申请/专利权人：上海交通大学

申请日：2021-08-03

公开（公告）日：2024-04-09

公开（公告）号：CN113610387B

主分类号：G06Q10/0639

分类号：G06Q10/0639;G06Q10/04;G06F30/20;G06F18/25;G06F17/14;G06F119/04

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2021.11.23#实质审查的生效;2021.11.05#公开

摘要：本发明提供了一种基于全局谱特征融合的设备服役性能退化评估方法及系统，通过结合全局谱特征融合模型和优化模型构造健康指数，基于所构造的健康指数来实现设备服役性能退化评估。本发明通过采用全局频谱特征融合的策略，无需依赖专家知识来提取和筛选特征，实现频谱特征自动筛选，无需人工干预，有利于实现在线设备健康检测和服役性能退化评估。通过同时考虑服役性能退化建模的三源特性来构建性能退化模型，使健康指数可以同时用于设备的早期故障检测、单调退化评估和剩余寿命预测的任务。

主权项：1.一种基于全局谱特征融合的设备服役性能退化评估方法，其特征在于，包括以下步骤：步骤S1：获取多台同类型设备从运行正常到失效状态的时域振动数据；步骤S2：基于快速傅里叶变换将采集到时域振动数据文件转换为频域的频谱幅值；步骤S3：定义用于设备服役性能退化评估的健康指数的具体数学表达式；所述步骤S3中第i台设备在第j个数据文件的健康指数计算如下： 其中wk表示第i台设备的第j个数据文件中第k个频率处的频谱幅值的权重，每个数据文件处的健康指数等于全局谱特征幅值的加权和，fi,j,k表示从第i台设备的第j个数据文件中的第k个频率处的频谱幅值，k＝1,2,…,M；步骤S4：构建确定全局谱特征幅值权重的设备服役性能退化评估模型；步骤S5：根据步骤S3和步骤S4，计算设备的健康指数；所述步骤S4包括以下子步骤：步骤S4.1：根据设备服役性能单调退化特性，构建优化模型量化健康指数的单调特性； s.t.w′Μ′1＝r,Mw≥0，Diωi≥0,εi,j≥0,i＝1,…,m,j＝1,…,ni其中，m,ni和s分别是同类型设备的数量、第i台设备的数据文件总数目和每个数据文件包含的频谱幅值数量；εi,j表示健康指数在第i台设备的第j个数据文件处非单调递增的差分，w′表示频谱幅值的权重向量w的转置向量；Μ′表示对角矩阵M的转置矩阵；1表示全1向量，即所有向量元素都为1；ci,j是第i台设备健康指数非单调量的权重系数，其服从算数级数；w∈Rs×1是频谱幅值的权重向量；wk代表w的第k个元素，是第k个频率处的幅值的权重；M∈Rs×s是一个对角矩阵，表示每个频率处的幅值随时间的变化趋势，r是全局频谱特征幅值的权重和；是优化模型的变量；是全局频率特征的频谱差分矩阵，具有以下形式： 步骤S4.2：根据设备发生早期故障时间的不确定特性，构建优化模型量化健康指数的早期故障检测特性；obj＝minww′ws.t.ViUiw-Ci≥1,i＝1,…,m,给定一个数据集其中是第i台设备的第j个数据文件对应的对角标签矩阵，如果第i台设备的第j个数据文件是正常数据文件，则对应的标签为-1，否则为1；为惩罚项；是第i台设备的频谱幅值数据矩阵；步骤S4.3：根据设备退化轨迹的随机特性，构建优化模型量化健康指数退化轨迹； 其中ei,k,j是第i台设备的第j个数据文件中第k个频率处的频谱幅值对于退化模型的拟合误差，ei,j,l表示是第i台设备的第j个数据文件中第l个频率处的频谱幅值对于退化模型的拟合误差，wl表示代表w的第l个元素，是第l个频率处的幅值的权重；步骤S4.4：根据步骤S4.1，步骤S4.2和步骤S4.3，构建考虑设备服役性能退化评估的健康指数三源特性的性能退化模型； s.t.w′Μ′1＝r,Mw≥0,Diωi≥0,ViUiw-Ci≥1,εi,j≥0,i＝1,…,m,j＝1,…,ni,k＝1,…,s,l＝1,…,s其中μ和λ是模型的超参数；步骤S4.5：根据步骤S4.4中考虑三源特性的服役性能退化模型，求解出频谱幅值的权重向量w∈Rs×1。

全文数据：

权利要求：

百度查询： 上海交通大学 基于全局谱特征融合的设备服役性能退化评估方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD