[发明专利]基于多元素浓度线性加权的故障预测方法

说明书

本发明提供一种基于多元素浓度线性加权的故障预测方法，包括以下步骤：对设备中的滑油进行取样，记录下取样时的设备工作时间，并利用光谱仪检测滑油样本，获取滑油样本数据；将距离当前时间最近的N个滑油样本数据和对应的设备工作时间代入金属元素浓度计算系数求解模型，获取金属元素浓度计算系数b₀、b₁；根据金属元素浓度计算系数b₀、b₁计算金属元素浓度的线性加权预测值；将金属元素浓度的线性加权预测值代入边界值计算模型，获取金属元素浓度的告警界限值和金属元素浓度的故障界限值；根据金属元素浓度的实际检测值与金属元素浓度的告警界限值或金属元素浓度的故障界限值的比较结果判断是否存在故障。

技术领域

本发明涉及一种设备故障预测方法，具体的说，涉及了一种基于多元素浓度线性加权的故障预测方法。

背景技术

现有的方法通过对轴承、齿轮等转动部件的在用润滑油进行光谱分析，得到滑油中Fe、Cu、Ag、Cr、Ca、Mg等元素的浓度，通过对比各元素的检测值是否超过设定的阈值确定发动机是否发生故障。该方法存在的问题是：

1.预报故障的准确性较差

对不同元素设定固定不变的阈值，阈值设定偏大则存在虚报故障现象，阈值设定偏小则会漏报故障，而且设备在工作不同阶段磨损浓度增长会发生变化，采用固定不变的阈值不科学。

2.多个元素信息难以充分利用

目前光谱仪检测一个样本可以得到数十种元素浓度检测结果，不同元素的浓度含量存在相关性，传统方法对单个元素设定独立的监控阈值不能充分利用多元之间的相关性信息。经常发现部分元素检测值超过阈值但是并没有故障，所有元素没有超过阈值但设备已经生故障。

为了解决以上存在的问题，人们一直在寻求一种理想的技术解决方案。

发明内容

本发明的目的是针对现有技术的不足，从而提供了一种基于多元素浓度线性加权的故障预测方法。

为了实现上述目的，本发明所采用的技术方案是：一种基于多元素浓度线性加权的故障预测方法，包括以下步骤：

步骤1，对设备中的滑油进行取样，记录下取样时的设备工作时间，并利用光谱仪检测滑油样本，获取滑油样本数据，所述滑油样本数据包括M种金属元素的浓度检测结果；

步骤2，将距离当前时间最近的N个滑油样本数据和对应的设备工作时间代入金属元素浓度计算系数求解模型，获取金属元素浓度计算系数b₀、b₁；

步骤3，根据金属元素浓度计算系数b₀、b₁计算金属元素浓度的线性加权预测值；

步骤4，将金属元素浓度的线性加权预测值代入边界值计算模型，获取金属元素浓度的告警界限值和金属元素浓度的故障界限值；

步骤5，判断金属元素浓度的线性加权预测值是否大于金属元素浓度的告警界限值，若不大于，则正常使用设备；若大于，则将金属元素浓度的线性加权预测值和金属元素浓度的故障界限值进行比较；

步骤6，若金属元素浓度的线性加权预测值大于金属元素浓度的故障界限值，则说明设备存在故障，停止使用设备；若不大于，则继续返回执行步骤2。

基于上述，N≥7，M＝6，其中，6种金属元素分别为Fe、Cu、Mg、Cr、Ni和Ti。

基于上述，金属元素浓度计算系数求解模型为：

其中，