[发明专利]一种基于多维度信息融合的机械设备健康评估方法

说明书

一种基于多维度信息融合的机械设备健康评估方法，包括以下步骤：步骤1：采集机械设备所有部件的监测信号并从中提取特征值，并且按照特征值对部件历史数据进行分级；步骤2：对于每个不同的部件利用历史特征值数据训练部件健康度评估模型；步骤3：将实时采集的部件特征值输入部件健康度评估模型，推断得到实时的部件健康度值；步骤4：将机械设备不同部件的实时健康度进行信息融合，得到机械设备整体的健康度。本发明所述的机械设备健康评估技术，分别检测各个部件的特征值，可以将部件运行状态结合起来得到设备整体运行状态，更加全面的反映了设备运行的状态。

技术领域

本发明属于机械设备状态监测领域，特别涉及一种基于多维度信息融合的机械设备健康评估方法。

背景技术

机械设备在生产企业中起着至关重要的作用，通过对机械设备进行状态监测，可以提前发现机械设备潜在的安全隐患，为企业的设备维护提供决策信息，避免事故停机，保证人员安全，从而实现降本增效。

传统的机械设备状态监测是依靠单一传感器的信号进行状态评估和预警，根据单一传感器采集的单一类型振动信号计算特征值，并设置报警阈值，当该特征值超过阈值的时候报警，特征值阈值一般根据经验设置。一般的机械设备包含有多个部件，不同的部件具有不同的重要程度，传统的状态评估方法不能反映设备整体的运行状态，也没有体现出设备局部状态和整体状态之间的关系，因此传统的设备运行状态评估方法具有一定的局限性。

发明内容

本发明的目的在于提供一种基于多维度信息融合的机械设备健康评估方法，以解决上述问题。

为实现上述目的，本发明采用以下技术方案：

一种基于多维度信息融合的机械设备健康评估方法，包括以下步骤：

步骤1：将机械设备分为不同的部件，采集机械设备所有部件的监测信号并从中提取特征值，并且按照特征值对部件历史数据进行分级；

步骤2：对于每个不同的部件利用历史特征值数据训练部件健康度评估模型；

步骤3：将实时采集的部件特征值输入部件健康度评估模型，推断得到实时的部件健康度值；

步骤4：将机械设备不同部件的实时健康度进行信息融合，得到机械设备整体的健康度。

进一步的，步骤1中特征值包括振动监测系统采集的机械设备振动信号，工控系统采集的工况参数和部件相关的设备静态参数。

进一步的，步骤1中按照特征值对历史数据进行分级，分级结果对应部件的不同健康度，80％-100％对应着部件运行正常，60％-80％对应部件出现故障，高报提醒，0％-60％对应着部件出现故障，高高报提醒。

进一步的，步骤2中部件健康度模型训练过程为：

1)将每一条部件特征值向量记为x_i∈R^m，其中i＝1，2，…，n，n是部件特征值向量的样本数量，m是每个特征向量的长度，将所有的部件特征值向量按照式1归一化到[0,1]；

式1中a是x_ij，j＝1，2，…，m的最小值，b是x_ij，j＝1，2，…，m的最大值，将a和b的值保存下来作为模型的参数；

2)将归一化的部件特征向量作为输入，使用式2计算部件不同分级的特征值样本在特征空间中的中心位置和边界；

通过拉格朗日乘子法求解式2得到部件不同分级的特征值向量所处的超球体球心和半径。

进一步的，步骤3所述的模型推断过程为：