基于時域參數(shù)與d-s證據(jù)理論的轉(zhuǎn)子運行狀態(tài)監(jiān)測方法
【技術(shù)領(lǐng)域】：
[0001] 本發(fā)明屬于機(jī)械設(shè)備故障診斷領(lǐng)域，具體涉及一種基于時域參數(shù)與D-S證據(jù)理論 的轉(zhuǎn)子運行狀態(tài)監(jiān)測方法。
【背景技術(shù)】：
[0002] 大型旋轉(zhuǎn)機(jī)械作為現(xiàn)代大部分工業(yè)生產(chǎn)中的核心設(shè)備，其安全平穩(wěn)運行對電力、 冶金、交通、機(jī)床、煉油、汽車制造等企業(yè)至關(guān)重要。隨著科學(xué)技術(shù)的進(jìn)步與發(fā)展，機(jī)械設(shè)備 性能越來越好的同時，對設(shè)備平穩(wěn)運行能力的要求也越來越高。轉(zhuǎn)子作為旋轉(zhuǎn)機(jī)械的工作 主體，是故障高發(fā)部位，因此對轉(zhuǎn)子狀態(tài)的監(jiān)測與判定具有很大的經(jīng)濟(jì)效益和社會意義，將 大大促進(jìn)我國重型基礎(chǔ)裝備的發(fā)展。
[0003] 提取轉(zhuǎn)子狀態(tài)的特征，即采用適當(dāng)?shù)姆椒?，從采集的信號中提取出轉(zhuǎn)子各狀態(tài)的 特征信息，信號處理是特征提取最常用的方法。時域特征參數(shù)主要包括均值、標(biāo)準(zhǔn)差、峰值、 有效值、偏斜度、峭度等統(tǒng)計量，以及一些無量綱指標(biāo)，如：峰值指標(biāo)、脈沖指標(biāo)、裕度指標(biāo) 等。這些特征參數(shù)計算簡單，物理意義明確，因而很早就被應(yīng)用于各種機(jī)械的故障檢測和狀 態(tài)分析。對于轉(zhuǎn)子系統(tǒng)來說，單源或單通道的時域特征參數(shù)很難準(zhǔn)確的區(qū)分轉(zhuǎn)子的狀態(tài)，所 以對時域參數(shù)來區(qū)分轉(zhuǎn)子狀態(tài)類別需要融合多方面信息。
[0004] D-S證據(jù)理論是一種非精確的推理方法，被廣泛用于信息融合、專家系統(tǒng)、情報分 析、法律案件分析、多屬性決策分析等眾多領(lǐng)域。由于在證據(jù)理論中需要的先驗數(shù)據(jù)比概率 推理理論中的更為直觀、更容易獲得，再加上Dempster合成公式可以綜合不同專家或數(shù)據(jù) 源的知識或數(shù)據(jù)，將多通道信息進(jìn)行融合，避免單一狀態(tài)特征信息引起對狀態(tài)判別的片面 性，因此能快速、全面、可靠的反應(yīng)出轉(zhuǎn)子的狀態(tài)信息。

【發(fā)明內(nèi)容】
：
[0005] 本發(fā)明的目的在于彌補(bǔ)單通道信息對轉(zhuǎn)子系統(tǒng)狀態(tài)監(jiān)測的片面性和其他狀態(tài)監(jiān) 測方法的繁瑣性，融合多通道信息，全面、快速、準(zhǔn)確區(qū)分轉(zhuǎn)子的狀態(tài)類型，提供了一種基于 時域參數(shù)與D-S證據(jù)理論的轉(zhuǎn)子運行狀態(tài)監(jiān)測方法。
[0006] 為達(dá)到上述目的，本發(fā)明采用如下技術(shù)方案來實現(xiàn)的：
[0007] 基于時域參數(shù)與D-S證據(jù)理論的轉(zhuǎn)子運行狀態(tài)監(jiān)測方法，包括以下步驟：
[0008] 1)獲取旋轉(zhuǎn)機(jī)械轉(zhuǎn)子系統(tǒng)的常見狀態(tài)的歷史振動數(shù)據(jù)集；
[0009] 2)從歷史振動數(shù)據(jù)中計算各狀態(tài)的時域參數(shù)，每種狀態(tài)構(gòu)造一個時域參數(shù)的多維 向量，作為識別標(biāo)準(zhǔn)向量；
[0010] 3)采集旋轉(zhuǎn)機(jī)械轉(zhuǎn)子系統(tǒng)在線的多通道的振動數(shù)據(jù)，作為測試樣本；
[0011] 4)將每個采集通道的測試樣本進(jìn)行處理，計算時域參數(shù)，每個數(shù)據(jù)得到一個關(guān)于 時域參數(shù)的多維向量，作為判別向量；
[0012] 5)通過計算每個判別向量與識別標(biāo)準(zhǔn)向量兩個多維向量之間的歐氏距離，進(jìn)行測 度，得到距離向量；
[0013] 6)通過反比例法和歸一化處理將距離向量轉(zhuǎn)化為概率分配函數(shù)值的向量；
[0014] 7)最后通過D-S證據(jù)理論將各通道概率進(jìn)行融合得到旋轉(zhuǎn)機(jī)械轉(zhuǎn)子狀態(tài)判別的結(jié) 果。
[0015] 本發(fā)明進(jìn)一步的改進(jìn)在于:所述步驟1)中獲得旋轉(zhuǎn)機(jī)械轉(zhuǎn)子系統(tǒng)的常見狀態(tài)包括 轉(zhuǎn)子不對中故障、轉(zhuǎn)子不平衡故障、轉(zhuǎn)子裂紋故障、轉(zhuǎn)子碰磨故障和轉(zhuǎn)子正常五種狀態(tài)。
[0016] 本發(fā)明進(jìn)一步的改進(jìn)在于:所述步驟2)中計算的時域參數(shù)包括平均值、均方根值、 方差、標(biāo)準(zhǔn)差、方根幅值、平均幅值、均方根幅值、峰值、峰峰值、波形指標(biāo)、峰值指標(biāo)、脈沖指 標(biāo)、裕度指標(biāo)、偏斜度指標(biāo)和峭度指標(biāo);其中識別標(biāo)準(zhǔn)向量是5個代表各轉(zhuǎn)子狀態(tài)的15維向 量；
[0017] 各參數(shù)數(shù)計算方法如下表1:
[0018]
[0019] 式中：x⑴為振動數(shù)據(jù)大小，t為時間，T是振動數(shù)據(jù)的觀測時間
為偏斜度
dt:為峭度。
[0020] 本發(fā)明進(jìn)一步的改進(jìn)在于:所述步驟3)中振動數(shù)據(jù)的采集為對每個測量面同步采 集的兩路相互垂直的振動數(shù)據(jù)。
[0021] 本發(fā)明進(jìn)一步的改進(jìn)在于:所述步驟5)中每個判別向量與識別標(biāo)準(zhǔn)向量的歐氏距 離dij的計算公式如下：
[0022]
[0023]其中，Xi為判別向量，Bj為識別標(biāo)準(zhǔn)向量中的向量，η為向量維數(shù)，即n = 15,Xik為判 另ll向量Xi中的元素 ，b jk為識別標(biāo)準(zhǔn)向量B j中的元素。
[0024] 本發(fā)明進(jìn)一步的改進(jìn)在于:所述步驟6)中概率分配函數(shù)值Cij的計算公式如下： [0025]
[0026] 其中dij為兩個向量的歐氏距離，m為距離向量的維數(shù)，即m=5。
[0027] 本發(fā)明進(jìn)一步的改進(jìn)在于:所述步驟7)中多通道對應(yīng)多個傳感器，轉(zhuǎn)子每個測量 面對應(yīng)兩個相互垂直的傳感器，D-S證據(jù)理論將各通道信息進(jìn)行融合，從而全面反應(yīng)轉(zhuǎn)子的 狀態(tài)信息。
[0028] 與現(xiàn)有技術(shù)相比，本發(fā)明具有以下的有益效果：
[0029]本發(fā)明所述是基于時域參數(shù)與D-S證據(jù)理論的轉(zhuǎn)子運行狀態(tài)監(jiān)測方法，根據(jù)時域 參數(shù)能全面反應(yīng)振動數(shù)據(jù)的特征且計算方便和D-S證據(jù)理論能融合多通道信息、全面反應(yīng) 系統(tǒng)狀態(tài)的特點，通過轉(zhuǎn)子系統(tǒng)的歷史振動數(shù)據(jù)的時域參數(shù)構(gòu)造識別標(biāo)準(zhǔn)向量，繼而通過 計算在線采集數(shù)據(jù)的時域參數(shù)構(gòu)造判別向量，計算判別向量與識別標(biāo)準(zhǔn)向量的歐氏距離， 通過距離的反比例法計算得到轉(zhuǎn)子系統(tǒng)各狀態(tài)的概率，最后通過D-S證據(jù)理論將多通道的 信息進(jìn)行融合得到最終的結(jié)果，提高狀態(tài)識別結(jié)果的準(zhǔn)確性，大大地減小了傳統(tǒng)片面信息 造成的診斷的不精確和資源信息浪費的現(xiàn)象，拓展了旋轉(zhuǎn)機(jī)械故障監(jiān)測的水平和范圍，為 旋轉(zhuǎn)機(jī)械健康可靠地運行提供有力支持。
【附圖說明】：
[0030] 圖1為本發(fā)明的基本流程圖；
[0031] 圖2為D-S證據(jù)理論融合多通道信息的框圖。
【具體實施方式】：
[0032]以下結(jié)合附圖對本發(fā)明作進(jìn)一步的詳細(xì)說明。
[0033] 本發(fā)明主要針對旋轉(zhuǎn)機(jī)械的轉(zhuǎn)子系統(tǒng)運行時常見的狀態(tài)識別與診斷，圖1為本發(fā) 明的基本流程圖，具體實施步驟如下。
[0034] 步驟1)首先要獲取轉(zhuǎn)子系統(tǒng)常見故障(包括轉(zhuǎn)子不對中、轉(zhuǎn)子不平衡、轉(zhuǎn)子裂紋和 轉(zhuǎn)子碰磨）的樣本數(shù)據(jù)和轉(zhuǎn)子系統(tǒng)處于正常狀態(tài)時的數(shù)據(jù)樣本；
[0035] 步驟2)對5類典型轉(zhuǎn)子狀態(tài)數(shù)據(jù)通過時域統(tǒng)計分析獲得相應(yīng)的表征狀態(tài)特征的如 表1中的15個時域特征參數(shù)，所有的時域特征參數(shù)構(gòu)成特征向量，即5類轉(zhuǎn)子狀態(tài)的識別標(biāo) 準(zhǔn)向量B = (，B2，B3，B4，B5)，其中也代表轉(zhuǎn)子不對中，B2代表轉(zhuǎn)子不平衡，B 3代表轉(zhuǎn)子裂紋， B4代表轉(zhuǎn)子碰磨，B5R表轉(zhuǎn)子正常；
[0036] 步驟3)采集轉(zhuǎn)子系統(tǒng)在線4通道的振動數(shù)據(jù)，作為測試樣本；
[0037] 步驟4)將每個采集通道的測試樣本進(jìn)行處理，計算時域特征參數(shù)，每個數(shù)據(jù)得到 一個關(guān)于時域特征參數(shù)的15維向量，作為判別向量X，Xi代表第一通道判別向量，X 2代表第二 通道判別向量，Χ3代表第三通道判別向量，Χ4代表第四通道判別向量；
[0038]步驟5)通過計算每個判別向量與識別標(biāo)準(zhǔn)向量中每種狀態(tài)向量之間的歐氏距離， 進(jìn)行測度，每計算一次得到一個5維的距離向量D，距離向量D中的元素， ，
表示第i的通道的判別向量與第j個識別向量之間的距離；
[0039] 步驟6)通過反比例法和歸一化處理將距離向量轉(zhuǎn)化為概率分配函數(shù)值的一個5維 向量C，向量C中元素
[0040]
[0041] 其中，(?表示第第i個通道的測試數(shù)據(jù)為轉(zhuǎn)子第j種狀態(tài)的概率大小；
[0042] 7)最后通過D-S證據(jù)理論將4通道概率進(jìn)行融合，其過程框圖如圖2所示，得到采集 數(shù)據(jù)時轉(zhuǎn)子狀態(tài)的判別結(jié)果的一個5維向量P，向量P中的元素代表轉(zhuǎn)子為各狀態(tài)的概率大 小。
[0043] 為了檢驗本發(fā)明方法的準(zhǔn)確性和實用性，做了以下實施例，針對某一旋