[发明专利]一种基于多源状态监测信息和可靠性特征融合的液压设备早期故障预测方法

权利要求书

1.一种基于多源状态监测信息和可靠性特征融合的液压设备早期故障预测方法，其特征在于，包括如下步骤：

步骤1、基于多源监测信息，对多源监测信息特征量进行融合，以获得状态综合特征量；

步骤2、基于设备历史的状态综合特征值和故障事件信息，构建比例协变量模型，对设备进行状态评价的实时更新；

步骤3、建立设备状态演变预测模型，并进行预警阈值优化，实现早期故障的智能预警；

在步骤3所述的基于综合状态劣化演变过程，进行早期故障状态预测，并进行预警阈值优化，实现早期故障智能预警包括如下步骤：

步骤3.1：依据实时监测信号，预测状态演变趋势

为预测状态h(t)随着时间的演变趋势，首先是对状态综合特征量MQE(t)时间序列的演变趋势进行识别；采用通用的时间序列拟合与预测方法，获得MQE(t)的时间序列函数；获得状态h(t)的时间序列函数；

步骤3.2：预测性能评估

为了提高状态预测效果，可针对各种常见的时间序列预测方法进行预测性能评估，以选择预测性能较优的预测方法；对于有m组历史监测数据，可选取前75％为训练集，后25％为测试集；

预测性能的评估值E主要包括两部分，预测误差E₁和预测的不确定性程度E₂：

E＝θ₁E₁+θ₂E₂ (4)

其中，θ₁，θ₂分别表示为预测误差、预测的不确定性程度的权重，且满足θ₁+θ₂＝1；

预测误差E₁，采用均方根误差(RMSE)表示：

其中，n_t表示的是测试集的样本数，t_j表示的测试集中第j个监测记录对应的监测时间，h(t_j)表示测试集中第j个监测记录对应的状态实际值，h′(t_j)表示测试集中第j个监测记录对应的状态预测值均值，由于状态预测值具有一定的随机分布特性，状态预测值均值采用N_sim次的状态预测值的平均值表示；其中，确定预测次数N_sim的原则是使得状态预测值的随机分布的参数趋于收敛；当状态预测值的随机分布确定以后，通过其概率密度函数，则可以确定状态预测值的区间上限h_U和区间下限h_L；

预测的不确定性程度E₂，采用预测区间的上限h_U、下限h_L的差值的均值表示:

步骤3.3：状态劣化预警机制

当设备的状态h(t)劣化达到预警值d时，建议进行预防性维修或更换，以有效降低设备的非计划停机要求；根据维修费用最小化的目标函数，建立优化模型，可求解最优预警阈值：

式中，EC表示的是最小化的预防维护成本期望值；d为预警值，取值范围为[h_min，h_max]，h_min，h_max分别表示预警值取值范围的下、上限值；h^r表示第r个劣化演化预测序列；p_r为第r个劣化演化预测序列对应的概率，在一般情况下，可以令p_r＝1/NS，其中，NS表示的是劣化演化预测序列的抽样总数，劣化序列的抽样可以通过蒙特卡洛模拟方法实现；Q(d,h^r)表示的是当阈值为d，劣化演化预测序列为h^r时的预防维修成本：

其中，c_p表示的是单次预防维护的成本，I(t,h^r)表示的是系统的劣化演化预测序列为h^r的情况下，在t时刻是否发生进行预防维护的标记值，若进行预防维护，则I＝1，否则I＝0；

通过优化后的预警值d，可基于比例协变量模型，将预警值转化成动态的监测状态综合特征值的预警值，从而便于现场直观判断；当h(t)值高于预警值d时候，要提示要进行预防性维护：

MQE(t)≥d·at^b (9)

即当t时刻的监测状态综合特征值MQE(t)高于动态预警值d·at^b时，则提示要进行预防性维护，便于现场直观判断，达到了故障早期预警的目的，同时优化了预防维修成本。