本發(fā)明涉及對工程系統(tǒng)的健康分析領域,具體涉及一種基于臨界相變理論的工程系統(tǒng)健康分析系統(tǒng)和方法。
背景技術:
目前,工程系統(tǒng)健康分析研究主要分為三個方面:故障診斷、故障預測和健康管理。在故障診斷方面,現(xiàn)有研究使用基于模型的智能決策方法對機電系統(tǒng)進行故障診斷,同時也有研究使用案例推理(case-basedreasoning,簡稱cbr)智能方法,如在航空系統(tǒng)中嘗試通過基于案例推理的方案和遺傳算法對波音747-700進行故障診斷;在故障預測方面,有研究使用模糊神經(jīng)技術對系統(tǒng)的故障進行預測分析,也有部分研究基于神經(jīng)網(wǎng)絡來預測系統(tǒng)故障和評估設備剩余壽命,目前水利發(fā)電系統(tǒng)有在神經(jīng)網(wǎng)絡預測故障方面做出一些嘗試,懸掛機械系統(tǒng)通過使用基于模型的決策手段分析和評估系統(tǒng)部件的剩余使用壽命,也有研究專注于使用統(tǒng)計數(shù)據(jù)驅動的方法評估部件的使用壽命;在健康管理方面,有研究使用機器學習和知識發(fā)現(xiàn)方法對工程系統(tǒng)進行健康管理,飛機控制系統(tǒng)通過使用基于模型的決策方法嘗試對系統(tǒng)進行健康管理。
然而,上述研究方法對工程系統(tǒng)的故障診斷和預測大多局限于單個部件或單個變量的狀態(tài)檢測和故障診斷,由于工程系統(tǒng)中部件和狀態(tài)數(shù)量眾多,各部件之間關聯(lián)越來越復雜,部件層面的故障診斷不便于全面反映系統(tǒng)級狀態(tài)變遷。而且健康分析系統(tǒng)對機理知識依賴度較大,且難以用于實時預測。目前有少量研究在系統(tǒng)級健康管理方面做出嘗試,如一些研究者利用貝葉斯網(wǎng)絡設計預警系統(tǒng)安全狀態(tài)的集成方法,該研究以燃氣系統(tǒng)為應用,不僅對部件的安全性做分析,還對系統(tǒng)級的隱患做出預測,取得一定成果,但是針對系統(tǒng)級狀態(tài)變遷和健康管理的研究相對較少,仍處于不成熟階段。
復雜系統(tǒng)理論是一種近年來新興的進行系統(tǒng)級特性分析的理論依據(jù),mscheffer在《nature》上提出在復雜系統(tǒng)中預測系統(tǒng)臨界相變點的理論,引起了各界關注,目前復雜系統(tǒng)理論已被應用于經(jīng)濟學、生態(tài)學、金融學、醫(yī)學、統(tǒng)計物理學各個學科來進行系統(tǒng)級的研究。復雜系統(tǒng)是具有中等數(shù)目基于局部信息做出行動的智能性、自適應性主體的系統(tǒng)。在復雜系統(tǒng)中通常存在系統(tǒng)臨界相變點,使得系統(tǒng)在這一時間點從一個狀態(tài)突然轉變?yōu)榱硪粋€狀態(tài)。在醫(yī)學方面存在自發(fā)性系統(tǒng)故障,如癲癇或哮喘發(fā)作;在金融方面存在系統(tǒng)崩盤現(xiàn)象;在氣候方面,有氣候突變現(xiàn)象發(fā)生。當系統(tǒng)臨近臨界相變點時,系統(tǒng)便處于不穩(wěn)定狀態(tài)。發(fā)布于《nature》上的研究表明,在復雜系統(tǒng)臨近臨界相變點時,系統(tǒng)通常會具備一些普遍的特性:第一,當復雜系統(tǒng)接近系統(tǒng)臨界相變點時,系統(tǒng)在受到干擾之后恢復到正常狀態(tài)的速度會減慢,即臨界慢化現(xiàn)象(criticalslowingdown);第二,在時間序列上系統(tǒng)的前后狀態(tài)變得越來越相似;第三,系統(tǒng)在臨近系統(tǒng)臨界點時,系統(tǒng)的自相關性會逐漸增強。上述復雜系統(tǒng)理論已經(jīng)在多個領域得到應用,以尋找系統(tǒng)的臨界相變點。如在氣象學方面,通過分析氣候系統(tǒng)的自相關性增強反映系統(tǒng)臨界慢化現(xiàn)象,以判斷系統(tǒng)是否接近于臨界相變點,從而預判氣候發(fā)生急劇變化。在生態(tài)學方面,通過監(jiān)測湖泊系統(tǒng)的狀態(tài)方差是否增加來預測湖泊富營養(yǎng)化這一臨界相變點。在社會學方面,通過分析系統(tǒng)出現(xiàn)臨界慢化現(xiàn)象來預測人口崩潰這一系統(tǒng)突變狀態(tài)。
但是,目前尚沒有研究人員想到將臨界相變應用于工程系統(tǒng)中,這是因為臨界相變理論主要運用于生態(tài)、環(huán)境、社會、金融等具備復雜系統(tǒng)動力學特性的系統(tǒng)中,這些中都具有較大的隨機性,并且其動力學方程很難用動力學方程來解析描述,而工程系統(tǒng)因為是人為設計的,其系統(tǒng)動力學往往被認為可以通過精確的系統(tǒng)動力學方程來描述,因此,鑒于工程系統(tǒng)與以上系統(tǒng)在形式上的巨大差別造成相關領域科研人員未曾想到將臨界相變理論運用于工程系統(tǒng)健康分析研究中。
技術實現(xiàn)要素:
針對工程系統(tǒng)健康分析中無法全面反映系統(tǒng)級狀態(tài)的變遷,以及健康分析系統(tǒng)對機理知識依賴度較大、難以實時預測的問題,本發(fā)明利用工程系統(tǒng)的系統(tǒng)級隨機動力學特性,基于臨界相變理論,通過對工程系統(tǒng)預警信號指標分析,實現(xiàn)對系統(tǒng)級健康分析理論的支撐。
本發(fā)明的申請人發(fā)現(xiàn),雖然工程系統(tǒng)與生態(tài)、環(huán)境、社會、金融等系統(tǒng)在形式上具有巨大差別,但是臨界相變理論運用于工程系統(tǒng)仍有較大的適用性,且能較好的進行工程系統(tǒng)健康分析。
具體而言,本發(fā)明提供一種基于臨界相變理論的工程系統(tǒng)健康分析系統(tǒng),其特征在于,所述系統(tǒng)包括如下單元:
信號采集單元,所述信號采集單元用于采集所述工程系統(tǒng)中與所述工程系統(tǒng)工作狀態(tài)相關的具有時序性的信號;
信號分析單元,所述信號分析單元用于對所采集的信號進行預處理并基于預處理后的信號進行臨界相變分析。
在一種優(yōu)選實現(xiàn)方式中,所述信號分析單元還包括:交互展示單元,所述交互展示單元用于輸出或展示所述臨界相變分析的結果。
在另一種優(yōu)選實現(xiàn)方式中,所述信號分析單元用于基于預處理后的信號進行與所述工程系統(tǒng)失效相關的隨機波動信號的提純。
在另一種優(yōu)選實現(xiàn)方式中,對所采集的信號進行預處理包括對所采集的信號進行重采樣。
在另一種優(yōu)選實現(xiàn)方式中,所述隨機波動信號提純過程包括:去除系統(tǒng)失效不敏感狀態(tài)和系統(tǒng)工作狀態(tài)下的趨勢信號,僅提取系統(tǒng)失效相關的隨機波動信號。
另一方面,本發(fā)明提供一種基于臨界相變理論的工程系統(tǒng)健康分析方法,其特征在于,所述方法包括如下步驟:
1)采集所述工程系統(tǒng)中具有時序性的信號,
2)對所采集的信號進行預處理,
3)基于預處理后的信號進行臨界相變分析。
在另一種優(yōu)選實現(xiàn)方式中,所述方法還包括:輸出或展示臨界相變分析的結果。
在一種優(yōu)選實現(xiàn)方式中,所述方法還包括:基于預處理后的信號進行與所述工程系統(tǒng)失效相關的隨機波動信號的提純。
在另一種優(yōu)選實現(xiàn)方式中,對所采集的信號進行預處理包括對所采集的信號進行重采樣。
在另一種優(yōu)選實現(xiàn)方式中,所述隨機波動信號提純過程包括:去除系統(tǒng)失效不敏感狀態(tài)和系統(tǒng)工作狀態(tài)下的趨勢信號,僅提取系統(tǒng)失效相關的隨機波動信號。本發(fā)明中所提到的信號采集單元可運用所有能夠采集時序性信號的方法或裝置進行信號采集,包括但不限于人工測量或加裝傳感裝置輔助測量等。需要說明的是,本發(fā)明中所提到的時序性信號指的是:按照時間序列采集的傳感器信號。任何具有時序性特點的信號,隨時間具有變化性的信號都包含在本發(fā)明的范圍內(nèi),比如:軸承轉動過程中所采集的振動信號、列車的運行過程中的軸溫傳感信號。
需要說明的是,本發(fā)明中,去除失效不敏感狀態(tài)是指基于系統(tǒng)特點分析相關信號將對系統(tǒng)失效影響較小的信號剔除。系統(tǒng)工作狀態(tài)下的趨勢信號可以通過趨勢學習方法求取并去除系統(tǒng)整體狀態(tài)趨勢。所述趨勢學習方法可選用但不限于高斯擬合方式,具體可基于系統(tǒng)特點選擇擬合學習方法。本發(fā)明中,所述臨界相變預警信號分析:是指選用合適的指標指示臨界相變現(xiàn)象。主要表征包括但不限于臨界慢化(criticalslowingdown)和對稱偏移(deviatingskewness)。其中臨界慢化現(xiàn)象主要包括自相關(autocorrelation)和變異(variance)指標信號增強。
本發(fā)明的有益效果是:
(1)本發(fā)明跳出目前對工程系統(tǒng)所采用的健康分析的傳統(tǒng)方式,著眼于復雜機電系統(tǒng)的隨機動力學特性,以新的系統(tǒng)級研究視角進行健康分析研究。是一種針對工程系統(tǒng)的通用系統(tǒng)和方法。
(2)本發(fā)明將原本人們認為并不適用于工程系統(tǒng)的臨界相變理論應用于工程系統(tǒng)健康分析。將臨界相變理論應用于工程系統(tǒng)上,為工程系統(tǒng)健康分析提供了新的切入點;意外收到了良好的分析效果。本發(fā)明能夠全面反映系統(tǒng)級狀態(tài)的變遷,實現(xiàn)實時預測,且具有較好的適用性。
附圖說明
圖1為本發(fā)明的工程系統(tǒng)健康分析系統(tǒng)的示意性架構圖;
圖2為本發(fā)明的工程系統(tǒng)健康分析方法的實施流程圖;
圖3為工程系統(tǒng)中所用到的絕緣柵雙極晶體管的集電極信號圖;
圖4為本發(fā)明中隨機波動信號提純過程示意圖,其中a、b、c分別代表去除系統(tǒng)失效不敏感狀態(tài)的過程,去除趨勢信號的過程以及最終得到的系統(tǒng)失效相關的隨機波動信號;
圖5是工程系統(tǒng)中的絕緣柵雙極晶體管臨界相變預警信號指標;
圖6為工程系統(tǒng)中的軸承的振動信號;
圖7為本發(fā)明中臨界相變預警信號指標示例;
圖8為本發(fā)明實施例3中的分析方法的示意性流程圖。
具體實施方式
本實施例中基于臨界相變理論工程系統(tǒng)健康分析系統(tǒng)包括如下單元:信號采集單元、信號分析單元、交互展示單元。
其中信號采集單元主要是運用所有能夠采集時序信號的方法,如人工測量、加裝傳感裝置輔助測量等,從工程系統(tǒng)中獲取任何具有時序性的信號。信號分析單元主要完成數(shù)據(jù)的預處理與臨界相變分析工作。交互展示單元主要對臨界相變信號分析結果進行展示。
實施例1
本實施例中基于臨界相變理論工程系統(tǒng)健康分析方法包括如下步驟:
1)工程系統(tǒng)信號采集
本發(fā)明的健康分析主要是基于物理信號的健康分析,尤其是基于傳感器測得的物理信號進行的分析的。在工程系統(tǒng)中,比如,為了測量航空發(fā)動機的轉速或壓力;驅動電機的電流或電壓,會用到絕緣柵雙極晶體管。
這里,僅以絕緣柵雙極晶體管進行信號處理過程的詳細說明。獲取絕緣柵雙極晶體管(insulatedgatebipolartranslator)的集電極電流(collectorcurrent)信號,獲取的信號如附圖3所示。通過分析該晶體管的信號可以分析該晶體管所在的工程系統(tǒng)的健康狀態(tài)。
2)信號預處理,
該步驟主要分兩部分,第一部分是通過處理獲取時序數(shù)據(jù),第二部分是隨機波動信號提純。
傳感器數(shù)據(jù)因為受到多種環(huán)境因素的影響,常常會存在不一致,缺失和重復的數(shù)據(jù)。為了獲取等時間間距的時序數(shù)據(jù),我們首先去除重復和不一致的數(shù)據(jù),在此基礎上對缺失數(shù)據(jù)進行插值,最后對已插值的數(shù)據(jù)進行重采樣作為隨機波動信號提取過程的輸入。
假設我們有時序信號{x1,x2,x3,…,xn},分別對應時刻{t1,t2,t3,…,tn}的觀測值。時序信號中存在的任意缺失值表示為(tk,xk)。我們可以使用線性插值(1)計算缺失值。也可以使用p次多項式對已知的時序信號進行回歸得到(2),則缺失值xk=f(tk)。我們還可以使用p次樣條插值,首先需要將時序信號分割成不相交的分段,s1,s2,s3,…sm,對于每個分段使用p次多項式進行回歸學習得到(3),那么缺失值xk=g(tk).
(ta,xa),(tb,xb)為缺失點(tk,xk)前后的兩個相鄰的觀察點。
不同信號對系統(tǒng)失效敏感性不同,有些信號甚至無法感知系統(tǒng)失效,因此為了提升臨界相變預警信號的強度,本實例基于系統(tǒng)的先驗知識、專家知識和相關性分析等方式對獲取的信號進行系統(tǒng)失效相關的隨機波動信號提純?;跁r序數(shù)據(jù)的可分解性,我們利用有效的方法對信號進行分解并提取出與系統(tǒng)穩(wěn)定性高度相關的隨機波動信號。
隨機波動信號提純主要包括去除系統(tǒng)失效不敏感狀態(tài)和系統(tǒng)工作狀態(tài)下的趨勢信號,從而提取到系統(tǒng)失效相關的隨機波動信號作為分析內(nèi)容。
其中去除失效不敏感狀態(tài)主要是基于系統(tǒng)特點分析相關信號將對系統(tǒng)失效影響較小的信號剔除。以絕緣柵雙極晶體管的信號為例,如附圖4a所示即為從圖3中所示信號中截取的一個片段,我們利用可視化分析結合系統(tǒng)相關的先驗知識確定工作狀態(tài)數(shù)(如圖3,4a,信號工作于兩個工作態(tài),高工作態(tài)和低工作態(tài)),并鑒別出對系統(tǒng)失效敏感的工作態(tài)(如圖4a,4b,信號的低工作態(tài)為敏感態(tài))因此,信號分析單元的預處理模塊可以對處于高工作態(tài)的信號進行去除,留下失效敏感的低工作態(tài)信號即為圖b中所示信號。
對敏感信號還需去除系統(tǒng)工作狀態(tài)下的趨勢信號,即剔除符合某一給定規(guī)律的子信號以獲得殘差,此處的殘差也就是反映了系統(tǒng)穩(wěn)定性的隨機波動信號。對于規(guī)律子信號的提取,我們可以使用通用的方法,比如多項式回歸(公式2),高斯核回歸(公式4),自回歸(公式5)等方法來擬合時序信號而得。另外,我們還可以使用系統(tǒng)相關的方法,本實例中基于專家知識得到規(guī)律子信號滿足方程(6),基于此我們可以使用(6)提取出規(guī)律子信號(如圖4b實線)并將其從原信號中剔除以獲得殘差(如圖4c)。圖4c所示信號即為提純后最終的隨機波動信號并將作為預警指標計算的基礎。
k是帶寬(bandwith)為h的核函數(shù),x為輸入,y為輸出
yt=ar(p)=α0+α1yt-1+α2yt-2+…+αt-pyt-p(5)
yt=exp(α1t+α0)(6)
3)臨界相變預警信號指標分析,
該步驟通過信號分析單元實現(xiàn)。在該步驟中,選用合適的指標指示臨界相變現(xiàn)象??蛇x用的表征包括但不限于臨界慢化(criticalslowingdown)和對稱偏移(deviatingskewness)。其中臨界慢化現(xiàn)象主要包括自相關(autocorrelation)和變異(variance)指標信號增強。圖5給出了本示例中臨界相變預警信號指標。
我們使用xt,t=1,2,…,n表示t時刻的信號值。根據(jù)(7)式可計算時序信號的均值,(8)式計算方差(variance),(9)式計算滯后1個時間點的自相關(lag-1autocorrelation),(10)式計算偏斜量(skewness)。需要注意的是,此處的指標均基于滑動窗口的形式計算。
基于公式(7)-(10)可以進行臨界相變指標分析,進而發(fā)現(xiàn)臨界慢化等現(xiàn)象。
對于圖5中所示的絕緣柵雙極晶體管信號的臨界相變預警信號指標分析可知,當變異(variance)指標和自相關(autocorrelation)指標突然變大,即出現(xiàn)臨界慢化現(xiàn)象;當同時出現(xiàn)臨界慢化(criticalslowingdown)現(xiàn)象和對稱偏移(deviatingskewness)現(xiàn)象時,即說明出現(xiàn)臨界相變,系統(tǒng)會給出警示。
4)信號分析展示
該步驟由信號分析展示單元實現(xiàn),該步驟中,主要是根據(jù)工程系統(tǒng)臨界相變信號分析結果,為工程系統(tǒng)的健康分析預測以及預警提供警示。
實施例2
本實施例中基于臨界相變理論工程系統(tǒng)健康分析方法包括如下步驟:
1)工程系統(tǒng)信號采集
本實例運用所有能夠采集時序信號的方法,包括但不限于人工測量或加裝傳感裝置輔助測量,獲取工程系統(tǒng)中軸承(bearing)的振動信號(vibrationsignal),獲取的信號如附圖6所示。
2)信號預處理,
由于本實例中獲取的信號過于密集,因此在該步驟中對本實例中獲取的信號進行重采樣。
3)臨界相變預警信號指標分析,
在該步驟中,選用合適的指標指示臨界相變現(xiàn)象??蛇x用的表征包括但不限于臨界慢化(criticalslowingdown)和對稱偏移(deviatingskewness)。其中臨界慢化現(xiàn)象主要包括自相關(autocorrelation)和變異(variance)指標信號增強。
圖7給出了本示例中臨界相變預警信號指標。
本實施例中,根據(jù)圖7中所示的軸承信號的臨界相變預警信號指標分析可知,當變異(variance)指標和自相關(autocorrelation)指標突然變大,即出現(xiàn)臨界慢化現(xiàn)象;當同時出現(xiàn)臨界慢化(criticalslowingdown)現(xiàn)象和對稱偏移(deviatingskewness)現(xiàn)象時,即說明出現(xiàn)臨界相變,系統(tǒng)會給出警示。
4)信號分析展示
該步驟中,主要是根據(jù)工程系統(tǒng)臨界相變信號分析結果,為工程系統(tǒng)的健康分析預測以及預警提供警示。
實施例3
在本實施例中對上面的第3步進行了調整,臨界相變分析的方法如圖8所示,該分析方法包括下述步驟:
1)、通過典型復雜機電系統(tǒng)動力學特性分析和系統(tǒng)傳感信號隨機噪聲分析,獲取復雜機電系統(tǒng)的系統(tǒng)級隨機動力學特性;
2)利用復雜系統(tǒng)臨界相變理論,對復雜機電系統(tǒng)隨機動力學臨界相變特性進行分析;
3)、在復雜機電系統(tǒng)隨機動力學屬性分析的基礎上,結合基于物理機理的復雜機電系統(tǒng)基礎參考模型和系統(tǒng)運行信號日志記錄完成基礎參考模型參數(shù)學習,從物理機理角度建模,以直接反映系統(tǒng)各參數(shù)之間的關系;
4)、結合系統(tǒng)運行信號日志記錄基于動態(tài)圖模型完成復雜機電系統(tǒng)隨機擾動參數(shù)學習,使用動態(tài)圖模型建模,以更好的描述隨機變化的參數(shù)之間的關系以及參數(shù)本身因噪聲存在造成的波動?;谶@兩部分構建的系統(tǒng)級隨機動力學模型能更全面的描述復雜機電系統(tǒng)的運行狀態(tài),也是之后建立系統(tǒng)級臨界相變狀態(tài)模型的基礎
5)接下來,利用隨機噪聲激勵模擬和臨界相變狀態(tài)評價,通過噪聲驅動的深度強化學習方式完成臨界相變學習,構建系統(tǒng)級的臨界相變狀態(tài)模型。在學習過程中,通過設置系統(tǒng)傳感信號參數(shù)值模擬隨機噪聲激勵,不斷迭代訓練,使系統(tǒng)主動達到臨界相變狀態(tài),通過記錄系統(tǒng)狀態(tài)參數(shù)數(shù)據(jù)分析系統(tǒng)狀態(tài)參數(shù)的變化特征,基于此模型可根據(jù)系統(tǒng)當前的運行信號分析系統(tǒng)的響應趨勢,從而完成系統(tǒng)健康狀態(tài)分析。
本發(fā)明提供的基于臨界相變理論的工程系統(tǒng)健康分析系統(tǒng)和方法,基于工程系統(tǒng)的傳感信號分析臨界相變特性,構建工程系統(tǒng)隨機動力學臨界相變特性理論。通過對工程系統(tǒng)隨機動力學臨界相變特性理論的研究,提供了一種新的從系統(tǒng)的角度研究工程系統(tǒng)中各個部件之間的關系的方法,為工程系統(tǒng)的健康分析提供了一個新的視角。
雖然上面結合本發(fā)明的優(yōu)選實施例對本發(fā)明的原理進行了詳細的描述,本領域技術人員應該理解,上述實施例僅僅是對本發(fā)明的示意性實現(xiàn)方式的解釋,并非對本發(fā)明包含范圍的限定。實施例中的細節(jié)并不構成對本發(fā)明范圍的限制,在不背離本發(fā)明的精神和范圍的情況下,任何基于本發(fā)明技術方案的等效變換、簡單替換等顯而易見的改變,均落在本發(fā)明保護范圍之內(nèi)。