[發(fā)明專利]基于復(fù)雜網(wǎng)絡(luò)的電梯曳引機(jī)轉(zhuǎn)子故障診斷信息融合方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010320015.1
• 申請(qǐng)日: 2020-04-22
• 公開(kāi)（公告）號(hào): CN111428386B
• 公開(kāi)（公告）日: 2023-04-18
• 發(fā)明（設(shè)計(jì)）人: 徐曉濱;胡家豪;章振杰;王琪冰;茹曉英;侯平智
• 申請(qǐng)（專利權(quán)）人: 杭州電子科技大學(xué)
• 主分類號(hào): G06F30/20
• 分類號(hào): G06F30/20;G06F18/25
• 代理公司: 浙江千克知識(shí)產(chǎn)權(quán)代理有限公司 33246
• 代理人: 周希良

本發(fā)明涉及一種基于復(fù)雜網(wǎng)絡(luò)的電梯曳引機(jī)轉(zhuǎn)子故障診斷信息融合方法。本發(fā)明通過(guò)計(jì)算特征參數(shù)間的Pearson系數(shù)獲取其相關(guān)性，根據(jù)相關(guān)性強(qiáng)弱對(duì)特征參數(shù)進(jìn)行分組；分別根據(jù)各組的故障樣本數(shù)據(jù)，計(jì)算樣本數(shù)據(jù)向量間的相似度，構(gòu)建故障數(shù)據(jù)復(fù)雜網(wǎng)絡(luò)；利用復(fù)雜網(wǎng)絡(luò)社團(tuán)劃分方法獲取各組的似然信度表和參考中心向量，進(jìn)而得到相應(yīng)的參考證據(jù)；針對(duì)在線獲取的故障特征向量，分別激活各組的診斷證據(jù)，利用Dempster組合規(guī)則進(jìn)行證據(jù)融合，利用融合后的證據(jù)做出故障決策，得到該在線故障特征數(shù)據(jù)所對(duì)應(yīng)的故障類型。本發(fā)明在復(fù)雜網(wǎng)絡(luò)的基礎(chǔ)上進(jìn)行故障診斷證據(jù)的融合推理，利用多源診斷信息有效提高了電梯曳引機(jī)轉(zhuǎn)子故障診斷精度。

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于復(fù)雜網(wǎng)絡(luò)的電梯曳引機(jī)轉(zhuǎn)子故障診斷信息融合方法，屬于電梯設(shè)備狀態(tài)監(jiān)測(cè)與故障診斷技術(shù)領(lǐng)域。

背景技術(shù)

曳引機(jī)是電梯的動(dòng)力設(shè)備，由電動(dòng)機(jī)、制動(dòng)器、聯(lián)軸器、減速箱、曳引輪、機(jī)架等組成，其功能是輸送與傳遞動(dòng)力使電梯正常運(yùn)行。由于電梯運(yùn)行工況復(fù)雜多變，加之安裝、操作、維保過(guò)程中的不確定因素，使得作為“電梯心臟”的曳引機(jī)故障頻發(fā)，影響了電梯的安全運(yùn)行，甚至引發(fā)安全事故，造成人員傷亡和經(jīng)濟(jì)損失。因此，對(duì)曳引機(jī)進(jìn)行狀態(tài)監(jiān)測(cè)，并準(zhǔn)確高效地診斷出故障的根源勢(shì)在必行。

目前的電梯曳引機(jī)大多采用永磁同步無(wú)齒輪曳引機(jī)，包括機(jī)座、定子、轉(zhuǎn)子體、制動(dòng)器等，永磁體固定在轉(zhuǎn)子體的內(nèi)壁上，轉(zhuǎn)子體通過(guò)鍵安裝于軸上，軸安裝在后機(jī)座上的雙側(cè)密封深溝球軸承和安裝在前機(jī)座上的調(diào)心滾子軸承上。通過(guò)振動(dòng)信號(hào)對(duì)故障進(jìn)行辨識(shí)是一個(gè)常用機(jī)械設(shè)備診斷策略。曳引機(jī)在運(yùn)行過(guò)程中多個(gè)部件都會(huì)發(fā)生振動(dòng)，如何有效利用此類振動(dòng)信號(hào)是實(shí)現(xiàn)精確故障診斷的關(guān)鍵。考慮到采集的振動(dòng)信號(hào)樣本數(shù)據(jù)之間的存在關(guān)聯(lián)性和多樣性，若能深入挖掘和利用數(shù)據(jù)的此類特性，則必將提高診斷結(jié)果的有效性。

復(fù)雜網(wǎng)絡(luò)作為一種新興的理論工具，能夠?qū)?shí)體(數(shù)據(jù))之間的關(guān)聯(lián)關(guān)系進(jìn)行有效建模和分析，為解決數(shù)據(jù)關(guān)聯(lián)性分析問(wèn)題提供了支撐。同時(shí)，信息融合方法通過(guò)多源診斷數(shù)據(jù)的整合，能夠?qū)Χ鄻踊臄?shù)據(jù)妥善處置。因此，本發(fā)明提出了一種基于復(fù)雜網(wǎng)絡(luò)的電梯曳引機(jī)轉(zhuǎn)子故障診斷信息融合方法。

發(fā)明內(nèi)容

本發(fā)明針對(duì)現(xiàn)有技術(shù)的不足，提出一種了基于復(fù)雜網(wǎng)絡(luò)的電梯曳引機(jī)轉(zhuǎn)子故障診斷信息融合方法。

本發(fā)明通過(guò)計(jì)算特征參數(shù)間的Pearson系數(shù)獲取其相關(guān)性，根據(jù)相關(guān)性強(qiáng)弱對(duì)特征參數(shù)進(jìn)行分組；分別根據(jù)各組的故障樣本數(shù)據(jù)，計(jì)算樣本數(shù)據(jù)向量間的相似度，構(gòu)建故障數(shù)據(jù)復(fù)雜網(wǎng)絡(luò)；利用復(fù)雜網(wǎng)絡(luò)社團(tuán)劃分方法獲取各組的似然信度表和參考中心向量，進(jìn)而得到相應(yīng)的參考證據(jù)；針對(duì)在線獲取的故障特征向量，分別激活各組的診斷證據(jù)，利用Dempster組合規(guī)則進(jìn)行證據(jù)融合，利用融合后的證據(jù)做出故障決策，得到該在線故障特征數(shù)據(jù)所對(duì)應(yīng)的故障類型，該方法對(duì)故障特征數(shù)據(jù)進(jìn)行處理時(shí)，未對(duì)數(shù)據(jù)的變化特性、格式、精度等作出任何約束與限制，方便了工程實(shí)現(xiàn)，通過(guò)融合證據(jù)可以做出精確的診斷。

本發(fā)明提出的一種基于復(fù)雜網(wǎng)絡(luò)的電梯曳引機(jī)轉(zhuǎn)子故障診斷信息融合方法，包括以下步驟：

(1)設(shè)定電梯曳引機(jī)轉(zhuǎn)子的故障集合Θ＝{F₁,…,F_i,…,F_N|i＝1,2,…,N}，F(xiàn)_i表示故障集合Θ中的第i個(gè)故障，N為電梯曳引機(jī)轉(zhuǎn)子所含故障模式的個(gè)數(shù)。

(2)設(shè)f_1,i，f_2,i和f_3,i為能夠反映故障集合Θ中每個(gè)故障F_i的故障特征參數(shù)，該特征參數(shù)為加速度信號(hào)，分別由風(fēng)扇端、電機(jī)基座和電機(jī)殼體驅(qū)動(dòng)端的加速度傳感器提供；