[发明专利]一种工业机械设备健康状态分析与预测方法及其系统

权利要求书

1.一种工业机械设备健康状态分析与预测方法，包括步骤：

步骤S1，采集工业机械设备各监测通道数据，选取工业机械设备关键监测通道数据；

步骤S2，对步骤S1选取的关键监测通道数据，进行数据预处理，并生成新数据集；

步骤S3，针对步骤S2中产生的新数据集，计算新数据集中各通道数据间的灰关联度，选取灰关联度之和较小的通道数据集合，进而剔除新数据集中的冗余信息；

步骤S4，对步骤S3所得通道集合中每个通道数据按时间段序列计算样本熵作为本通道该段时间内的状态特征，进而得到每个通道状态特征序列，将每个序列值进行标准化，组成状态特征样本向量；

步骤S5，选取工业机械设备健康运行情况下状态特征向量集，使用支持向量数据描述方法训练健康状态模型，得到健康状态知识库；

步骤S6，针对待测数据集中由步骤S2选取通道数据集合，使用步骤S4提取特征向量组成待测特征向量集；根据步骤S5得到的健康状态模型，计算出性能退化度并进行健康状态分析；

步骤S7，对步骤S3所得通道集合计算的各通道数据状态特征序列中，以固定周期随机抽取一个运行状态特征，得到一组新的非等间隔时间序列的方式抽取多组非等间隔时间序列，计算各组待测时间序列与实际序列关联度，使用灰色预测模型得到各组非等间隔时间序列的预测值，多组预测值中选择关联度最大一组预测值作为预测结果。

2.根据权利要求1所述的一种基于支持向量的工业机械设备健康状态分析与预测方法，其特征在于：所述步骤S1中工业机械设备至少有为风机、高铁及航空器三种工业机械设备。

3.根据权利要求2所述的一种工业机械设备健康状态分析与预测方法，其特征在于：所述步骤S1中工业机械设备监测通道包括工业机械设备传动链各部件振动监测及工业机械设备SCADA运行状态监测。

4.根据权利要求1所述的一种工业机械设备健康状态分析与预测方法，其特征在于：所述步骤S2中对选取的各关键监测通道数据进行预处理方法为使用中值替代区间序列的方法减少了数据量，并降低数据中噪声，生成新数据集。

5.根据权利要求1所述的一种工业机械设备健康状态分析与预测方法，其特征在于：在步骤S3中引入参考数列与比较数列，且设参考数列为X₀＝{X₀(1),X₀(2),…,X₀(n)}，比较数列X_i＝{X_i(1),X_i(2),…,X_i(n)}；对参考序列和比较序列分别进行无量纲化处理，采用获取。

通过计算灰关联系数；

则X₀与X_i的灰关联度γ_i(k)通过计算获取；

式中，ξ_i(k)反映了某一时候两序列的贴近程度，ρ为灰色分辨系数。γ_i反映两序列整体相关程度。