波算法的應用于自動化生產線的故障預測與健康管理方法。該方法用于對運行中的自動化生產線中的軸承設備進行實時監測，并對監測數據進行實時的處理，實現對自動化生產線中的軸承設備的狀態檢查、故障預測、壽命預測及健康管理，避免自動化生產線中的軸承設備運轉在故障的情況下。

為實現上述目的，本發明采用的技術方案如下介紹。

一種應用于自動化生產線的故障預測與健康管理方法，包括以下步驟：

步驟1，準備若干條待測自動化生產線，對待測自動化生產線中的軸承設備分別進行加熱老化、振動測試，得到訓練數據并存儲于數據庫中；

步驟2，對訓練數據進行FMECA分析，得到訓練樣本；

步驟3，進行CBM試驗，設定神經網絡層數并初始化神經網絡；

步驟4，利用傳感器對自動化生產線中的軸承設備進行數據采集；

步驟5，進行數據分析，對采集的數據進行特征提??；

步驟6，采用深度學習模型、運用粒子濾波算法：VNN、DBN、CNN及SAE對訓練樣本分別訓練神經網絡；若所有模型的訓練誤差均小于預設閾值，則返回步驟3，重新設定神經網絡層數并初始化神經網絡；否則，選定訓練誤差最小的深度學習模型，并將其訓練好的神經網絡放入測試芯片中。

步驟7，采用傳感器對處于工作狀態的待測自動化生產線的軸承設備進行實時數據采集，根據實時數據，測試芯片計算待測自動化生產線的軸承設備當前健康狀態X進行輸出，并將歷史數據存儲于RAM中；

步驟8，采用切片雙譜檢測，當軸承發生故障時，采樣信號的特征x(t)為受干擾的沖擊調制信號，即；

式中，ω_i為調制源，包括軸承故障特征頻率及其諧波頻率；ω₀為載波頻率；b為任意常數；軸承發生故障時，其振動信號解調后的信號包含了故障特征頻率的一次諧波，且相位是互相關聯的，即存在二次相位耦合現象；若設ω_F為軸承的故障特征頻率，則雙譜的（ω_F,ω_F）處出現相位耦合現象,從而雙譜在(ω_F ,ω_F)處會有明顯的譜峰；

步驟9，計算RAM中所有歷史數據的平均值，與最新數據對比，若存在故障率變大趨勢，則計算其變化速率v：，其中time是時間偏移量；并計算其達到故障閾值的時間：，即為待測自動化生產線中的軸承設備的剩余壽命；

步驟10，對自動化生產線中的軸承設備進行維修準備與健康管理。

優選的，步驟4中的傳感器為溫度傳感器和加速度傳感器。

優選的，步驟5中，對采集的數據提取的特征為溫度和振動頻率。

優選的，步驟6中，測試芯片與自動化生產線中的軸承設備相連接。

優選的，步驟7中，歷史數據的存儲方式為：