[发明专利]基于时变参数预测模型的机械运行状态监测方法及装置

说明书

本发明公开了一种基于时变参数预测模型的机械运行状态监测方法及装置。其中，该方法包括：估计机械系统处于正常运行状态时的时序信号的最佳周期；依据最佳周期，将实时采集的时序信号分割为独立的周期信号；将已观测的包含至少四个连续周期的时序信号中相同相位的数据代入已构建的微分方程预测模型，来预测下一个周期的时序信号中相同相位的数据；将预测的时序信号与当前时刻实际观测的时序信号进行残差分析，然后根据估计的最佳周期将数据残差累加后处理，得到监测数据的周期异常度。该方法提高了机械系统运行状态监测的实时性能。

技术领域

本发明属于机械运行状态监测领域，尤其涉及一种基于时变参数预测模型的机械运行状态监测方法及装置。

背景技术

旋转机械是工业上应用最广泛的机械。许多大型旋转机械，如：离心泵、电动机、发动机、发电机、压缩机、汽轮机和轧钢机等，还是石化、电力、冶金、煤炭和核能等行业中的关键设备。本世纪以来，随着机械工业的迅速发展，现代机械工程中的机械设备朝着轻型化、大型化、重载化和高度自动化等方向发展，出现了大量的强度、结构、振动、噪声、可靠性以及材料与工艺方面的问题，设备损坏事件时有发生，国内外大型汽轮机严重事故是其典型实例。

机械系统运行状态监测能够为重大机械装备系统的正常的运行提供保障，为实现智能制造提供关键技术。机械系统状态监测能够实时的监测机械系统当前的运行状态，并根据监测的运行状态能够无监督地诊断机械系统出是否有变化的发生，这种状态变化是机械系统的某个零部件或子系统在发生失效之前所表现的。

目前，基于机械系统状态监测的维修技术能够为重大装备的维修与维护降低费用成本、减少劳动力以及因装备故障带来的生产损失，得到了广泛关注与应用。然而，在实际的应用中，机械系统状态监测技术在采集了整个运行状态数据后再分析检测，这将大大地降低机械系统运行状态监测的实时性能。

发明内容

为了解决现有技术的不足，本发明的第一目的是提供一种基于时变参数预测模型的机械运行状态监测方法，其能够提高机械系统运行状态监测的实时性能。

本发明的一种基于时变参数预测模型的机械运行状态监测方法，包括：

步骤1：估计机械系统处于正常运行状态时的时序信号的最佳周期；

步骤2：依据最佳周期，将实时采集的时序信号分割为独立的周期信号；

步骤3：将已观测的包含至少四个连续周期的时序信号中相同相位的数据代入已构建的微分方程预测模型，来预测下一个周期的时序信号中相同相位的数据；其中，微分方程预测模型的参数是根据已观测时序信号的每个相位的不同而实时变化；

步骤4：将预测的时序信号与当前时刻实际观测的时序信号进行残差分析，然后根据估计的最佳周期将数据残差累加后处理，得到监测数据的周期异常度。

进一步的，该方法还包括：采用高斯分布的假设检验方法来检测周期异常度，检测出变化点。

进一步的，在所述步骤1中，通过动态时序规整法对相应进行分析处理，确定出相应时序信号的最佳周期。

在大部分的学科中，时间序列是数据的一种常见表示形式。对于时间序列处理来说，一个普遍的任务就是比较两个序列的相似性。在时间序列中，需要比较相似性的两段时间序列的长度可能并不相等，在语音识别领域表现为不同人的语速不同。

语音信号具有很强的随机性，不同的发音习惯，发音时所处的环境不同，心情不同都会导致发音持续时间长短不一的现象。如单词最后的声音带上一些拖音，或者带上一点呼吸音，此时，由于拖音或呼吸音会被误认为一个音素，造成单词的端点检测不准，造成特征参数的变化，从而影响测度估计，降低识别率。