[发明专利]基于多特征自适应融合的设备运行状态健康度评估方法

说明书

本发明公开了一种基于多特征自适应融合的设备运行状态健康度评估方法，包括：1)根据所述设备转子部件各测量面的振动信号计算设备转子部件的时域特征参数及频域特征参数；同时采集设备当前工况的工艺量特征参数；2)得设备状态健康度评价模型，所述设备状态健康度评价模型能够反映健康度隶属关系的递阶层次结构，再利用健康度隶属关系的递阶层次结构确定目标集及指标集；3)确定指标集中各指标对应的隶属度函数；4)根据指标集中各指标对应的隶属度函数计算各指标的健康度值；5)根据各指标的健康度值及其对应的调整后的权重通过数据融合得最终设备运行状态健康度，该方法能够准确实现设备运行状态健康度的自适应评估。

技术领域

本发明属于机械设备故障诊断领域，涉及一种基于多特征自适应融合的设备运行状态健康度评估方法。

背景技术

以旋转机械为代表的动力设备是企业实施生产的核心工具和主要资源，从制造业、电力行业到军事航天，每个行业都有其核心的关键设备，航空母舰，大型电力变压器，飞机发动机，发电机等诸如此类设备的运行健康状态极为重要，一旦出现设备故障，后果往往不堪设想。因而，及时发现、捕捉、跟踪、监测和评估设备状态，确保设备处于正常、稳定的工况是当今各行业最为关注和重视的问题。

状态评估的研究有很久的历史渊源，大多用于对天气变化的预测评估以及医学上对自然人身体健康状况的评估，二者在很大程度上依赖于经验的判断，并没有对该问题深入研究形成科学的研究方法和理论模型，其它研究领域很难从中借鉴其研究方法。20世纪末，人工智能、数据融合、模糊理论、神经网络等相关研究和理论方法的不断成熟有力的推动了健康状态评估和预测技术的不断发展，研究的领域也从航天航空、武器装备等行业向其它行业不断拓展，很多专家和学者将健康状态评估技术应用到发动机、桥梁、机械设备等领域。

机组的振动数据是机组运行状况的直观反映，传统机械状态评估方法是针对机组单个测点或截面测点进行监测和评估，所能分析的参数指标较为单一，往往需要较强的专业技能才能进行准确的评估，使用的简便性不佳，自适应程度不高。另一方面，传统评估方法是在给定容忍阈值的情况下将检测值与阈值进行简单比较，而容忍阈值的设定存在较大的主观性，状态评估方法可靠性较低，不具备应对现今故障多样化的能力。

发明内容

本发明的目的在于克服上述现有技术的缺点，提供了一种基于多特征自适应融合的设备运行状态健康度评估方法，该方法能够准确实现设备运行状态健康度的自适应评估，可靠性高。

为达到上述目的，本发明所述的基于多特征自适应融合的设备运行状态健康度评估方法包括以下步骤：

1)同步采集设备转子部件各测量面的振动信号,并根据所述设备转子部件各测量面的振动信号计算设备转子部件的时域特征参数及频域特征参数；同时采集设备当前工况的工艺量特征参数；

2)采用层次分析法对设备转子部件的时域特征参数、设备转子部件的频域特征参数及设备当前工况的工艺量特征参数进行分类，得设备状态健康度评价模型，所述设备状态健康度评价模型能够反映设备健康度隶属关系的递阶层次结构，再利用设备健康度隶属关系的递阶层次结构确定目标集及指标集；

3)确定指标集中各指标对应的隶属度函数；

4)根据步骤3)确定的指标集中各指标对应的隶属度函数计算各指标的健康度值；

5)通过步骤4)得到的各指标的健康度值、各指标对其上一层的贡献率及各指标的变权函数调整各指标的权重，然后根据各指标的健康度值及其对应的调整后的权重通过数据融合得设备运行状态健康度，完成基于多特征自适应融合的设备运行状态健康度评估。

各指标的变权函数的表达式为：

其中，为指标优化后的权重，w_i为指标的原始权重，h_i为第i个指标层的健康度值，n为当前分析层次的指标数。