[发明专利]一种基于正常域的印刷装备关键部件状态识别方法

摘要

本发明提供了一种基于正常域估计的印刷装备关键部件状态识别方法，经过采集原始状态数据、对数据预处理、进行经验模式分解、提取特征向量、估计正常域边界等步骤后进行最后的状态识别，通过判断实时状态点是否位于正常域边界内来确定设备是否存在异常。本发明可以为缺乏故障数据情况下的印刷装备关键部件的状态识别提供一种新方法，为解决印刷装备和系统的状态监测提供技术支持和指导。

主权项

一种基于正常域估计的印刷装备关键部件状态识别方法，其特征在于，包括以下步骤：1)采集正常运行状态数据，采集滚动轴承在正常运行状态时的振动加速度数据；2)振动加速度数据的分段处理，将所采集到的振动加速度数据按固定的时间间隔tI进行分段，划分得到的每个数据段将对应一个状态特征向量；3)进行经验模式分解，得到每段数据的本征模函数分量后，由各个本征模函数分量构成本征模函数矩阵；4)提取状态特征向量，在获得正常状态下的滚动轴承振动数据的本征模函数矩阵后，计算基于能量矩的特征指标值作为状态特征量；5)进行正常域边界估计(i)基于相似度权重动态调整的粒子群算法进行支持向量数据中核参数和惩罚系数的优化：粒子群中第i个粒子由3个D维向量构成，则这3个向量分别为：当前位置：xi＝(xi1,xi2,...,xiD)；历史最优位置：pi＝(pi1,pi2,...,piD)；速度：vi＝(vi1,vi2,...,vi3)；其中i＝1,2,...,n；整个粒子群中搜索到的最好位置记为：pg＝(pg1,pg2,...,pgD)，引入惯性权重ω,每个粒子d维的速度及位置按照下式更新：vid＝ω·vid+c1·rand()·(pid‑xid)+c2·rand()·(pgd‑xid)xid＝xid+vid式中，加速度常数c1≥0,c2≥0，rand()是[0，1]范围内的随机函数，Vmax为用户设定的最大速度，粒子的速度被限制在[‑Vmax,Vmax]之间；当粒子聚集在最优位置pg附近时，使粒子i位置xi按群体聚集度c(t)和该粒子与最优粒子pg的相似度s(i,g)随机变异，利用下式计算两个粒子i和j之间的相似度：s(i,j)=1,d(i,j)≤dmin1-[d(i,j)smax]α,dmin≤d(i,j)≤dmax0,d(i,j)≥dmax]]>其中，d(i,j)为粒子i和j在空间中的欧式距离；参数dmax、dmin和α均为常数。(ii)基于已经优化完成的参数，计算正常域单值边界：超球体O由函数f(x,w)定义，半径为R，引入松弛因子ξi≥0,i＝1,2,...,n，限制条件为：||xi‑a||2≤R2+ξi则超球体满足：minϵ(R,a,ξi)=R2+CΣiξi]]>其中，C为惩罚参数；使用αi，γi，得到优化后的目标函数：L(R,a,ξ,α,γ)=Σi=1nαi(xi·xj)-Σi=i=1,j=11nαiαj(xi·xj)]]>求解得出αi的最优解计算球体半径：R2=(xSV·xSV)-2Σi=1nαi(xi·xSV)+Σi=1,j=1nαiαj(xi·xj)]]>计算测试点距离该超球体球心的广义距离Dz：Dz2=||z-a||2=(z·z)-2Σi=1nαi(z·xSV)+Σi=1,j=1nαiαj(xi·xj)]]>得到的距离Dz为正常域边界；6)进行滚动轴承的隐患辨识：实时采集印刷装备上滚动轴承的振动加速度数据，经实施步骤2)～4)的处理可获得统计状态特征向量(即状态点)，将实时状态点与正常域边界进行对比，若状态点位于正常域边界内，则表示当前状态正常，若位于正常域边界外，则表示发生异常。