[發明專利]一種盾構機系統的潤滑失效在線預測方法及系統

有效

• 申請號: 202010788212.6
• 申請日: 2020-08-07
• 公開（公告）號: CN112016193B
• 公開（公告）日: 2021-05-04
• 發明（設計）人: 陳芳;潘翔;宋法山
• 申請（專利權）人: 震坤行工業超市（上海）有限公司
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06F111/10
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 王立普

1.一種盾構機系統的潤滑失效在線預測方法，其特征在于，所述方法包括：

獲取傳感器實時測量的數據；

對所述數據進行預處理；

對所述預處理后的數據進行特征提取和歸一化處理；

對所述特征提取和歸一化處理后的數據進行特征選擇；

對所述特征提取和歸一化處理后的數據進行特征選擇具體包括：提取潤滑正常情況下的多組特征量，當特征量組數大于等于100時，此類數據為正常情況數據，添加正常標簽；提取潤滑異常或者失效情況下的多組特征量，當特征量組數大于等于10時，此類數據為異常情況數據，添加異常標簽；按照Fisher計算公式得出各個特征量對正常情況和異常情況差異性的貢獻度；其中，P和Q為正常和異常兩類情況，f_l為第l個特征，μ為特征向量的均值，σ為特征向量的方差；選取前10個貢獻度最高的特征值作為用于建立潤滑衰退模型的特征量；

基于特征選擇后的數據建立潤滑衰退邏輯回歸模型；

對所述潤滑衰退邏輯回歸模型進行訓練；

基于所述訓練后的潤滑衰退邏輯回歸模型進行潤滑失效預警。

2.根據權利要求1所述的盾構機系統的潤滑失效在線預測方法，其特征在于，對所述數據進行預處理包括：

數據時間同步、工況分割以及數據清洗。

3.根據權利要求2所述的盾構機系統的潤滑失效在線預測方法，其特征在于，所述方法在對所述數據進行預處理之后還包括：

獲取工況信息；所述工況包括：工況1：非工作狀態；此狀態下無需監測；工況2：無負載工作狀態；此狀態下降低監測頻率至30分鐘一次；工況3：有負載工作狀態；此狀態下提高監測頻率至5分鐘一次；

基于所述工況信息判斷是否進行后續步驟處理。

4.根據權利要求3所述的盾構機系統的潤滑失效在線預測方法，其特征在于，基于所述工況信息判斷是否進行后續步驟處理具體包括：

判斷當前工況處于哪種工況；

當處于工況1時，不進行后續步驟處理；

當處于工況2和工況3時，進行后續步驟處理。

5.根據權利要求1所述的盾構機系統的潤滑失效在線預測方法，其特征在于，對所述預處理后的數據進行特征提取具體包括：

按照污染度顆粒尺寸的大小對原始的污染度傳感器通道測量值進行聚合獲得二次特征；

對原始數據進行求和；

對原始數據進行平均值計算。

6.根據權利要求1所述的盾構機系統的潤滑失效在線預測方法，其特征在于，對所述潤滑衰退邏輯回歸模型進行訓練具體包括：

獲取訓練樣本；所述訓練樣本為10個貢獻度最高的特征值；

基于所述訓練樣本對所述潤滑衰退邏輯回歸模型線性化處理；其中，Y_i為第i個樣本的對應的輸出結果，即歸一化之后的健康度數值，取值范圍為[0,1]，β₀,β₁是邏輯回歸模型相關參數，X_i是連續的輸入特征向量；

根據k組訓練樣本數及基于牛頓-拉夫森迭代算法求解所述潤滑衰退邏輯回歸模型公式，得到β₀、β₁數值。

7.一種盾構機系統的潤滑失效在線預測系統，其特征在于，所述系統包括：

數據獲取模塊，用于獲取傳感器實時測量的數據；

預處理模塊，用于對所述數據進行預處理；

特征提取和歸一化處理模塊，用于對所述預處理后的數據進行特征提取和歸一化處理；

特征選擇模塊，用于對所述特征提取和歸一化處理后的數據進行特征選擇；

所述特征選擇模塊用于提取潤滑正常情況下的多組特征量，當特征量組數大于等于100時，此類數據為正常情況數據，添加正常標簽；提取潤滑異常或者失效情況下的多組特征量，當特征量組數大于等于10時，此類數據為異常情況數據，添加異常標簽；按照Fisher計算公式得出各個特征量對正常情況和異常情況差異性的貢獻度；其中，P和Q為正常和異常兩類情況，f_l為第l個特征，μ為特征向量的均值，σ為特征向量的方差；選取前10個貢獻度最高的特征值作為用于建立潤滑衰退模型的特征量；

潤滑衰退邏輯回歸模型建立模塊，用于基于特征選擇后的數據建立潤滑衰退邏輯回歸模型；

訓練模塊，用于對所述潤滑衰退邏輯回歸模型進行訓練；

潤滑失效預警模塊，用于基于所述訓練后的潤滑衰退邏輯回歸模型進行潤滑失效預警。