[发明专利]一种应用于自动化生产线的故障预测与健康管理方法

摘要

本发明属于自动化生产线技术领域，具体为一种应用于自动化生产线的故障预测与健康管理方法；该方法包括如下步骤首先准备若干条待测自动化生产线，分别对其中的轴承设备进行加热老化、振动测试，得到训练数据并存储于数据库中；再进行FMECA分析，得到训练样本；然后采用粒子滤波算法训练神经网络并放入测试芯片中；最后采用测试芯片对处于工作状态的自动化生产线中的轴承设备进行实时监测，同时计算其剩余寿命并进行健康管理。本发明能够实时监测自动化生产线中的轴承设备的运转状态，并预计故障时间，减小突发故障的发生概率，并在突发故障出现时避免诸多安全隐患，从而保护财产，降低维护开销。

主权项

一种应用于自动化生产线的故障预测与健康管理方法，其特征在于，包括以下步骤：步骤1，准备若干条待测自动化生产线，对待测自动化生产线中的轴承设备分别进行加热老化、振动测试，得到训练数据并存储于数据库中；步骤2，对训练数据进行FMECA分析，得到训练样本；步骤3，进行CBM试验，设定神经网络层数并初始化神经网络；步骤4，利用传感器对自动化生产线中的轴承设备进行数据采集；步骤5，进行数据分析，对采集的数据进行特征提取；步骤6，采用深度学习模型、运用粒子滤波算法：VNN、DBN、CNN及SAE对训练样本分别训练神经网络；若所有模型的训练误差均小于预设阈值，则返回步骤3，重新设定神经网络层数并初始化神经网络；否则，选定训练误差最小的深度学习模型，并将其训练好的神经网络放入测试芯片中；步骤7，采用传感器对处于工作状态的待测自动化生产线的轴承设备进行实时数据采集，根据实时数据，测试芯片计算待测自动化生产线的轴承设备当前健康状态X进行输出，并将历史数据存储于RAM中；步骤8，采用切片双谱检测，当轴承发生故障时，采样信号的特征x(t)为受干扰的冲击调制信号，即；式中，ωi为调制源，包括轴承故障特征频率及其谐波频率；ω0为载波频率；b为任意常数；轴承发生故障时，其振动信号解调后的信号包含了故障特征频率的一次谐波，且相位是互相关联的，即存在二次相位耦合现象；若设ωF为轴承的故障特征频率，则双谱的（ωF,ωF）处出现相位耦合现象，从而双谱在(ωF ,ωF)处会有明显的谱峰；步骤9，计算RAM中所有历史数据的平均值，与最新数据对比，若存在故障率变大趋势，则计算其变化速率v：，其中time是时间偏移量；并计算其达到故障阈值的时间：，即为待测自动化生产线中的轴承设备的剩余寿命；步骤10，对自动化生产线中的轴承设备进行维修准备与健康管理。