[发明专利]一种基于SOM-MQE的滚珠丝杠副健康评估方法有效
申请号: | 201811253853.0 | 申请日: | 2018-10-24 |
公开(公告)号: | CN109255201B | 公开(公告)日: | 2023-07-14 |
发明(设计)人: | 单鹏飞;于林明;古乐;李杨 | 申请(专利权)人: | 哈工大机器人(山东)智能装备研究院 |
主分类号: | G06F30/17 | 分类号: | G06F30/17;G06F18/213;G06F18/10 |
代理公司: | 哈尔滨市伟晨专利代理事务所(普通合伙) 23209 | 代理人: | 李晓敏 |
地址: | 250000 山东省济南市章丘区明*** | 国省代码: | 山东;37 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 som mqe 滚珠 丝杠副 健康 评估 方法 | ||
1.一种基于SOM-MQE的滚珠丝杠副健康评估方法,其特征在于,包括以下步骤:
步骤一、采集丝杠副系统两端的轴承支座以及丝母上的振动信号,所述振动信号通过安装在丝杠副系统两端的轴承支座以及丝母上面的三通道振动传感器进行采集;
步骤二:从每个三通道振动传感器输出的三个通道信号中选择最能代表对应部件的退化趋势的通道信号作为健康评估的原始信号;
步骤三:分别将每个部件上面优选的通道信号进行预处理、并对预处理后的信号进行特征提取;
预处理包括小波降噪;
对预处理后的信号提取的特征包括: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;
特征选择是指对提取到的特征进行降维处理,以选择出对于丝杠退化贡献大的特征;
步骤四:将步骤三最终得到的特征值通过SOM-MQE映射为健康值,步骤四的具体方法为:
步骤四一、通过正常数据来训练自组织映射神经网络;
步骤四二、输入测试数据,并找到每个测试数据的BMU;
步骤四三、计算测试数据与BMU之间的距离,该距离即为健康值;
步骤五:通过自适应阈值检测算法获得健康值曲线的报警阈值,所述健康值曲线为步骤四获得的健康值随时间变化的曲线;报警包括一级报警及二级报警,一级报警阈值及二级报警阈值分别对应一级临界退化点与二级临界退化点,所述一级临界退化点与二级临界退化点采用3σ与6σ准则进行检测;自适应阈值一级退化临界点检测与二级退化临界点检测的算法流程如下:
定义由SOM-MQE生成的健康值序列为{HV},其中,正常状态下的健康值序列为{HVNormal},新引入的健康值为HVNew;
第一步:在设备运行中,健康值是不断生成的;记当前点前面点的均值为μ,当前点前面点的方差为σ;
第二步:记当前点与前面点均值μ之间的差值为d,判断差值d与方差σ之间的大小;如果连续3个点满足d>3σ,将此点定义为一级退化临界点;如果3个点满足d>6σ,则将此点定义为二级退化临界点;
第三步:当检测到一级退化临界点与二级退化临界点中的任意一个时,会触发相应的报警,并定位到相应的部件上面;
步骤六:当健康值超过报警阈值时,自动报警,并将出现问题的位置定位到丝杠副系统具体的部件上面。
2.根据权利要求1所述的方法,其特征在于,采用Fisher准则对提取到的特征进行降维处理。
3.根据权利要求2所述的方法,其特征在于,降维处理后得到特征为:均方根值、标准差、最大值以及方差。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于哈工大机器人(山东)智能装备研究院,未经哈工大机器人(山东)智能装备研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811253853.0/1.html,转载请声明来源钻瓜专利网。