[發明專利]基于稀疏退化建模的設備性能退化評估方法及系統

在審

• 申請號: 202210163975.0
• 申請日: 2022-02-22
• 公開（公告）號: CN114528707A
• 公開（公告）日: 2022-05-24
• 發明（設計）人: 嚴彤彤;王冬;彭志科
• 申請（專利權）人: 上海交通大學
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06F17/14;G06F17/15;G06F17/16;G06F111/04;G06F119/04
• 代理公司: 上海漢聲知識產權代理有限公司 31236
• 代理人: 胡晶

本發明提供了一種基于稀疏退化建模的設備性能退化評估方法及系統，包括：以固定的時間間隔采集振動信號的方式，收集設備全壽命周期的時域振動數據；將全壽命周期過程中所采集的振動數據序列轉化為平方包絡譜幅值；基于平方包絡譜幅值融合的全壽命周期健康指數；基于全壽命周期振動數據的平方包絡譜幅值矩陣，構建一種稀疏退化凸優化模型自動確定平方包絡譜幅值的權重；根據構建的稀疏退化凸優化模型求解平方包絡譜幅值的權重；根據全壽命周期健康指數定義計算HI，對設備全壽命周期進行早期故障檢測和單調退化評估。本發明通過采用平方包絡譜幅值融合的方法，來構造全壽命健康指數，解決設備全壽命周期早期故障檢測和單調退化評估的問題。

技術領域

本發明涉及性能退化評估的技術領域，具體地，涉及基于稀疏退化建模的設備性能退化評估方法及系統，尤其涉及基于稀疏退化建模和平方包絡譜融合的設備性能退化評估方法。

背景技術

設備服役性能退化評估一般的策略是通過構造全壽命周期健康指數來監測設備的早期故障以及實現單調的退化評估。如何構造一個合適的全壽命周期健康指數來準確評估設備退化水平一直是國內外的研究熱點。但是由于早期故障特征微弱以及強環境噪聲的存在，構造具有早期故障退化趨勢和單調退化趨勢的健康指數有一定的挑戰性。

在公開號為CN107356431A的專利文獻中公開了一種基于ADMM與稀疏組合學習的滾動軸承性能退化評估方法，所述方法包括以下步驟：(1)對滾動軸承的正常模式進行學習，利用學到的知識建立正常模式的知識庫；(2)建立基于各知識的量化指標求解器，求解被檢測的滾動軸承的量化指標Φ；(3)對量化指標Φ進行分析，實現滾動軸承性能退化程度的評估。但所構造的健康指數不具有解釋性，需要復雜的特征提取和組合學習過程。

在公開號為CN108398268A的專利文獻中公開了一種基于堆疊去噪自編碼器和自組織映射的軸承性能退化評估方法，它用于評估軸承退化技術領域。本發明解決了傳統HI曲線構建中存在的提取退化特征需依賴大量專家經驗和有監督訓練，標簽選擇需依賴人工參與的問題。本發明的6個去噪自編碼機構建堆疊去噪自編碼器來對原始振動信號數據進行多層的特征提取，訓練集數據對網絡進行預訓練后利用BP算法微調參數，將輸出的100維特征輸入SOM網絡訓練得到各時間點對應的HI，并構建訓練集的HI曲線；將測試集數據輸入訓練好的堆疊去噪自編碼器和SOM網絡中得到各時間點處的HI，并構建HI曲線；分別對訓練集和測試集的HI曲線進行平滑處理，獲得平滑處理后的HI曲線。本發明可以應用于評估軸承性能退化領域用。但所構造的健康指數不具有解釋性以及需要樣本標簽信息。

因此，需要提出一種新的技術方案以改善上述技術問題。

發明內容

針對現有技術中的缺陷，本發明的目的是提供一種基于稀疏退化建模的設備性能退化評估方法及系統。

根據本發明提供的一種基于稀疏退化建模的設備性能退化評估方法，所述方法包括如下步驟：

步驟S1：以固定的時間間隔采集振動信號的方式，收集設備全壽命周期的時域振動數據矩陣X∈R^N×M，表示如下：

其中，N表示設備全壽命周期過程中采樣次數；M表示每次采樣的樣本數；x_j，.∈R^1×M表示第j次從設備采集到的振動樣本序列，j＝1,2…,N；x_j,k表示第j次采樣中的第k個樣本點，k＝1,2,…,M；

步驟S2：基于希爾伯特變換和快速傅里葉變換將N次振動數據序列轉化為平方包絡譜幅值SES∈R^N∈M，表示如下：

其中，ses_j,k表示第j次采樣中的第k個樣本點所對應的平方包絡譜幅值，由x_j,k由基于希爾伯特變換和快速傅里葉變換得到；