[发明专利]一种基于PCA-T2

摘要

一种基于PCA‑T2的滚珠丝杠副健康评估方法，涉及滚珠丝杠副健康评估技术。上述方法在得到滚珠丝杠副系统的振动信号之后，选择滚珠丝杠副系统多个部位丝杠原始振动信号进行特征提取、特征选择，然后结合主成分分析方法对提取的特征值矩阵进行降维，得到累计贡献率达到90％以上的前n个主成分，其次利用构建的霍特林统计量计算出每个新加入的样本的健康值，实时显示设备的健康状态，最后使用自适应阈值算法获取报警阈值线，为设备的健康状态变化提供预警功能并定位故障位置。该方法能够时提供预警并且定位故障位置；在训练阶段不需要失效数据，对数据的要求较为宽松；用于模型训练的数据为同一运行时间下提取的数据，符合实际情况。

主权项

1.一种基于PCA‑T2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：从安装在滚珠丝杠副多个部位的传感器处提取丝杠原始振动信号，并对所述原始振动信号进行预处理；步骤二：对预处理后的原始振动信号进行特征提取，提取出的特征构成特征值矩阵；步骤三：对提取的特征值矩阵进行特征选择，得到训练样本的特征值矩阵；步骤四：结合主成分分析方法对步骤三得到的训练样本特征值矩阵进行降维，删去无关主成分，选取对设备退化贡献率最大的前n个主成分PTx，其中P为代数特征值对应的特征向量，x＝(xi)表示第i个特征，且选取出的n个主成分累计贡献率达到X％以上；步骤五：每加入一个新样本，便构建并计算PCA‑T2统计量T2＝xTP·Λ‑1·PTx式中Λ＝diag{λ1,λ2,...,λn}为代数特征值矩阵，PTx为前n个主成分；步骤六：设定健康曲线的报警阈值线，所述健康曲线指T2随时间变化的曲线，若T2超出阈值线时，向用户发出报警并定位故障位置，否则，跳转到步骤七；步骤七：等到新样本加入，重复步骤五和步骤六，直到设备无新样本数据加入。