[发明专利]基于平面化后数据边界形态的旋转机械设备状态监测方法

权利要求书

1.一种基于平面化后数据边界形态的旋转机械设备状态监测方法，其特征在于，包括以下步骤：

步骤1：提取旋转机械设备的样本点特征参数；

步骤2：利用星座图技术将样本点特征参数降维映射到平面上；

步骤3：采用基于距离的方式剔除离群点；

步骤4：计算平面点集的边界形态，获得边界点集，构建可视化监测模型；

步骤5：提取旋转机械设备的监测点特征参数；

步骤6：将监测点特征参数输入可视化监测模型，判断其是否异常；若监测点正常，则利用窗滑移法更新监测模型；若监测点异常，则利用边界形态扩张后的监测模型报警；

所述的步骤6中边界形态扩张通过求取设备正常状态下相邻数据平面化后点之间的距离，利用参数的最大似然估计对边界进行扩张，原边界点集的横纵坐标分别乘以扩张比例系数便得到新的边界点集。

2.根据权利要求1所述的一种基于平面化后数据边界形态的旋转机械设备状态监测方法，其特征在于：所述的步骤1中旋转机械设备包括风机、电机、齿轮箱、联轴器的转子设备和轴承；样本点特征参数来源于旋转机械设备的振动信号，振动信号包括速度信号、加速度信号和冲击信号；对于风机、联轴器、齿轮箱、电机的转子设备提取速度信号或加速度信号，对于轴承则提取冲击信号。

3.根据权利要求1所述的一种基于平面化后数据边界形态的旋转机械设备状态监测方法，其特征在于：所述的步骤1中样本点特征参数和步骤5中监测点特征参数包括有量纲参数指标和无量纲参数指标，有量纲参数指标包括标准差、方差、峰-峰值、方根幅值、平均幅值、均方根值，无量纲参数指标包括峭度指标、峰值指标、波形指标、脉冲指标和裕度指标。

4.根据权利要求1所述的一种基于平面化后数据边界形态的旋转机械设备状态监测方法，其特征在于：所述的步骤2中星座图技术的基本原理是将数据的N维特征融合成一个点在半圆内显示出来，在星座图中距离较近的样本点比较相似，距离较远的样本点差距较大，不同类别的数据在星座图中的位置也会不同。

5.根据权利要求1所述的一种基于平面化后数据边界形态的旋转机械设备状态监测方法，其特征在于：所述的步骤3中基于距离的方式剔除离群点，先通过定义距离函数衡量对象之间的距离，然后通过数据中多数对象距离的明显偏离确定数据集中的离群点。

6.根据权利要求1所述的一种基于平面化后数据边界形态的旋转机械设备状态监测方法，其特征在于：所述的步骤4中边界点集是利用了平面点集边界点的分布形态代替状态数据的分布区域的原理。

7.根据权利要求1所述的一种基于平面化后数据边界形态的旋转机械设备状态监测方法，其特征在于：所述的步骤6中监测点是否异常，是根据监测点与边界形态的相对位置关系判断。

8.根据权利要求1所述的一种基于平面化后数据边界形态的旋转机械设备状态监测方法，其特征在于：所述的步骤6中窗滑移法利用原先模型的边界点以及模型输入数据更新点更新模型，以达到提高算法执行效率的目的。

9.根据权利要求1所述的一种基于平面化后数据边界形态的旋转机械设备状态监测方法，其特征在于：所述的步骤6中报警时为了减少误报，综合数据平面化后的边界形态和扩张比例系数两个特征作为监测模型的报警条件，只有同时超过报警条件时，才认为该点为异常点；为了使监测模型具有更好的可视化效果，作如下设置，正常点显示为绿色，异常点显示为红色。