[發明專利]一種基于多源信息融合的離心風機故障趨勢預測方法

有效

• 申請號: 202110443756.3
• 申請日: 2021-04-23
• 公開（公告）號: CN112966400B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 錢靜;李聰波;侯曉博;熊茂坤;張靜;曹寶;張友
• 申請（專利權）人: 重慶大學
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06N3/0455;G06N3/0442;G06F119/02
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于多源信息融合的離心風機故障趨勢預測方法，其特征在于包括以下步驟：

步驟1：根據離心風機監測采集數據，獲取能表征離心風機狀態的監測數據；

步驟2：通過多源信息特征融合方法構建得到具有退化趨勢的健康指標；

步驟3：基于步驟2得到的離心風機具有退化趨勢的健康指標，采用深度學習方法對離心風機故障趨勢預測；

步驟1獲取能表征離心風機的故障趨勢信息，離心風機多源信息集合MI表示為：

MI＝{v_h,v_v,t_bf,t_br,t_tb,t_pa,t_pb,t_pc,i_m,p_o}

式中，v_h為轉子水平方向振動，v_v為轉子垂直方向振動，t_bf為轉子前軸承溫度，t_br為轉子后軸承溫度，t_tb為轉子推力軸承溫度，t_pa為電機A相繞組溫度，t_pb為電機B相繞組溫度，t_pc為電機C相繞組溫度，i_m為電機電流，p_o為潤油壓力；

步驟2中構建具有退化趨勢的健康指標步驟如下：

(1)利用SAE提取多源傳感器信號的特征后，實現輸入數據的特征重構；

(2)通過計算網絡重構值與輸入值的差異程度可構建離心風機的退化趨勢的健康指標；

步驟3中，所述的離心風機故障趨勢預測流程為：

(1)構建離心風機的故障趨勢健康指標H并直觀展示自編碼網絡輸入值和重構值的異常；

離心風機的故障趨勢健康指標H計算公式如下：

式中，d_euc、d_cos分別為重構向量和輸入向量的歐氏距離和余弦距離，表示兩向量位置和方向的差異，X為自編碼網絡輸入值，Z為自編碼網絡重構值；dot(X,Z)表示X，Z的內積運算，·為向量的2范數；

(2)采用核密度估計方法來確定預警閾值：

式中，是指標值的核密度估計，k為傳感器信號的個數，H_i表示樣本的第i個健康指標值，K_σ2(·)是高斯密度函數，σ²是方差，設某一小概率值α，當設備處于正常運行狀態時，健康指標將落在置信度為1-α的置信區間[0，H_δ]，當設備發生故障時，健康指標將處于置信區間外，即小概率事件發生時，認為設備出現異常，H_δ即為預警閾值，其關系如下；

(3)將融合后得到的具有退化趨勢的健康指標值輸入建立的深度學習離心風機故障趨勢預測模型，預測離心風機未來一段時間健康指標的時間序列值；

(4)得到未來時間序列的具有退化趨勢的健康指標值后，實時計算離心風機的健康指標H和連續越限次數Q，當健康指標H連續超過預警閾值H_δ的次數多于Q_δ時，即QQ_δ時，發出故障預警信息。