[发明专利]一种基于特征处理的复杂设备故障诊断方法有效
申请号: | 201710706030.8 | 申请日: | 2017-08-17 |
公开(公告)号: | CN107590506B | 公开(公告)日: | 2018-06-15 |
发明(设计)人: | 杨顺昆;边冲;程宇佳;许庆阳;林欧雅;陶飞 | 申请(专利权)人: | 北京航空航天大学 |
主分类号: | G06K9/62 | 分类号: | G06K9/62 |
代理公司: | 北京慧泉知识产权代理有限公司 11232 | 代理人: | 王顺荣;唐爱华 |
地址: | 100191*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 故障诊断 特征表示 数据集 复杂设备 特征处理 高维 动作电流曲线 故障诊断模型 动作电流信号 工作电流曲线 参数优化 动作曲线 构建设备 故障识别 实时采集 使用测试 特征提取 特征选择 对设备 分类器 求解 准确率 寻优 验证 诊断 分析 监督 学习 | ||
1.一种基于特征处理的复杂设备故障诊断方法,其特征在于:其步骤如下:
步骤1、按照合适的采样间隔对复杂设备的动作电流信号进行实时采集,获得设备的动作曲线数据,并分析动作电流曲线形态与设备故障类型对应的关系;
步骤2、从时域角度对设备的动作电流曲线进行区段划分,并提取各区段动作曲线数据的时间特征信息;
步骤3、从值域角度对设备的动作曲线进行区段划分,并提取各区段动作曲线数据的电流值特征信息;
步骤4、将设备动作的时间特征信息和电流值特征信息融合,构建设备动作电流曲线的高维特征表示数据集;
步骤5、使用Fisher方法对高维特征表示数据集进行特征选择,筛选出最具代表性、可分性能最好的特征,并剔除模棱两可、不易判别的特征,从而降低特征表示集的维数;
步骤6、使用PCA方法对高维特征表示数据集进行特征提取,消除冗余信息,进一步降低特征表示集的维数;
步骤7、对特征表示数据集进行划分处理,得到SVM训练样本集数据和测试样本集数据;
步骤8、在训练样本集的基础上,采用GA-PSO优化算法对SVM的参数进行寻优求解;
步骤9、使用优化的参数和训练集样本数据进行SVM监督学习,得到故障诊断模型;
步骤10、使用测试集数据对故障诊断模型的诊断准确率进行验证;
通过上述步骤,能实现基于特征处理的复杂设备故障诊断方法,该方法以复杂设备为对象,首先,根据设备不同故障模式的故障特点,对工作电流信号进行智能分区的融合特征表示;然后,使用Fisher特征选择方法对融合特征进行筛选,保留利于进行故障诊断的特征,并结合PCA方法对筛选的特征进一步提取;最后,使用GA与PSO结合的GA-PSO优化算法得到SVM优化参数,并通过参数优化的SVM方法实现故障诊断分类器,完成对设备工作电流曲线的特征数的故障识别与分析。
2.根据权利要求1所述的一种基于特征处理的复杂设备故障诊断方法,其特征在于:
在步骤1中所述的分析动作电流曲线形态与设备故障类型对应的关系,其作法如下:对设备的正常模式和典型故障模式进行分析,总结各故障模式的故障类型、发生现象以及产生原因,查找设备动作电流曲线形态与故障类型的对应关系,用于后续的故障诊断步骤。
3.根据权利要求1所述的一种基于特征处理的复杂设备故障诊断方法,其特征在于:
在步骤2中所述的从时域角度对设备的动作电流曲线进行区段划分,并提取各区段动作曲线数据的时间特征信息,其作法如下:
所述的从时域角度对设备的动作曲线进行区段划分,其具体作法如下:分析设备进行不同动作的电流信号数据,得到动作的电流值域信息,根据电流域值信息对动作曲线的时域即x轴对应设置时间分割点,这样将动作曲线的时域划分为不同区段,每个时域区段代表设备发生不同动作所持续的时间;
所述的提取各区段动作曲线数据的时间特征信息,其具体作法如下:使用时间作为自变量描述动作曲线数据的物理量,以最基本、最直观的表达方式反应设备各动作区段的工作状态;将最大值、最小值、平均值、方差值、有效值、均方差、峰峰值、峭度值、峰值因子、波形因子、脉冲因子和裕度因子作为时域特征参数,将时间域所划分的各个区段都进行最大值、最小值、平均值、方差值、有效值、均方差、峰峰值、峭度值、峰值因子、波形因子、脉冲因子和裕度因子特征参数的采集。
4.根据权利要求1所述的一种基于特征处理的复杂设备故障诊断方法,其特征在于:
在步骤3中所述的从值域角度对设备的动作曲线进行区段划分,其作法如下:首先,将动作电流曲线向电流值域即y轴进行投影,根据设备动作电流信号的采集精度对投影区间精度进行设定,这里为避免投影区间对分割电流值区域的影响,设定投影区间精度值与采集精度值一致;然后,对投影区间点数少于5点的零散电流值点置零,不计入统计;最后,根据设备的动作的电流信息对电流值域进行分段;
在步骤3中所述的提取各区段动作曲线数据的电流值特征信息,其作法如下:按照电流值域分段分析,提取各个区段的非零电流区域,并对这些区域以统计特征进行参数表示;将总数、均值、极差、众数、方差、标准差、中值、平均绝对误差作为统计特征参数,对每个区段进行总数、均值、极差、众数、方差、标准差、中值、平均绝对误差特征参数的采集,以表示设备的动作电流特征。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京航空航天大学,未经北京航空航天大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710706030.8/1.html,转载请声明来源钻瓜专利网。