[发明专利]一种多元回归模型优化的故障程度量化评估方法

说明书

本发明公开一种多元回归模型优化的故障程度量化评估方法，包括故障程度评估建模，以及利用优化的测点、故障评估模型及故障程度指标进行故障程度计算。本发明计算测试样本的故障程度评估结果；计算测试样本的故障程度评估均方根矩阵；使用优化的评估模型、故障程度指标开展故障程度评估，优化选择的故障程度评估模型能综合故障数据采集的源头、故障程度指标提取、故障程度三方面关系确保评估均方根误差最小。

技术领域

本发明属于故障程度量化评估领域，具体涉及一种多元回归模型优化的故障程度量化评估方法。主要应用于机电系统中典型机械部件，如轴承、齿轮、轴等。

背景技术

故障程度评估是指根据采集的数据信息，分析提取故障特征，采用智能算法评估故障的严重程度或者严重级别。及时准确地的评估结果能有效触发维修决策机制，避免故障程度的加剧或者二次故障发生，对于降低设备功能失效发生概率具有重要意义。在实际工程中，对于封装性好的系统，很难通过检测仪器或设备直接测量故障的严重程度(如裂纹长度、点蚀宽度)，只能通过部署在设备上的检测设备或传感器等采集由于故障导致的噪声、振动、温度、输出漂移、油液等异常信号，为了准确获取当前设备真实的故障严重程度，急需建立一种衔接系统监控数据源、故障程度指标与故障严重程度间的量化函数关系。

目前，公知的方法存在以下问题：

第一，现有技术未从故障程度信号源头分析数据对评估的有效性，使得有用故障信号没用上，无用信号强干扰，直接降低评估准确度和效率。

第二，现有技术未综合分析数据源、指标及模型对故障程度评估的影响，导致单纯依靠指标和模型的评估准确度低。

发明内容

为了解决现有技术存在的上述问题，本发明目的在于提供一种多元回归模型优化的故障程度量化评估方法。

本发明所采用的技术方案为：

一种多元回归模型优化的故障程度量化评估方法，包括故障程度评估建模，以及利用优化的测点、故障评估模型及故障程度指标进行故障程度计算，故障程度评估建模包括如下步骤：

S1.1、故障程度模拟与注入：模拟携带不同严重程度故障的部件并安装进系统，运行系统产生故障信号；

S1.2、采集多元数据：系统内外部设置多个测点，监测故障传播引起的异常信号，获得不同故障程度下各个测点监测的故障信号集；

S1.3、构建故障程度指标向量；

S1.4、设定故障程度评估模型；

S1.5、计算训练样本对应的故障程度评估模型系数矩阵，然后计算测试样本的故障程度评估结果；

S1.6、计算测试样本的故障程度评估均方根误差；

S1.7、优化选择测点、故障评估模型及故障程度指标。

作为优选地，所述S1.3的实现过程为：采用时频统计指标提取方法，使用式(1)构建故障程度指标向量：

式中，F_n为第n个故障程度指标向量，1≤n≤N_F，N_F为可供选择的故障程度指标总数，f_i为第i个故障程度指标的计算函数，N为样本总数，N_T为部署的测点总数，o_jk为在第j个样本中第k个测点采集的数据，1≤j≤N，1≤k≤N_T。

作为优选地，所述时频统计指标提取方法包括均值、均方根值、方根幅值、绝对均值、偏斜度、峭度、方差、峰值、标准差、峰峰值、平均功率、波形指标、峰值指标、脉冲指标、裕度指标、偏斜度指标、峭度指标或均值频率。