專利名稱：：一種動力設(shè)備故障監(jiān)測預報中的灰色建模方法
技術(shù)領(lǐng)域：
：本發(fā)明涉及一種機械故障預報監(jiān)測建模方法，特別是關(guān)于一種用于往復機械領(lǐng)域中的動力設(shè)備故障監(jiān)測預報中的灰色建模方法。
背景技術(shù)：
：往復機械故障預報方法多局限在實驗室內(nèi)的模擬階段，實用性還遠未達到現(xiàn)場要求。主要困難表現(xiàn)在信號的非平穩(wěn)性、信號的重疊性、診斷模型的多樣性，往復機械結(jié)構(gòu)和運動狀態(tài)相當復雜而且型號很多，難以歸納出共性。目前，GM模型(灰色模型)作為灰色系統(tǒng)理論的核心已被成功地應(yīng)用于工程預測、控制、社會、經(jīng)濟和農(nóng)業(yè)等許多領(lǐng)域?；疑碚撛诠收项A報中的應(yīng)用包括灰色系統(tǒng)建模、關(guān)聯(lián)度分析、灰色模型預測等。灰色理論用于故障預測的原理是把被預測系統(tǒng)看成一個灰色系統(tǒng)，利用存在的已知信息去推知含有固定模式的不可知信息的特性、狀態(tài)和發(fā)展趨勢，并對未來的發(fā)展做出預測和決策。將灰色理論應(yīng)用于往復機械故障診斷是基于樣本數(shù)據(jù)量有限和樣本值變化具有隨機性的特點選定的。作預測用的GM模型一般為GM(n，l)模型(η代表微分方程的階數(shù)，1代表變量的個數(shù))，其中最為重要的同時也是在實際中應(yīng)用最多的是GM(1，1)模型。由于初創(chuàng)的GM(1，1)模型是建立在等時空距的基礎(chǔ)上，而實際試驗過程中所取的樣本很多都是非等間距的，故只能采用非等間隔建模方法。對于非等間隔灰色建模方法可歸納為兩類一類叫差商型灰色建模，即對非等間隔序列進行一次累加生成后，將微分方程近似為差分方程建模求解；另一類是時序擬合型，即先根據(jù)非等間隔序列構(gòu)造出等間隔序列，再利用等間隔序列建模求解。差商型灰色建模要求建模數(shù)據(jù)的取樣時間間隔相差不能太大，否則模型精度不高；時序擬合型灰色建模要求數(shù)據(jù)波動量不能太大，否則預測結(jié)果誤差較大，上述這兩種方法分別用于往復機械故障預測中時，由于往復機械油液分析數(shù)據(jù)往往滿足不了取樣時間間隔和數(shù)據(jù)波動量較小的要求，因此應(yīng)用范圍具有一定的局限性，且診斷精度不高。
發(fā)明內(nèi)容針對上述問題，本發(fā)明的目的是提供一種適用較為廣泛且診斷精度較高的動力設(shè)備故障監(jiān)測預報中的灰色建模方法。為實現(xiàn)上述目的，本發(fā)明采取以下技術(shù)方案一種動力設(shè)備故障監(jiān)測預報中的灰色建模方法，其步驟如下(1)對于非等間距的取樣數(shù)據(jù)，根據(jù)級比條件判斷取樣數(shù)據(jù)是否滿足級比要求，若不滿足，則對取樣數(shù)據(jù)進行對數(shù)化處理后重新判定；若滿足，則繼續(xù)判斷是否滿足建模條件；(2)當滿足建模條件時，則按照差商法灰色建模的方法進行灰色建模；若不滿足建模條件，則對取樣時刻進行等間隔化處理；(3)經(jīng)間隔化處理后，判斷取樣數(shù)據(jù)規(guī)則是否平滑，若數(shù)據(jù)規(guī)則平滑，則可以按照時序擬合法的灰色建模方法進行建模；若數(shù)據(jù)規(guī)則具有波動性，則利用改進的基于建模數(shù)據(jù)變化規(guī)律的時序擬合法進行灰色建模；(4)所述差商法、時序擬合法和基于建模數(shù)據(jù)變化規(guī)律的時序擬合法灰色建模后，都要進行擬合精度檢驗，若檢驗合格，則可以進行灰色預測；若檢驗不合格，則改變建模維數(shù)重新進行建模，直至滿足擬合精度要求。所述級比條件為，<formula>formulaseeoriginaldocumentpage4</formula>其中，δ為級比函數(shù)，η為樣本數(shù)據(jù)的數(shù)量。所述建模條件為maX(Atk)/Hiin(Atk)<1.5，其中Atk為取樣間隔時間。本發(fā)明由于采取以上技術(shù)方案，其具有以下優(yōu)點1、本發(fā)明由于通過對初始數(shù)據(jù)序列x(°)(k)進行光滑處理，以及在確定灰時刻點t/(i=1,2'",k)的時候，不采用差值法，而是根據(jù)樣本數(shù)據(jù)的實際變化規(guī)律確定灰色數(shù)據(jù)序列，從而提高了建模預測精度。2、本發(fā)明由于建模所需信息較少，對于改進時序擬合型的非等間隔灰色GM(1，1)建模，當維數(shù)為4時，模型預測準確性達到最高。3、本發(fā)明由于不需知道原始數(shù)據(jù)分布的先驗特征，對無規(guī)則或服從任何分布的任意光滑離散的原始序列，通過作對數(shù)化處理，使之轉(zhuǎn)化成有規(guī)則序列，從而為建模提供中間信息并弱化原隨機序列的隨機性。4、本發(fā)明由于每一個預測數(shù)據(jù)都是基于相鄰的前面幾個采樣數(shù)據(jù)按照等維建模的方法進行預測計算后得到的，且每次建模后只預測后面一步，然后采用等維建模方法，將新的采樣結(jié)果添加進去，同時淘汰掉最老的信息，再重新建模預測下一值，因此保持了原系統(tǒng)的特征，能較好地反映系統(tǒng)的實際情況。因此本發(fā)明可以廣泛應(yīng)用于各種大型內(nèi)燃機、壓縮機和往復泵等往復機械設(shè)備中。圖1是本發(fā)明的灰色建模流程圖。具體實施例方式下面結(jié)合附圖和實施例對本發(fā)明進行詳細的描述。如圖1所示，由于本發(fā)明的往復機械實驗系統(tǒng)故障診斷方法中的故障預報是基于建模數(shù)據(jù)變化規(guī)律的灰色GM(1，1)建模方法，對于往復機械的油液分析數(shù)據(jù)的取樣間隔時間Atk是不相等的，灰色GM(1，1)建模方法包括以下步驟(1)對于非等間距的取樣數(shù)據(jù)，根據(jù)級比條件A(級比即相連數(shù)據(jù)的比值)判斷油液數(shù)據(jù)和各傳感器采集的取樣數(shù)據(jù)是否滿足級比要求，若不滿足，則對油液中元素濃度及各種數(shù)據(jù)進行對數(shù)化處理后重新判定；若滿足級比條件A，則繼續(xù)判斷是否滿足建模條件max(Atk)/min(Atk)<1.5；其中Atk為取樣間隔時間；/一_丄’級比條件A為一㈨e^，其中，δ為級比函數(shù)；η為樣本數(shù)據(jù)的數(shù)量；V/(2)當滿足建模條件max(Atk)/Hiin(Atk)<1.5時，則按照差商法灰色建模的方法進行灰色建模；若不滿足建模條件，則對取樣時刻進行等間隔化處理；(3)經(jīng)間隔化處理后，判斷取樣數(shù)據(jù)規(guī)則是否平滑，若數(shù)據(jù)規(guī)則平滑，則可以按照時序擬合法的灰色建模方法進行建模；若數(shù)據(jù)規(guī)則具有波動性，則利用基于建模數(shù)據(jù)變化規(guī)律的改進型時序擬合法進行灰色建模；(4)上述各步驟中的差商法、時序擬合法和基于建模數(shù)據(jù)變化規(guī)律的時序擬合法灰色建模后，都要進行擬合精度檢驗，若檢驗合格，則可以進行灰色預測；若檢驗不合格，則改變建模維數(shù)重新進行建模，直至滿足擬合精度要求。下面通過具體實施例，對本發(fā)明做進一步的介紹。實施例1以某往復式發(fā)動機道路試驗數(shù)據(jù)為例，進行灰色預測建模。建模主要包括以下過程(1)原始數(shù)據(jù)級比判斷，道路試驗過程中Fe元素濃度分析結(jié)果和數(shù)據(jù)序列級比如表1所示。表1<table>tableseeoriginaldocumentpage5</column></row><table>上述表格中，顯示數(shù)據(jù)中有多項不滿足級比要求，因此，必須對該數(shù)據(jù)序列進行預處理，在此采用對數(shù)變換法，變換后的數(shù)據(jù)序列如表2所示。表2<table>tableseeoriginaldocumentpage5</column></row><table>(2)取樣間隔時刻判斷，經(jīng)判斷，數(shù)據(jù)序列里程間隔不滿足max(Δtk)/mix(Δtk)<1.5的條件，故只能按照時序擬合型灰色建模方法進行擬合預測；按照最小二乘法確定的轉(zhuǎn)化里程間隔序列和基于數(shù)據(jù)變化規(guī)律的灰色數(shù)據(jù)序列如表3所示。表3<table>tableseeoriginaldocumentpage6</column></row><table>(3)模型擬合精度判斷，兩種時序擬合型灰色建模方法精度檢驗值如表4所示。表4<table>tableseeoriginaldocumentpage6</column></row><table>由上述表格可知，傳統(tǒng)時序擬合型是按比例法(最小二乘法)確定的灰數(shù)值序列X^ak')，所以它的建模擬合精度要高些，但我們建立灰色模型的最終目的是進行預測，只要建立的模型滿足擬合精度要求就可以了。由于表4中兩種方法的擬合精度都達到一級精度，滿足擬合精度要求，因此可以進行預測。(4)灰色預測，按照上述兩種建模方法，對后續(xù)試驗?zāi)p量進行了預測，預測結(jié)果如表5所示。表5<table>tableseeoriginaldocumentpage7</column></row><table>預測結(jié)果顯示，當預測里程為623km時，傳統(tǒng)時序擬合型灰色模型預測誤差為3.427%，而改進型的灰色模型預測誤差為1.715%；當預測里程為1076km時，傳統(tǒng)的時序擬合型灰色預測誤差為10.293%，而改進型的預測誤差為7.977%，結(jié)果表明，基于數(shù)據(jù)變化規(guī)律的改進時序擬合型灰色預測模型預測誤差小、準確度較高。實施例2為進一步驗證模型預測的準確性，對另一臺同類型往復機械油液分析數(shù)據(jù)進行了預測，原始試驗數(shù)據(jù)及預測驗證數(shù)據(jù)如表6所示。表6<table>tableseeoriginaldocumentpage7</column></row><table>的條件，因此只能分別對數(shù)據(jù)序列進行對數(shù)變換預處理，對里程序列進行等間距化處理。對原始數(shù)據(jù)進行三種灰色建模預測的結(jié)果，進而表明數(shù)據(jù)預處理與灰色建模預測準確性的影響關(guān)系，如表7所示。對原始數(shù)據(jù)進行對數(shù)化處理后的三種灰色建模預測的結(jié)果如表8所示。表7<table>tableseeoriginaldocumentpage8</column></row><table>經(jīng)過對比后發(fā)現(xiàn)，直接對原始數(shù)據(jù)進行建模，預測結(jié)果誤差較大；對原始數(shù)據(jù)進行預處理后，在滿足級比要求的情況下進行建模預測，預測精度有較大提高。三種方法預測結(jié)果顯示，本發(fā)明提出的改進時序擬合型灰色預測模型預測精度最高。對于該試驗數(shù)據(jù)序列，因為在后期數(shù)據(jù)變化率增大，所以導致預測精度有所下降，因此，對于灰色建模，不一定要基于全部已知數(shù)據(jù)進行建模，應(yīng)該選擇與后期磨損趨勢關(guān)系比較密切的關(guān)重數(shù)據(jù)建模。對于灰色建模灰色數(shù)據(jù)的選擇，應(yīng)按照就近的原則，即選取距離預測值較近的幾個數(shù)據(jù)進行建模，但是究竟選擇多少，需要根據(jù)數(shù)據(jù)樣本變化規(guī)律確定。根據(jù)建模曲線可以對后續(xù)試驗數(shù)據(jù)進行預測，其預測結(jié)果如表9所示。表9<table>tableseeoriginaldocumentpage8</column></row><table><table>tableseeoriginaldocumentpage9</column></row><table>上述表格中，每一個預測數(shù)據(jù)都是基于相鄰的前面幾個采樣數(shù)據(jù)按照等維建模的方法進行預測計算后得到的,且每次建模后只預測后面一步，然后采用等維建模方法，將新的采樣結(jié)果添加進去，同時淘汰掉最老的信息，再重新建模預測下一值。預測結(jié)果顯示，對于改進時序擬合型的非等間隔灰色GM(1，1)建模，當維數(shù)為4時，模型預測準確性最高。上述各實施例僅是本發(fā)明的優(yōu)選實施方式，在本
技術(shù)領(lǐng)域：
內(nèi)，凡是基于本發(fā)明技術(shù)方案上的變化和改進，不應(yīng)排除在本發(fā)明的保護范圍之外。權(quán)利要求一種動力設(shè)備故障監(jiān)測預報中的灰色建模方法，其步驟如下(1)對于非等間距的取樣數(shù)據(jù)，根據(jù)級比條件判斷取樣數(shù)據(jù)是否滿足級比要求，若不滿足，則對取樣數(shù)據(jù)進行對數(shù)化處理后重新判定；若滿足，則繼續(xù)判斷是否滿足建模條件；(2)當滿足建模條件時，則按照差商法灰色建模的方法進行灰色建模；若不滿足建模條件，則對取樣時刻進行等間隔化處理；(3)經(jīng)間隔化處理后，判斷取樣數(shù)據(jù)規(guī)則是否平滑，若數(shù)據(jù)規(guī)則平滑，則可以按照時序擬合法的灰色建模方法進行建模；若數(shù)據(jù)規(guī)則具有波動性，則利用改進的基于建模數(shù)據(jù)變化規(guī)律的時序擬合法進行灰色建模；(4)所述差商法、時序擬合法和基于建模數(shù)據(jù)變化規(guī)律的時序擬合法灰色建模后，都要進行擬合精度檢驗，若檢驗合格，則可以進行灰色預測；若檢驗不合格，則改變建模維數(shù)重新進行建模，直至滿足擬合精度要求。2.如權(quán)利要求1所述的一種動力設(shè)備故障監(jiān)測預報中的灰色建模方法，其特征在于所述級比條件為<formula>formulaseeoriginaldocumentpage2</formula>，其中，δ為級比函數(shù)，η為樣本數(shù)據(jù)的數(shù)量。3.如權(quán)利要求1所述的一種動力設(shè)備故障監(jiān)測預報中的灰色建模方法，其特征在于所述建模條件為:<formula>formulaseeoriginaldocumentpage2</formula>其中Atk為取樣間隔時間。全文摘要本發(fā)明涉及一種動力設(shè)備故障監(jiān)測預報中的灰色建模方法，(1)根據(jù)級比條件和建模條件判斷非等間距的取樣數(shù)據(jù)是否滿足要求；(2)當滿足建模條件時，則按照差商法灰色建模的方法進行灰色建模；若不滿足，則進行等間隔化處理；(3)判斷取樣數(shù)據(jù)規(guī)則是否平滑；(4)用各種方法進行灰色建模后，進行擬合精度檢驗。本發(fā)明由于通過對初始數(shù)據(jù)序列進行光滑處理，以及在確定灰時刻點的時候，不采用差值法，而是根據(jù)樣本數(shù)據(jù)的實際變化規(guī)律確定灰色數(shù)據(jù)序列，從而提高了建模預測精度。本發(fā)明可以廣泛應(yīng)用于各種往復機械設(shè)備中。文檔編號G06F19/00GK101799369SQ20101010134公開日2010年8月11日申請日期2010年1月27日優(yōu)先權(quán)日2010年1月27日發(fā)明者徐小力,王少紅,王立勇,谷玉海申請人:北京信息科技大學