CN105468910A - 一种机电设备性能退化预测方法 - Google Patents

Abstract

本发明涉及一种机电设备性能退化预测方法，其特征在于，第一步，确定表征机电设备的参数，并检测该参数获得参数数据；第二步，根据所述参数数据，确定参数的统计分布；第三步，根据参数的统计分布，确定所述参数的标准健康线、健康上限和健康下限；第四步，对所述参数数据进行超限分析、偏移分析、趋势变化分析中的至少一种分析，并根据分析结果确定机电设备的衰退程度。本发明的方法能够缩短设备的停机维修时间，提高设备的利用率，并且避免因设备而引起的灾难性事故。

Description

一种机电设备性能退化预测方法

技术领域

本发明涉及机械电子技术领域，尤其涉及一种机电设备安全维护的技术领域。

背景技术

根据研究发现，机电设备具有状态表征参数多、统计变化规律强、连续变化等特点，本发明利用机电设备实时采集的运行状态参数，通过统计分布检验、健康控制限分析和性能衰退趋势分析等方法，对机电设备的实时性能状态进行分析，对其衰退超限、异常趋势和衰退偏移等性能衰退情况实现预警，缩短设备的停机维修时间，提高设备的利用率，并且避免因设备而引起的灾难性事故，提高装备可用性和任务成功性。

发明内容

鉴于上述的分析，本发明旨在提供一种机电设备性能退化预测方法。用以解决现有机电设备维修效率不高的问题。

本发明的目的主要是通过以下技术方案实现的：

一种机电设备性能退化预测方法，其特征在于，第一步，确定表征机电设备的参数，并检测该参数获得参数数据；第二步，根据所述参数数据，确定参数的统计分布；第三步，根据参数的统计分布，确定所述参数的标准健康线、健康上限和健康下限；第四步，对所述参数数据进行超限分析、偏移分析、趋势变化分析中的至少一种分析，并根据分析结果确定机电设备的衰退程度。

可选的，第二步具体为：确定所述参数数据的数据量N，根据N个参数数据检验所述参数是否符合某一特定的统计分布，若检验过程中，未发现与参数数据相符合的统计分布，则将所述参数的统计分布设置为正态分布。

可选的，所述根据参数的统计分布，确定所述参数的标准健康线SHL、健康上限UHL和健康下限LHL具体为：

UHL＝μ+3σ，SHL＝μ，LHL＝μ-3σ，其中，μ，σ分别为统计分布的均值和标准差。

可选的，在确定所述标准健康线SHL、健康上限UHL和健康下限LHL时，当根据当前参数数据计算得到的值与之前的值偏差在一定范围内时，确定标准健康线SHL、健康上限UHL和健康下限LHL值。

可选的，所述超限分析具体为若当前参数数据未落在健康上限与健康下限之间,则保存该超限数据。

可选的，所述超限分析具体为对获取的L个数据进行超限分析，如果第L/2个值未落在健康上限与健康下限之间,，则保存这L组数据到数据库，其中L为偶数。

可选的，所述偏移分析具体为：获取包括当前参数数据的最新M个数据，确定从当前参数数据起向前推移m个数据是否均处于标准健康线的同一侧，若是，则确定当前参数数据发生了偏移，其中M是大于m的正整数。

可选的，所述偏移分析具体还包括：确定M个数据是否存在连续的m个数据均处于标准健康线的同一侧，若是，进一步判断偏移中心是否在M/2的位置上，如果是，则保存当前M个数据。

可选的，所述趋势变化分析具体为：获取包括当前参数数据的最新Q个数据，确定从当前参数数据起向前推移q个数据是否均持续增加或持续减少，若是，则确定当前参数数据发生了趋势变化，其中Q是大于q的正整数。

可选的，所述偏移分析具体还包括：确定Q个数据是否存在连续的m个数据均持续增加或持续减少，若是，进一步判断趋势变化的中心是否在Q/2的位置上，如果是，则保存当前Q个数据。

本发明有益效果如下：对机电设备的实时性能状态进行分析，对其衰退超限、异常趋势和衰退偏移等性能衰退情况实现预警，缩短设备的停机维修时间，提高设备的利用率，并且避免因设备而引起的灾难性事故，提高装备可用性和任务成功性。

本发明的其他特征和优点将在随后的说明书中阐述，并且，部分的从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

附图说明

附图仅用于示出具体实施例的目的，而并不认为是对本发明的限制，在整个附图中，相同的参考符号表示相同的部件。

图1为本发明具体实施方式提供的机电设备健康状态示意图；

图2为本发明具体实施方式提供的超限状态示意图；

图3为本发明具体实施方式提供的趋势状态示意图；

图4为本发明具体实施方式提供的健康监测参数偏移状态示意图；

图5为本发明实施例提供的机电设备性能退化预测方法示意图；

图6为本发明具体实施方式提供的统计分布检验模块示意图；

图7为本发明具体实施方式提供的健康控制限确定模块示意图；

图8为本发明具体实施方式提供的健康控制限确定模块示意图；

图9为本发明具体实施方式提供的偏移确定模块示意图；

图10为本发明具体实施方式提供的趋势确定模块示意图。

具体实施方式

下面结合附图来具体描述本发明的优选实施例，其中，附图构成本申请一部分，并与本发明的实施例一起用于阐释本发明的原理。

图1为本发明具体实施方式提供的机电设备健康状态示意图。图1包含三条平行于横轴的直线：中间的一条实线叫标准健康线SHL(StandardHealthLine)；上下两条虚线分别为健康上限UHL(UpperHealthLimit)和健康下限LHL(LowerHealthLimit)，健康上限和健康下限统称控制限。且UHL＝μ+3σ，SHL＝μ，LHL＝μ-3σ，其中，μ，σ分别为统计分布的均值和标准差。

对于符合正态分布的健康监测数据，不论μ与σ取何值，落在[μ-3σ,μ+3σ]范围内的概率为99.73％。如果系统某健康特征的实测值或实测值的统计值(近似)服从正态分布，则通过统计健康监测可以很好地把系统的健康控制在一个良好的状态下。实际中，具体对象的数据分布类型，还需要事先通过设备的历史运行数据进行检验确定。

应用健康控制图对健康状况进行监控，若出现下所示的趋势倾向，则健康状态可能存在降级，故在设备健康变异发生时，及时发现并采取措施加以消除，从而保障系统的健康，预防故障发生。

1)超限状态分析

图2为本发明具体实施方式提供的超限状态示意图。反映在健康控制图上数据点的排列形式如图2所示。分析健康监测参数是否存在一个或者多个性能趋势参数监测点落在健康控制限外，如果出现这种状态则表明健康出现了较大的异常波动。

2)趋势状态分析

图3为趋势状态示意图。如图3所示，分析健康监测参数监测点是否出现连续上升或连续下降的“趋势”。通常，当发生7个点或更多点连续上升或下降，表明过程均值在逐渐增大或逐渐减小，这一般是由于设备相关的某种因素存在某种变化趋势所致，如设备的老化或磨损等趋势。

3)偏移状态分析

图4为本发明具体实施方式提供的健康监测参数偏移状态示意图。

分析健康监测参数监测点是否在标准健康线一侧多次出现：

a)连续7个点或者更多特征值点在中心线的同一侧；

b)连续11个点中至少有10个点在中心线的同一侧，连续14个点中至少有12个点在中心线的同一侧,连续17个点中至少有14个点在中心线的同一侧,连续20个点中至少有16个点在中心线的同一侧。

如果出现这种状态则表明健康特性实测值或实测值统计量的均值可能发生偏移，如图4所示。

图5为本发明实施例提供的机电设备性能退化预测方法示意图。

当健康监测参数在确定工况下通过设备健康监测参数统计分布检验，且检验结果被标记为一个确定的分布形式的条件下，计算获得设备健康监测参数的健康控制限。在健康控制限确定过程中，利用健康监测参数统计分布检验结果，通过健康控制限计算式，获得相应数据段的健康控制限。每当获取一段该健康监测参数该工况下所选长度的数据时，即进行一次健康控制限计算，并进行健康控制限稳定判断，判稳之后的控制限即为后续健康监测和评估的健康控制限输入。

图6为本发明具体实施方式提供的统计分布检验模块示意图。

确定表征机电设备的参数，并检测该参数获得参数数据。当数据量大于N时，N是可设定的数值。

检验获得的参数数据是否分别符合正态分布、威布尔分布等统计分布检验，若没有符合的统计分布，则确定为正态分布。

图7为本发明具体实施方式提供的健康控制限确定模块示意图。

USL表示了UHL值、SHL值、和LHL值。根据确定的参数P，指定工况USL数据、指定工况下的健康表征参数数据信息。

根据参数数据信息计算得到USL，而输入的指定工况的USL值赋予USL＇，若有

(USL-USL＇)/USL＇≤M(1)

其中M为一百分比值，可以人为设定，例如设定为5％。

当满足公式1时，可以判定USL值已经稳定，则工况属性由false设置为true；否则判定USL不稳定，保存此次计算的USL值，并将其赋值与USL＇。

图8为本发明具体实施方式提供的健康控制限确定模块示意图。

(1)获取当前参数P最新的L个数据及这L个数据对应工况的USL值,共L组；L是可选的，例如，20，30等。最新的L个数据是指从当前开始向前推移一共L个数据。

(2)如果当前数据超限，显示并保存超限相关信息；

(3)对获取的L个数据进行超限分析，如果第L/2个值超限，则保存这L组数据到数据库。

本发明具体实施方式提供的设备性能退化趋势分析与预报模块包括分布检验模块、健康控制限确定模块、超限分析模块、偏移分析模块、趋势分析模块、统计分布检验模块等子模块组合实现对设备的性能退化预测。

这个模块能够实现：

如果检测到当前存在偏移则提供用户提示；如果历史的(最新的L个数据)中存在偏移，并且偏移中心位于第15个数据位置，则保存该偏移信息到数据库；

图9为本发明具体实施方式提供的偏移确定模块示意图。

(1)获取当前参数P最新的M个数据，M是可选的，例如，20，30等。最新的M个数据是指从当前开始向前推移一共M个数据。

(2)确定当前是否存在偏移，具体确定方法可以根据系统的要求进行设定和调整，在本具体实施方式中，从当前数据起向前推移共m个点，均处于标准健康线的某一侧则认为存在偏移。

(3)若第二步判断存在偏移，则提示出现偏移，并存储偏移出现的起始点信息以及偏移发生的时间。

(4)无论第二步是否存在偏移，均进一步判断当前M个数据是否存在偏移，例如是否存在持续的不小于m个数据处于同一侧。若是，进一步判断偏移中心是否在M/2的位置上，如果是，则保存当前M个数据。只有中心处于M/2时，才能确定有连续M/2个数据处于偏移中心的同侧，则认为是偏移。

图10为本发明具体实施方式提供的趋势确定模块示意图。

(1)获取当前参数P最新的Q个数据，Q是可选的，例如，20，30等。最新的Q个数据是指从当前开始向前推移一共Q个数据。

(2)确定当前是否存在趋势变化。例如，从当前数据起向前推移共7个点，若持续增加或持续减小，则确定存在趋势变化。

(3)若第二步判断存在趋势变化，则提示出现趋势变化，并存储趋势变化出现的起始点信息以及趋势变化发生的时间。

(4)无论第二步是否存在趋势变化，均进一步判断当前Q个数据是否存在趋势变化，例如是否存在持续的不小于7个数据持续增加或持续减小。若是，进一步判断趋势变化中心是否在Q/2的位置上，如果是，则保存当前Q个数据。

综上所述，本发明实施例提供了一种一种机电设备性能退化预测方法，对机电设备的实时性能状态进行分析，对其衰退超限、异常趋势和衰退偏移等性能衰退情况实现预警，缩短设备的停机维修时间，提高设备的利用率，并且避免因设备而引起的灾难性事故，提高装备可用性和任务成功性。

本领域技术人员可以理解，实现上述实施例方法的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于计算机可读存储介质中。其中，所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种机电设备性能退化预测方法，其特征在于，第一步，确定表征机电设备的参数，并检测该参数获得参数数据；第二步，根据所述参数数据，确定参数的统计分布；第三步，根据参数的统计分布，确定所述参数的标准健康线、健康上限和健康下限；第四步，对所述参数数据进行超限分析、偏移分析、趋势变化分析中的至少一种分析，并根据分析结果确定机电设备的衰退程度。

2.根据权利要求1所述的机电设备性能退化预测方法，其特征在于，第二步具体为：确定所述参数数据的数据量N，根据N个参数数据检验所述参数是否符合某一特定的统计分布，若检验过程中，未发现与参数数据相符合的统计分布，则将所述参数的统计分布设置为正态分布。

3.根据权利要求根据权利要求1所述的机电设备性能退化预测方法，其特征在于，所述根据参数的统计分布，确定所述参数的标准健康线SHL、健康上限UHL和健康下限LHL具体为：

UHL＝μ+3σ，SHL＝μ，LHL＝μ-3σ，其中，μ，σ分别为统计分布的均值和标准差。

4.根据权利要求根据权利要求3所述的机电设备性能退化预测方法，其特征在于，在确定所述标准健康线SHL、健康上限UHL和健康下限LHL时，当根据当前参数数据计算得到的值与之前的值偏差在一定范围内时，确定标准健康线SHL、健康上限UHL和健康下限LHL值。

5.根据权利要求根据权利要求1所述的机电设备性能退化预测方法，其特征在于，所述超限分析具体为若当前参数数据未落在健康上限与健康下限之间,则保存该超限数据。

6.根据权利要求根据权利要求1所述的机电设备性能退化预测方法，其特征在于，所述超限分析具体为对获取的L个数据进行超限分析，如果第L/2个值未落在健康上限与健康下限之间,，则保存这L组数据到数据库，其中L为偶数。

7.根据权利要求根据权利要求1所述的机电设备性能退化预测方法，其特征在于，所述偏移分析具体为：获取包括当前参数数据的最新M个数据，确定从当前参数数据起向前推移m个数据是否均处于标准健康线的同一侧，若是，则确定当前参数数据发生了偏移，其中M是大于m的正整数。

8.根据权利要求根据权利要求7所述的机电设备性能退化预测方法，其特征在于，所述偏移分析具体还包括：确定M个数据是否存在连续的m个数据均处于标准健康线的同一侧，若是，进一步判断偏移中心是否在M/2的位置上，如果是，则保存当前M个数据。

9.根据权利要求根据权利要求1所述的机电设备性能退化预测方法，其特征在于，所述趋势变化分析具体为：获取包括当前参数数据的最新Q个数据，确定从当前参数数据起向前推移q个数据是否均持续增加或持续减少，若是，则确定当前参数数据发生了趋势变化，其中Q是大于q的正整数。

10.根据权利要求根据权利要求9所述的机电设备性能退化预测方法，其特征在于，所述偏移分析具体还包括：确定Q个数据是否存在连续的m个数据均持续增加或持续减少，若是，进一步判断趋势变化的中心是否在Q/2的位置上，如果是，则保存当前Q个数据。