[发明专利]一种机械设备健康状态评估方法

摘要

本发明公开了一种机械设备健康状态评估方法。首先利用传感器采集机械设备上主要零部件的状态数据，然后进行特征提取获得特征参数；接着通过离群点检测算法提取出噪声数据和故障数据，仅保留后者；随后进行降维处理获得最终进行评估的特征向量；最后进行设备的状态评估，通过健康状态数据和失效状态数据建立自组织映射神经网络模型，通过熵权理论计算每一组待评估数据的速率影响因子，并带入神经网络进行健康因子计算。本发明实现了对于机械设备的全面状态评估，为机械设备的健康维护提供了依据，避免了不必要的经济损失。

主权项

1.一种机械设备健康状态评估方法，其特征在于，包括以下步骤：(1)利用传感器对机械设备的主要零部件进行状态数据采集；(2)对于不同零部件的状态数据采用不同的特征提取方法进行特征提取，获得特征参数，将每个零部件的特征参数归为一组，得到每个零部件的特征参数集；(3)通过离群点检测算法对每个零部件的特征参数集进行离群点检测，获得噪声数据和故障数据，保留反映设备健康状态的故障数据，清楚噪声数据；(4)对去噪声后的每个零部件的故障数据进行特征降维，然后合成一个特征向量；(5)重复步骤(1)‑(4)若干次，得到若干个特征向量；(6)通过预设的健康状态数据和失效状态数据对自组织映射神经网络模型进行训练，获得训练后的网络模型；(7)根据信息熵理论，计算步骤(5)中得到的每一个特征向量的速率影响因子，并将速率影响因子带入自组织映射神经网络，计算健康因子，使得健康因子不仅能反映出当前状态到健康状态的距离程度，而且能反映出数据变化率对健康状态的影响。