[发明专利]基于多路传感信号的设备健康状态评估与衰退预测方法

权利要求书

1.一种基于多路传感信号的设备健康状态评估与预测方法，其特征在于，操作步骤如下：

第一步骤，多传感信号联合滤噪：采用多尺度小波滤波算法对从设备上采集到的多路传感信号进行联合滤噪，提高输出的多传感信号的质量；

第二步骤，原始特征集产生：对滤噪后的多传感信号在时域、频域和时频域上产生各种能表征设备性能状态的特征，形成一个原始特征集；

第三步骤，信号局部特征提取：采用局部保持投影算法（Local Preserving Projection, LPP）对第二步产生的原始特征集进一步进行维度缩减和特征提取，降低原始数据集维度和提取真正能表达设备健康状态的特征信息；

第四步骤：基准自组织映射模型建模：在离线状态下，采用自组织映射（Self-Organizing Mapping, SOM）模型对局部保持投影算法提取后的特征信息进行信息融合建模，获取能表达设备健康状态下数据空间分布的基准自组织映射模型；

第五步骤：健康量化评估和剩余寿命预测：在线上采集样本通过第一到第三步的处理，抽取的特征输入到第四步构建的基准自组织映射模型，通过计算负似然概论值实现对设备性能衰退状态评估，基于时间轴上获取的负似然概论值的连续数据流，采用威布尔分布函数模型在线拟合时间轴上的负似然概论值，进而通过反演推算威布尔分布函数模型来预测设备剩余寿命估计。

2.根据权利要求1所述的基于多路传感信号的设备健康状态评估与预测方法，其特征是：所述第一步骤多传感信号联合滤噪算法：采用多尺度小波滤波算法，通过绑定主元分析算法和小波分解算法，去除多信号间存在的相关性基础上，首先对各个信号进行小波分解，把所有传感信号分解后的小波系数输入到主元分析模型，分解主元后去除不重要主要，进行对保留的重要主元进行小波逆分解，实现对多路传感信号同时进行联合滤噪，提高输出的多传感信号的质量。

3.根据权利要求1所述的基于多路传感信号的设备健康状态评估与预测方法，其特征是，所述第二步骤原始特征产生方法是指：对多路传感信号在时域、频域、和时频域上产生各种特征，时域上产生均方根、峰峰值、方差、峭度、斜度等特征，频域上产生设备对应的特征频率的幅值，时频域上产生小波分解产生的小波能量特征，在时域、频域、和时频域上所有产生的原始特征形成一个原始特征集来表证设备运行状态。

4.根据权利要求1所述的基于多路传感信号的设备健康状态评估与预测方法，其特征是，所述第三步骤信号局部特征提取：是指采用局部保持投影算法（Local Preserving Projection, LPP），在数据流形上提取数据集中重要的局部结构信息，通过去除若干不重要的欧氏向量，通过保留的重要欧氏向量并形成欧氏向量矩阵，进行数据投影和维度缩减，提取重要的特征来代表设备健康状态特征。

5.根据权利要求1所述的基于多路传感信号的设备健康状态评估与预测方法，其特征是，所述第四步骤基准自组织映射模型建模是指：在离线状态下，采用自组织映射模型对局部保持投影算法提取的设备健康状态下的特征信息进行信息融合，自组织映射模型通过持续地迭代学习，实现对设备健康状态数据分布空间的描述建模，离线学习建模后的基准自组织映射模型的映射权重矩阵建模描述了设备健康状态下的数据空间分布。

6.根据权利要求1所述的基于多路传感信号的设备健康状态评估与预测方法，其特征是，所述第五步骤健康量化评估和剩余寿命预测是指：在线输入的信号输入到离线状态下第五步构建的基准自组织映射模型，通过贝叶斯推论来计算模型上所有映射单元似然响应，计算出负似然对数概率值实现对设备性能衰退状态的量化评估，如评估值显示设备健康处于衰退状态，则进一步通过采用遗传算法在线进化威布尔分布函数模型，拟合时间轴上的负似然概率值流，通过在线拟合得到威布尔分布函数模型，在事先设定的设备失效阈值下，反演推算该威布尔分布函数模型来预测设备的有效剩余寿命。