[发明专利]加注泵早期健康状态监测方法

摘要

本发明公开了一种加注泵早期健康状态监测方法，包括以下步骤：S1：选取加注泵运行过程健康度量相关性能参数；S2：采集加注泵正常运行数据构造参数向量组；S3：标准化S2参数向量组并进行PCA分析；S4：选取S3主成分并计算各主成分得分向量；S5：采集加注泵实时运行数据构造参数向量组；S6：标准化S5参数向量组并进行PCA分析；S7：选取S6主成分并计算各主成分得分向量；S8：计算S4和S7中各主成分向量的KLD值；S9：分析各主成分KLD值及系统健康状态变化情况。本发明公开了一种主成分分析和Kullback‑Leibler距离相融合的健康度量模型，该模型可有效检测加注泵运行过程中性能参数的微小变化，实现加注泵早期健康监测，为设备健康管理与视情维护提供决策支持。

主权项

一种加注泵早期健康状态监测方法，包括以下步骤：S1：选取加注泵运行过程健康度量相关性能参数；S2：采集加注泵正常运行数据构造参数向量组；S3：标准化S2参数向量组并进行PCA分析；S4：选取S3主成分并计算各主成分得分向量；S5：采集加注泵实时运行数据构造参数向量组；S6：标准化S5参数向量组并进行PCA分析；S7：选取S6主成分并计算各主成分得分向量；S8：计算S4和S7中各主成分向量的KLD值；S9：分析各主成分KLD值及系统健康状态变化情况。步骤S1中健康度HD是系统健康状况的综合指标，加注泵健康度量是指对健康状态进行定量计算，本发明采用一种基于PCA‑KLD的健康度量方法。加注泵性能参数的选取准则由加注阶段不同运行特性决定，选取的相关性能参数主要包括：泵的出(入)口压力P_OB(P_IB)、系统的出口压力P_OX、系统的瞬时流量L，泵电流I、系统出口温度T_O、储罐的下点温度T_D以及罐压P_G；步骤S2中各被测对象物理特性不同且不同类型传感器均匀采样率有所差异，本专利利用数字信号处理的方法进行采样频率转换，记转换后的采样频率为f；当采样时间为T时，每个采样周期参数向量所包含的数据数为N＝Tf；记正常运行数据组成的参数向量组为其中步骤S3中标准化各参数向量组，消除各性能参数不同物理量纲的影响，如记泵的正常运行出口压力N向量均值与标准差分别为和则正常运行出口压力向量中心化结果为其中^N为单位向量；以此类推，记标准化参数向量组为记标准化参数向量X*的协方差矩阵为其特征值、特征向量求解采用奇异值分解法，记特征值为其中diag{}表示对角阵，非对角部分全为0，对应的特征向量为其中步骤S4中主成分选取规则按照主成分累积贡献率大于85％的原则确定样本主成分个数，记主成分数为m；记协方差矩阵S*得分向量为其中记各主元得分向量概率密度函数(PDF)为i∈[1,m],m≤7，各主元得分向量概率密度函数近似估计方法采用已有的密度演化方法；步骤S5、S6、S7中加注泵实时运行数据采集、数据预处理、PCA分析、主成分选取及主成分得分向量计算方法分别与步骤S2、S3、S4类似，区别在于S2‑S4为加注泵已知健康状态样本，作为加注泵健康状态变化监测的知识库，S5‑S6为加注泵实时运行数据处理；记实时运行数据组成的向量组为X＝[P_OB,P_IB,P_OX,L,I,T,P]，其中类似地，记泵的正常运行出口压力向量均值与标准差分别为和则向量标准化结果为其中为单位向量；以此类推，记标准化参数向量组为记标准化参数向量X的协方差矩阵为其特征值、特征向量求解采用奇异值分解法，记特征值为λ＝diag{λ₁,…,λ₇}，其中diag{}表示对角阵，非对角部分全为0，对应的特征向量为P＝[p₁,…,p₇]，其中记协方差矩阵S得分向量为其中记各主元得分向量概率密度函数(PDF)为ψ_i(x)，i∈[1,m],m≤，各主元得分向量概率密度函数近似估计方法采用已有的密度演化方法；步骤S8计算各主元得分向量的KLD值，即其中步骤S9分析各主元得分向量的KLD值变化，将健康度HD的取值范围定义为[0,a]，当HD取值为0时，表征系统绝对健康；当取值为a时，表征系统为完全故障；当取值介于0与a之间时，表征系统处于二者中间状态。随着实时运行数据的不断更新，实现加注泵运行过程中的早期健康状态变化监测。