[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

说明书

本发明公开了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，旨在提供一种能够识别早期故障信号，降低预警的误报和漏报，提高故障预测的准确率。其技术方案的要点是，挖掘液压设备的监测信息与状态评价之间的关联规则；构建基于多源传感器监测数据融合方法，实现监测数据降维；融合监测信息与可靠性寿命数据，构建参数化的失效率函数(proportional covariate model,简称PCM)，预测设备的早期故障演变过程，为液压设备运行维护提供有力的预警信息。相对于传统的液压故障预测方法，该方法通过在液压设备状态监测信息中融合可靠性特征，能够有效提高预测精度和拓宽预测区间等优点。

技术领域

本发明涉及液压设备故障预警领域，特别涉及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。

背景技术

液压系统是机械装备中故障率较高的子系统。同时，由于液压系统维修策略较多采用预防性维修或故障后检修，容易产生明显的“欠修”或“过修”问题，导致维修费用昂贵，且维修时间过长，从而影响设备的可用度和产能。随着传感器技术的发展，在重要的领域基于状态的维护策略(condition-based maintenance,即CBM)得到了越来越多的发展与应用。其中，关于状态监测、健康状况评估和故障预测是状态维护策略框架的核心内容。在流体传动领域，状态维护策略也逐渐受到关注，因此，必须准确进行状态监测评估、提高健康状态评价和早期故障预测准确率，实现液压设备的智能运行与维护，从而降低非计划停运率并提高可用度。

随着传感器和物联网的发展，设备的监测大数据源呈现多元化趋势，不仅使单台设备的关键设备的传感器采集数据越来越丰富且异构；同时，对于工业应用的基础液压设备，同批次、同类型设备的大量远程监测数据的获得将成为可能，同时亦可获得对应寿命数据，这就为高可靠性液压设备的状态监测评估与健康状况评估预测拓宽了研究边界，提供了研究契机。在液压系统运行过程中，有很多因素可能影响设备状态，且这些因素值本身亦在频频变动。例如为满足工况的变化，导致对应的设备运行参数也需要反复调整；由于疲劳、老化等原因，设备自身强度、刚度、可靠度等性能会逐步衰减；由于工作环境和传感器灵敏度影响，监测所得到的信息可能失真甚至误诊。上述因素中存在的不确定性，导致设备状态变化的不确定，也影响到设备状态评估和故障预测的精度与有效性。

对于液压设备的在线监测，涉及到的监测信息较多，具有多时间离散度、多属性等特点，而且受到运行条件的影响明显，如油液污染度等。那么如何根据设备多源监测信息挖掘出适用的监测状态定量评价方法，对于设备运行维护具有重要意义。该问题属于多源数据融合技术，在机械设备故障领域使用广泛，而对于在线监测评估则研究有限，对液压设备的在线监测应用研究则更少。通过在线监测，可辨识出设备当前的监测状态，为CBM提供基础。但为实现设备基于状态的预知性维护(predictive maintenance)，基于单时间剖面的监测状态评估是不够的，因此有必要研究设备劣化的演变规律。因此，设备健康预测或故障预测是实现智能CBM的核心。对于基础液压设备，随着物联网技术的发展，同类型、同批次的设备状态监测与运行状况数据将来可能实现共享，即液压基础设备的监测大数据或在将来成为趋势。那么对于基础设备，探索融合可靠性特征与在线监测状态的早期故障预测方法，对于健康状况评估和故障预测具有重要意义。

发明内容

面向在线监测的故障预测，即基于监测数据驱动的故障预测方法，主要适用于短期预测，但为了提高液压设备早期故障预警效率，有必要进一步提高故障预测的精度与有效区间。因此，需要研制融合设备可靠性特征的健康状态评价和早期故障预测机制。