[发明专利]一种基于极差的自适应阈值方法及系统

权利要求书

1.一种基于极差的自适应阈值方法，其特征在于，包括：

步骤一、提取原始振动信号样本并对其求解特征值矩阵；

步骤二、对所得到的特征值矩阵应用健康评估方法求解健康值；

步骤三、判断是否有新样本增加，若是则更新置信区间，所述置信区间具体为：其中为前k-1个样本的健康值的均值，d＝[max(X_k-1)-min(X_k-1)]·20％；

步骤四、判断增加的新样本是否处在置信区间内，所述判断增加的新样本是否处在置信区间内的方法具体为：其中，x_k为第k个样本的健康值，为前k-1个样本的健康值的均值；判断D是否小于d，若是则判断增加的新样本分布在置信区间内，否则，增加的新样本分布在置信区间外；同时，保存处在置信区间外的新样本的下标到向量N中，计数器p＝p+1；

步骤五、当p＝n时，则触发判别机制，其中n代表预先设定的判断个数，为自然数中1到10中的任意整数；所述判别机制具体为：调用连续数函数来寻找N中的连续数；若返回的连续数个数为n，则返回的阈值线为N(1)元素对应的健康值，其中N(1)为所对应的第一个处在置信区间外的样本下标；若返回的连续数个数小于n，则表明N中所对应的样本为异常值，更新N、p，重复步骤三和步骤四，得到设备退化报警阈值线；

步骤六：扩大置信区间范围，置信区间更新为：其中为前k-1个样本的健康值的均值，d＝[max(X_k-1)-min(X_k-1)]·20％；

步骤七：重复步骤四和步骤五，得到设备退化报警阈值线。

2.如权利要求1所示的一种基于极差的自适应阈值方法，其特征在于，所述健康评估方法包括马氏距离、逻辑回归、SOM-MQE方法。

3.如权利要求1所示的一种基于极差的自适应阈值方法，其特征在于，所述连续数函数的应用方法具体为：输入数据为下标向量N，通过遍历N中的每个元素来比对是否相邻两个元素数值相差为1，当遍历结束后，返回N中的连自然续数，若不存连续自然数状态，则返回N中的最后一个元素。

4.如权利要求1所示的一种基于极差的自适应阈值方法，其特征在于，所述特征值分别为均方根值、方差、标准差、最大值、最小值、平均幅值、峭度因子、波形系数、峰值、峰值因子、脉冲指标、方根幅值、裕度系数以及偏度。

5.如权利要求4所示的一种基于极差的自适应阈值方法，其特征在于，利用Fisher准则选择的特征值均为均方根、方差、最大值、最小值。

6.一种基于极差的自适应阈值系统，其特征在于，包括：提取模块、求解模块、判断模块一、判断模块二、触发判别模块以及扩大模块；所述提取模块用提取原始振动信号样本并对其求解特征值矩阵；所述求解模块用于对所得到的特征值矩阵应用健康评估方法求解健康值；所述判断模块一用于判断是否有新样本增加，若是则更新置信区间，所述置信区间具体为：其中为前k-1个样本的健康值的均值，d＝[max(X_k-1)-min(X_k-1)]·20％；所述判断模块二用于判断增加的新样本是否处在置信区间内，所述判断增加的新样本是否处在置信区间内的方法具体为：其中，x_k为第k个样本的健康值，为前k-1个样本的健康值的均值；判断D是否小于d，若是则判断增加的新样本分布在置信区间内，否则，增加的新样本分布在置信区间外；同时，保存处在置信区间外的新样本的下标到向量N中，计数器p＝p+1；

所述触发判别模块用于判别当p＝n时，则触发判别机制，其中n代表预先设定的判断个数，为自然数中1到10中的任意整数；所述判别机制具体为：调用连续数函数来寻找N中的连续数；若返回的连续数个数为n，则返回的阈值线为N(1)元素对应的健康值，其中N(1)为所对应的第一个处在置信区间外的样本下标；若返回的连续数个数小于n，则表明N中所对应的样本为异常值，更新N、p；所述扩大模块用于扩大置信区间范围，置信区间更新为：其中为前k-1个样本的健康值的均值，d＝[max(X_k-1)-min(X_k-1)]·20％。