[发明专利]一种动力设备故障监测预报中的灰色建模方法

说明书

技术领域

本发明涉及一种机械故障预报监测建模方法，特别是关于一种用于往复机械领域中的动力设备故障监测预报中的灰色建模方法。

背景技术

往复机械故障预报方法多局限在实验室内的模拟阶段，实用性还远未达到现场要求。主要困难表现在：信号的非平稳性、信号的重叠性、诊断模型的多样性，往复机械结构和运动状态相当复杂而且型号很多，难以归纳出共性。目前，GM模型(灰色模型)作为灰色系统理论的核心已被成功地应用于工程预测、控制、社会、经济和农业等许多领域。灰色理论在故障预报中的应用包括灰色系统建模、关联度分析、灰色模型预测等。灰色理论用于故障预测的原理是把被预测系统看成一个灰色系统，利用存在的已知信息去推知含有固定模式的不可知信息的特性、状态和发展趋势，并对未来的发展做出预测和决策。将灰色理论应用于往复机械故障诊断是基于样本数据量有限和样本值变化具有随机性的特点选定的。作预测用的GM模型一般为GM(n，1)模型(n代表微分方程的阶数，1代表变量的个数)，其中最为重要的同时也是在实际中应用最多的是GM(1，1)模型。由于初创的GM(1，1)模型是建立在等时空距的基础上，而实际试验过程中所取的样本很多都是非等间距的，故只能采用非等间隔建模方法。对于非等间隔灰色建模方法可归纳为两类：一类叫差商型灰色建模，即对非等间隔序列进行一次累加生成后，将微分方程近似为差分方程建模求解；另一类是时序拟合型，即先根据非等间隔序列构造出等间隔序列，再利用等间隔序列建模求解。差商型灰色建模要求建模数据的取样时间间隔相差不能太大，否则模型精度不高；时序拟合型灰色建模要求数据波动量不能太大，否则预测结果误差较大，上述这两种方法分别用于往复机械故障预测中时，由于往复机械油液分析数据往往满足不了取样时间间隔和数据波动量较小的要求，因此应用范围具有一定的局限性，且诊断精度不高。

发明内容

针对上述问题，本发明的目的是提供一种适用较为广泛且诊断精度较高的动力设备故障监测预报中的灰色建模方法。

为实现上述目的，本发明采取以下技术方案：一种动力设备故障监测预报中的灰色建模方法，其步骤如下：(1)对于非等间距的取样数据，根据级比条件判断取样数据是否满足级比要求，若不满足，则对取样数据进行对数化处理后重新判定；若满足，则继续判断是否满足建模条件；(2)当满足建模条件时，则按照差商法灰色建模的方法进行灰色建模；若不满足建模条件，则对取样时刻进行等间隔化处理；(3)经间隔化处理后，判断取样数据规则是否平滑，若数据规则平滑，则可以按照时序拟合法的灰色建模方法进行建模；若数据规则具有波动性，则利用改进的基于建模数据变化规律的时序拟合法进行灰色建模；(4)所述差商法、时序拟合法和基于建模数据变化规律的时序拟合法灰色建模后，都要进行拟合精度检验，若检验合格，则可以进行灰色预测；若检验不合格，则改变建模维数重新进行建模，直至满足拟合精度要求。

所述级比条件为：δ(k)∈(e-1n+3,e1n+3),]]>其中，δ为级比函数，n为样本数据的数量。

所述建模条件为：max(Δt_k)/min(Δt_k)＜1.5，其中Δt_k为取样间隔时间。