[發明專利]一種基于往復機械活塞桿軸心軌跡包絡與信息熵特征的負荷識別方法

有效

• 申請號: 201911079879.2
• 申請日: 2019-11-07
• 公開（公告）號: CN110823543B
• 公開（公告）日: 2020-09-04
• 發明（設計）人: 張旭東;張進杰;江志農;茆志偉;王瑤
• 申請（專利權）人: 北京化工大學
• 主分類號: G01M13/00
• 分類號: G01M13/00;G01B7/02
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 劉萍

1.一種基于往復機械活塞桿軸心軌跡包絡與信息熵特征的負荷識別方法，其特征在于，包括以下步驟：

第一步，設置不同的負荷狀態Load＝{0,d,2d,3d,…,wd}，w＝0,1,2,…，其中d為負荷梯度，總工況數為(w+1)，利用往復機械在線監測系統，通過水平方向的電渦流位移傳感器和豎直方向的電渦流位移傳感器分別采集相應負荷狀態下的活塞桿原始偏擺位移X_m＝{x₁,x₂,x₃,…,x_m}和活塞桿原始沉降位移Y_m＝{y₁,y₂,y₃,…,y_m}，m為采樣點數；得到原始數據集XY_n＝{(X_m,Y_m)₁^T,(X_m,Y_m)₂^T,…,(X_m,Y_m)_n^T}^T，n為數據組數；

第二步，利用公式(1)去除原始信號X_m和原始信號Y_m的平均值，得到X′_m＝{x′₁,x′₂,x′₃,…,x′_m}和Y′_m＝{y′₁,y′₂,y′₃,…,y′_m}；原始數據集變為XY′_n＝{(X′_m,Y′_m)₁^T,(X′_m,Y′_m)₂^T,…,(X′_m,Y′_m)_n^T}^T

式中，F_m為活塞桿原始偏擺或沉降位移；F′_m為去掉平均值之后的活塞桿偏擺或沉降位移；

以偏擺傳感器測量的水平方向為X軸，以沉降傳感器測量的垂直方向為Y軸，建立平面直角坐標系，初始時刻活塞桿軸心位置記為O₀(a₀,b₀)，某一時刻活塞桿軸心位置記為O_m(a_m,b_m)，活塞桿半徑記為R，則該時刻活塞桿圓周與X軸交點為J_X(R+x′_m,0)，與Y軸交點為J_Y(0,R+y′_m)；設點O_m和點J_X連線與X軸所成夾角為θ，點O_m和點J_Y連線與點O_m所在與X軸平行的直線所成夾角為根據三角形相似定理，推導出公式(2)，公式(3)，聯立兩個公式求解活塞桿不同時刻的軸心位置O_m(a_m,b_m)，構成軸心位置分布集O＝{O₁(a₁,b₁),O₂(a₂,b₂),O₃(a₃,b₃),…,O_m(a_m,b_m)}；

公式(2)(3)中j＝1,2,3,…,m；

第三步，利用改進的離散點輪廓包絡方法計算軸心位置分布O＝{O₁(a₁,b₁),O₂(a₂,b₂),O₃(a₃,b₃),…,O_m(a_m,b_m)}的包絡特征B_ao，改進的離散點輪廓包絡方法具體步驟如下：

3.1、根據軸心位置分布O，通過尋找水平方向X上的最小值點a_l與最大值點a_r，豎直方向Y上的最小值點b_d與最大值點b_u，確定軸心位置分布的4個極限位置，分別記為O_l(a_l,b_l),O_r(a_r,b_r),O_d(a_d,b_d),O_u(a_u,b_u)，以四個極限位置點所成四邊形內部為內側，外部為外側；

3.2、分別以上述極限位置為起點，以逆時針方向，遍歷各時刻軸心位置，以斜率最小原則，提取軸心位置輪廓凸集包絡；

計算極限位置點O_d和O_r之間的凸集包絡，具體計算方法如下：

(1)將點O_d和點O_r所成線段記為L₁，則其斜率α₁表示為：

(2)假設線段L₁外側的所有普通軸心位置點集為P＝{p₁(a₁,b₁),p₂(a₂,b₂),p₃(a₃,b₃),…}，計算點O_d與P中任意一點所組成線段的斜率，記為K＝{β₁,β₂,β₃,…}；當存在多個點斜率相同的情況時，計算相應點與點O_d之間的距離，記為D＝{dis₁,dis₂,dis₃,…}；在點集P中尋找點p′(a_p,b_p)，使得點p′滿足以下條件：

β′＝minK且β′≤α₁且dis′＝maxD (5)

式(5)中，β′為點p′與點O_d所成線段的斜率，dis′為點p′與點O_d之間的距離；

所得p′點即為凸集包絡中的包絡點；

(3)用凸集包絡點p′替換點O_d；將點p′和點O_r所成線段記為L′₁，其斜率記為α′₁；進行下一輪迭代，尋找新的凸集包絡點；

(4)重復步驟(1)(2)(3)，當最新凸集包絡點與點O_r距離為0時，停止迭代，得到極限點O_d和極限點O_r之間軸心位置分布輪廓的凸集包絡，記為B′_dr＝{p′₁,p′₂,p′₃,…}；

計算極限點O_r和點O_u之間，點O_u和點O_l之間，點O_l和點O_d之間的凸集包絡B′_ru、B′_ul、B′_ld，最終得到全部軸心位置分布的凸集包絡點集B_tu＝{O_d,B′_dr,O_r,B′_ru,O_u,B′_ul,O_l,B′_ld}；

(5)由公式(6)計算軸心位置輪廓凸集包絡形成的面積S1，式中，c1為凸集包絡點數；

3.3、根據步驟3.2得到的凸集包絡，計算軸心位置分布的凹集包絡；

計算極限點O_d和極限點O_r之間的凹集包絡，取凸包絡B′_dr＝{p′₁,p′₂,p′₃,…}，以逆時針方向，逐個對B′_dr中連續兩個凸集包絡點p′₁(a_p1,b_p1)和p′₂(a_p2,b_p2)進行如下計算：

(1)將點p′₁(a_p1,b_p1)和點p′₂(a_p2,b_p2)所成線段記為L₂，線段L′斜率α₂表示為：

(2)假設線段L₂內側的所有普通軸心位置點集為Q＝{q₁(a₁,b₁),q₂(a₂,b₂),q₃(a₃,b₃),…}，計算點p′₁與Q中任意一點所組成線段的斜率，記為K′＝{β′₁,β′₂,β′₃,…}；當存在多個點斜率相同的情況時，計算相應點與點p′₁之間的距離，記為D′＝{dis′₁,dis′₂,dis′₃,…}；在點集Q中尋找點q′(a_q,b_q)，使得點q′滿足以下條件：

β″＝minK′且β″≥α₂且dis″＝minD′ (8)

式(8)中，β″為點q′與點p′₁所成線段的斜率，dis″為點q′與點p′₁之間的距離；

所得q′點即為凹集包絡中的包絡點；

(3)以凹集包絡點q′代替點p′₂，將點p′₁和點q′所成線段記為L′₂，線段L′₂斜率記為α₂；進行下一輪迭代，尋找新的凹集包絡點；

(4)重復步驟(1)(2)(3)，直至最新凹集包絡點與點p′₁之間的距離不超過M，停止迭代，最終得到極限點O_d和極限點O_r之間軸心位置分布輪廓的凹集包絡，記為B″_dr＝{q′₁,q′₂,q′₃,…}；

M初始值為全部軸心位置點的平均距離，聯立公式(9)(10)，計算M；

計算極限點O_r和點O_u之間，點O_u和點O_l之間，點O_l和點O_d之間的凹集包絡B″_ru、B″_ul、B″_ld，得到全部軸心位置分布的凹集包絡點集B_ao＝{O_d,B″_dr,O_r,B″_ru,O_u,B″_ul,O_l,B″_ld}；

(5)由公式(11)計算軸心位置輪廓上述包絡形成的面積S2，式中，c2為凹集包絡點數；

3.4、判斷步驟3.3中得到的凹集包絡點集B_ao是否為活塞桿軸心位置分布包絡特征；

(1)由公式(12)計算S2與S1的相對誤差E，當E≤5％時，終止計算，步驟3.3中得到的凹集包絡點集B_ao即為活塞桿軸心位置分布的包絡特征；

(2)當E5％時，距離M縮小50％，用S2替換S1，重復步驟3.3，獲得新的凹集包絡點集B′_ao和凹集包絡面積S2＇；由公式(13)計算S2＇與S2的相對誤差E′；重復上述步驟，直至E′≤5％，停止迭代，最后一次迭代時，步驟3.3中所得到的B′_ao即為活塞桿軸心位置分布的包絡特征；

第四步，計算軸心位置分布O的信息熵特征：由公式(14)計算軸心位置分布O中各點坐標的算術平方根值，得到算術平方根集S_m＝{s₁,s₂,s₃,…,s_m}；然后，利用公式(15)計算軸心位置分布O的信息熵特征Sh，與包絡特征組成初始特征集T＝{B_ao,Sh}；

第五步，利用T-SNE對初始特征集進行無監督降維，提取負荷敏感特征；假設初始特征集T為1×Col維特征，給定困惑度為30，學習率為1e-5，設置標簽Labels＝{0,1,2,…,w}，分別對應(w+1)種工況，將初始特征集T輸入到T-SNE算法中進行無監督降維，最終得到1×2維的負荷敏感特征集T′＝{t₁,t₂}；

第六步，首先，將在線監測系統采集的(w+1)種不同工況數據分為訓練數據集和測試數據集；然后，利用前述步驟對訓練和測試數據進行處理，分別得到最終的訓練集Train_T′和測試集Test_T′；最后，根據不同的往復機械設置BP神經網絡神經元個數為20～30，學習率為0.0005～0.001，訓練精度為0.0001～0.0005，最大迭代次數為70～100，將數據集Train_T′輸入BP神經網絡進行訓練，得到能區分往復機械(w+1)種負荷工況的分類器，利用測試集Test_T′對BP神經網絡分類器進行測試。