[发明专利]一种基于异质多传感器的机械状态监测方法及系统

说明书

本发明公开了一种基于异质多传感器的机械状态监测方法及系统，其技术方案为：包括：获取多维异质传感器数据信息，建立预测模型并去除冗余信息；根据预测模型输出的预测值与传感器的监测值设计异常度指标；根据高斯分布及假设检验评估当前时刻机械状态是否异常。本发明利用多元回归分析对异质多传感信号进行数据建模，以及利用稀疏表示技术去除可能存在的信息冗余；设计相应的异常度量化和状态分析方法实现异质多传感器配置下的机械状态在线监测。

技术领域

本发明涉及机械状态监测技术领域，尤其涉及一种基于异质多传感器的机械状态监测方法及系统。

背景技术

机械状态监测技术通过对传感器采集的信息进行处理分析从而对设备健康状态给出综合评估，利用该技术可以及时发现设备不被允许的状态偏离，并为运行参数优化、生产计划调整、停机维修等提供重要指导意义，因此具有重要的工程应用价值。

然而，随着机械设备日趋高精尖，单个传感器收集的信息可能存在信息遗漏从而无法对机器的运行状态做出可靠的决定，而传感技术、通信和人工智能等技术的发展使得利用异质多传感器进行数据采集成为可能，此时不仅能够获得更全面的信息，并且当其中某个传感器信息存在遗漏时可以由其他传感器的信息来弥补。

发明人发现，利用异质多传感器进行机械状态监测存在的主要问题是异质多传感器采集的数据具有高维性并且还可能存在信息冗余，这对后续的数据处理、建模分析带来很大的困难。由于目前存在的数据降维方法不适用于异质传感器数据，且特征层融合方法又依赖于特征提取技术，使得最终状态评估结果的有效性和实时性得不到保证。

发明内容

针对现有技术存在的不足，本发明的目的是提供一种基于异质多传感器的机械状态监测方法及系统，利用多元回归分析对异质多传感信号进行数据建模，以及利用稀疏表示技术去除可能存在的信息冗余；设计相应的异常度量化和状态分析方法实现异质多传感器配置下的机械状态在线监测。

为了实现上述目的，本发明是通过如下的技术方案来实现：

第一方面，本发明的实施例提供了一种基于异质多传感器的机械状态监测方法，包括：

获取多维异质传感器数据信息，建立预测模型并去除冗余信息；

根据预测模型输出的预测值与传感器的监测值设计异常度指标；

根据高斯分布及假设检验评估当前时刻机械状态是否异常。

作为进一步的限定，通过时间与相位之间的映射将采集的多维传感器数据表示为周期形式，利用多元回归分析建立预测模型。

作为进一步的限定，在模型系数求解过程中，采用稀疏表示技术去除多余变量。

作为进一步的限定，采用最小绝对收缩和选择算子进行模型求解，通过最小化损失函数估计模型系数。

作为进一步的限定，采用多元线性方程对当前被监测时刻的数据进行拟合以获得最终的预测模型。

作为进一步的限定，根据预测值与真实值的绝对累计残差对机械偏离上一时刻的程度进行量化。

作为进一步的限定，当前n个周期被监测为正常时可以得到异常分数序列，异常分数序列在设定范围内波动。

作为进一步的限定，根据3sigma控制限定义异常分数的波动区间，并结合假设检验对机械的运行状态异常与否给出最终评估。

第二方面，本发明的实施例还提供了一种基于异质多传感器的机械状态监测实验系统，包括机械设备和固定于机械设备上的若干传感器，所述传感器采集的信号采用所述的基于异质多传感器的机械状态监测方法进行处理。

作为进一步的限定，所述传感器采集的信号首先进行归一化处理。

上述本发明的实施例的有益效果如下：