[发明专利]一种基于故障演化分析的故障预测特征选择方法

说明书

技术领域

本发明涉及一种故障预测特征的选择方法，具体地讲，是涉及一种基于故障演化分析的故障预测特征选择方法。

背景技术

目前，公知的故障特征提取方法主要有时域法(如均方根、峰态因子、能量比、峭度、标准差等)，频域法(傅立叶变换、快速傅立叶变换等)，以及时-频域法(如小波变换)，采用这些故障特征提取方法主要侧重两个方面：一是从较强环境噪声中提取区别于正常状态的故障特征，以驱动故障报警；二是从强背景噪声中提取机电系统中不同故障的特征，为故障诊断或识别提供数据输入。但是，目前采用的方法所提取的故障特征不能很好描述整个故障演化(即机电部件从正常状态到功能失效状态故障逐渐增长过程)的趋势，导致了机电系统故障预测技术的效率和准确性不高。

发明内容

本发明的目的在于克服上述缺陷，提供一种能及时有效地检测出故障的早期状态和跟踪故障的演化过程的基于故障演化分析的故障预测特征选择方法。

为了实现上述目的，本发明采用的技术方案如下：

一种基于故障演化分析的故障预测特征选择方法，包括以下步骤：

(1)建立故障仿真模型，获取机电系统中典型故障从无故障状态、早期故障状态到失效状态整个故障演化过程中，不同严重程度状态下系统的输出响应数据；其中，故障仿真模型可以采用已有的故障仿真软件，也可通过系统的物理失效模型仿真计算得到；典型故障如磨损、疲劳裂纹、点蚀、电气应力损伤等；

(2)采用工程中常用的特征提取方法，建立各种特征描述的故障演化趋势曲线；常用的特征提取方法如下：均方根、峭度、频率均方根、谱峭度、小波熵、模极大值、损伤度等；

(3)分析各种特征描述的故障演化趋势，计算各特征对故障演化过程的跟踪能力；

(4)根据步骤(3)的计算结果，比较选择对故障演化过程的跟踪能力最大的特征作为故障预测特征。

基于以上的故障演化趋势曲线，可以分析各个演化曲线的统计特征值、单调性水平和敏感度水平，具体内容括如下：

(31)使用式(1)计算第i个预测特征描述的故障演化趋势Φ_i的单调特性统计值TS_i。

TSi=Σt1=1N-1Σt2=t1+1Nsign(Φi(t1)-Φi(t2))---(1)]]>

(32)使用式(2)计算第i个预测特征描述的故障演化趋势的单调性水平τ_i(0≤τ_i≤1)，其表达式为：