[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

摘要

本发明公开了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及其系统，通过对工业机械设备监测数据的有效预处理，状态特征提取和健康状态模型训练等步骤后，对工业机械设备性能进行退化分析和趋势预测分析。本发明方法综合运用统计学习及数据挖掘相关理论和技术，为工业机械设备在线监测大数据中蕴含的工业机械设备性能退化信息和知识进行挖掘和分析提供了新的途径。

主权项

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。