[发明专利]机械设备状态评估的优化方法

说明书

技术领域

本发明涉及机械设备的状态监控技术领域，尤其涉及机械设备的工作状态分类及评估领域。 

背景技术

随着自动化技术的发展，机械设备的复杂性和集成性也在不断的增加，越来越多的机械设备成为了企业连续生产系统中的关键部分。对于连续生产系统中的机械设备，每一次停机检修和维护都将带来巨大的经济损失，故需要提前制定检、维修计划和方案。对于一般机械设备而言，根据设备维修工程中统计得出其劣化进程类似于浴盆的剖面线，因此常被称为浴盆曲线。该曲线沿时间轴可分为三个状态：磨合期：表示新机器的磨合状态，这个阶段故障率较高；正常试用期：表示机器经磨合后处于稳定状态，这时故障率最低；耗损期：又称为劣化期，表示机器由于磨损、疲劳、腐蚀已处于老年状态，因此故障率逐步提高。故耗损期为关键的监测时间段，其又可进一步划分为早期性能退化状态，维护状态和失效状态。而且对于任何一个机械设备它又有许多不同的故障，设备的各种不同的故障在耗损期的表现又各有特点。而只有通过对设备状态的准确分类，才能确定故障类型和故障程度，并针对不同情况制定出新的生产安排和针对性的维修计划，从而避免经济损失。所以对机械设备的状态进行评估分析，确定机械设备的状态是一个重要的研究课题。 

机器学习（Machine Learning）分类评估系统越来越多的被引入该问题，工程师们首先采集机械设备的特征信号，进行全寿命状态和不同工况下的研究和分析，利用专家系统、神经网络、支持向量机、相关向量机等智能算法建立基于机器学习的分类评估系统，从而试图达到智能监控和分析机械设备的状态的目的。 

但是由于基于机器学习的分类评估系统有着种种限制，例如对数据的标签选择十分苛刻，数据量不足等。在实际应用中，经常会出现分类结果模棱两可，甚至是当前条件下不可能出现的状态，反而给工程师造成了迷惑和困难。从而不能及时识别故障，导致对当前情况的无法评估或错误评估，造成严重后果。 

发明内容

本发明的目的是针对现有的基于机器学习的状态评估系统的分类效果不佳的缺点，提出了一种新的机械设备状态评估的优化方法，有效的提高了机械设备状态分类和评估的准确率。 

本发明的技术方案是：机械设备状态评估的优化方法，包括如下步骤： 

步骤1：首先通过安装在机械设备上的传感器获取特征信号得到全寿命特征数据，然后 根据全寿命特征数据建立支持向量机状态分类系统，然后建立状态转移矩阵； 

步骤2：计算m元1次方程的解X； 

步骤3：利用状态转移矩阵计算得到置信度分布优化公式； 

步骤4：将需要分析的特征信号带入已有的基于机器学习的分类评估系统，计算得到该特性信号所代表的观测点的置信度分布P=(P₁ … P_k … P_m)^T。其中P_k为P的列向量，表示在该观测点机械系统工作状态属于状态k的置信度； 

步骤5：将计算所得对置信度分布P与步骤2所得的根X=(x₁ … x_k … x_m)^T进行比较，若相等则回到步骤4，等待新的观测特征信号；若不相等则进行步骤6； 

步骤6：对置信度分布P=(P₁ … P_k … P_m)^T进行判断：若该数据是优化过程中的首组置信度分布，则记当前的置信度分布P=(P₁ … P_k … P_m)^T为优化过程中的置信度分布Q=(Q₁ … Q_k … Q_m)^T，并回到步骤4，等待新的观测特征信号；若该数据不是首组置信度分布，则实施步骤7； 

步骤7：将先前计算得到的当前的置信度分布P=(P₁ … P_k … P_m)^T和优化过程中的置信度分布Q=(Q₁ … Q_k … Q_m)^T带入步骤3的公式（3），得到优化后的置信度分布R=(R₁ … R_k … R_m)^T。