[發明專利]一種基于極差的自適應閾值方法及系統

有效

• 申請號: 201811243786.4
• 申請日: 2018-10-24
• 公開（公告）號: CN109446046B
• 公開（公告）日: 2021-07-20
• 發明（設計）人: 李楊;于林明;葛紅紅;古樂
• 申請（專利權）人: 哈工大機器人（山東）智能裝備研究院
• 主分類號: G06F11/34
• 分類號: G06F11/34
• 代理公司: 哈爾濱市偉晨專利代理事務所(普通合伙) 23209
• 代理人: 李曉敏

1.一種基于極差的自適應閾值方法，其特征在于，包括：

步驟一、提取原始振動信號樣本并對其求解特征值矩陣；

步驟二、對所得到的特征值矩陣應用健康評估方法求解健康值；

步驟三、判斷是否有新樣本增加，若是則更新置信區間，所述置信區間具體為：其中為前k-1個樣本的健康值的均值，d＝[max(X_k-1)-min(X_k-1)]·20％；

步驟四、判斷增加的新樣本是否處在置信區間內，所述判斷增加的新樣本是否處在置信區間內的方法具體為：其中，x_k為第k個樣本的健康值，為前k-1個樣本的健康值的均值；判斷D是否小于d，若是則判斷增加的新樣本分布在置信區間內，否則，增加的新樣本分布在置信區間外；同時，保存處在置信區間外的新樣本的下標到向量N中，計數器p＝p+1；

步驟五、當p＝n時，則觸發判別機制，其中n代表預先設定的判斷個數，為自然數中1到10中的任意整數；所述判別機制具體為：調用連續數函數來尋找N中的連續數；若返回的連續數個數為n，則返回的閾值線為N(1)元素對應的健康值，其中N(1)為所對應的第一個處在置信區間外的樣本下標；若返回的連續數個數小于n，則表明N中所對應的樣本為異常值，更新N、p，重復步驟三和步驟四，得到設備退化報警閾值線；

步驟六：擴大置信區間范圍，置信區間更新為：其中為前k-1個樣本的健康值的均值，d＝[max(X_k-1)-min(X_k-1)]·20％；

步驟七：重復步驟四和步驟五，得到設備退化報警閾值線。

2.如權利要求1所示的一種基于極差的自適應閾值方法，其特征在于，所述健康評估方法包括馬氏距離、邏輯回歸、SOM-MQE方法。

3.如權利要求1所示的一種基于極差的自適應閾值方法，其特征在于，所述連續數函數的應用方法具體為：輸入數據為下標向量N，通過遍歷N中的每個元素來比對是否相鄰兩個元素數值相差為1，當遍歷結束后，返回N中的連自然續數，若不存連續自然數狀態，則返回N中的最后一個元素。

4.如權利要求1所示的一種基于極差的自適應閾值方法，其特征在于，所述特征值分別為均方根值、方差、標準差、最大值、最小值、平均幅值、峭度因子、波形系數、峰值、峰值因子、脈沖指標、方根幅值、裕度系數以及偏度。

5.如權利要求4所示的一種基于極差的自適應閾值方法，其特征在于，利用Fisher準則選擇的特征值均為均方根、方差、最大值、最小值。

6.一種基于極差的自適應閾值系統，其特征在于，包括：提取模塊、求解模塊、判斷模塊一、判斷模塊二、觸發判別模塊以及擴大模塊；所述提取模塊用提取原始振動信號樣本并對其求解特征值矩陣；所述求解模塊用于對所得到的特征值矩陣應用健康評估方法求解健康值；所述判斷模塊一用于判斷是否有新樣本增加，若是則更新置信區間，所述置信區間具體為：其中為前k-1個樣本的健康值的均值，d＝[max(X_k-1)-min(X_k-1)]·20％；所述判斷模塊二用于判斷增加的新樣本是否處在置信區間內，所述判斷增加的新樣本是否處在置信區間內的方法具體為：其中，x_k為第k個樣本的健康值，為前k-1個樣本的健康值的均值；判斷D是否小于d，若是則判斷增加的新樣本分布在置信區間內，否則，增加的新樣本分布在置信區間外；同時，保存處在置信區間外的新樣本的下標到向量N中，計數器p＝p+1；

所述觸發判別模塊用于判別當p＝n時，則觸發判別機制，其中n代表預先設定的判斷個數，為自然數中1到10中的任意整數；所述判別機制具體為：調用連續數函數來尋找N中的連續數；若返回的連續數個數為n，則返回的閾值線為N(1)元素對應的健康值，其中N(1)為所對應的第一個處在置信區間外的樣本下標；若返回的連續數個數小于n，則表明N中所對應的樣本為異常值，更新N、p；所述擴大模塊用于擴大置信區間范圍，置信區間更新為：其中為前k-1個樣本的健康值的均值，d＝[max(X_k-1)-min(X_k-1)]·20％。