CN107560848A - 轴温变化模型构建方法及模块、轴承健康监测方法及系统 - Google Patents
轴温变化模型构建方法及模块、轴承健康监测方法及系统 Download PDFInfo
- Publication number
- CN107560848A CN107560848A CN201710656863.8A CN201710656863A CN107560848A CN 107560848 A CN107560848 A CN 107560848A CN 201710656863 A CN201710656863 A CN 201710656863A CN 107560848 A CN107560848 A CN 107560848A
- Authority
- CN
- China
- Prior art keywords
- temperature
- matrix
- model
- shaft
- shaft temperature
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000036541 health Effects 0.000 title claims abstract description 112
- 238000010276 construction Methods 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 title claims abstract description 37
- 239000011159 matrix material Substances 0.000 claims abstract description 200
- 230000008859 change Effects 0.000 claims abstract description 127
- 238000012544 monitoring process Methods 0.000 claims description 30
- 238000005070 sampling Methods 0.000 claims description 27
- 238000011156 evaluation Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000003862 health status Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000009529 body temperature measurement Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明提供一种轴温变化模型构建方法及模块、轴承健康监测方法及系统，模型构建方法包括步骤1，对轴温数据进行分组得到轴温矩阵，设定权重矩阵；步骤2，利用权重矩阵和轴温矩阵构建模型温度阵列；步骤3，利用轴温矩阵和模型温度阵列对权重矩阵更新,返回步骤2，根据更新后的权重矩阵对模型温度阵列更新；步骤4，判断模型温度阵列轴温数据变化是否均小于变化阈值；当存在不小于变化阈值的轴温数据变化时，返回步骤3，进行权重矩阵和模型温度阵列循环更新，直到模型温度阵列中轴温数据变化均小于变化阈值；当轴温数据变化均小于变化阈值时，将此时模型温度阵列中的权重矩阵作为最终权重矩阵构建轴温变化模型。
Description
技术领域
本发明涉及机械故障预测技术领域，尤其涉及一种轴温变化模型构建方法、轴温变化模型构建模块、轴承健康监测方法及轴承健康监测系统。
背景技术
故障预测与健康管理PHM(Prognostics and Health Management)技术起源于美国空军，随着科技的不断发展该技术也普及到了其他复杂装备上，近些年已有不少相关的研究。这些研究虽然都是关注机械零件的健康状态，但由于针对的应用场景和部件千差万别，故而难以直接复制。
现有的轴承健康状态预警主要采用轴温预警和振动预警，具体地：
现有的轴温预警是当轴承温度达到一定值的时候就会发出报警。在正常情况下，轴承温度值大于或等于环境温度，小于100℃。当满足以下任一条件时，就可以判断为轴温升高故障，发出轴温升高故障报警：
(1)轴温传感器Pt100两个通道输入正常，且两个通道的绝对温度都大于100℃，或者该轴端温度与本车同侧温度平均值的差值大于30℃；
(2)两个通道的输入都正常，且两个通道的绝对温度只有一个大于100℃，或者该轴端温度与本车同侧温度平均值的差值大于30℃，持续时间大于30秒；
(3)两个通道的输入只有一个正常，且正常通道的绝对温度大于100℃，或者该轴端温度与本车同侧平均温度值的差值大于30℃。
目前的轴温预警属于阈值预警主要有以下缺点：
(1)预警值来自于专家经验，根据经验得出的数据只是一个大概值，无法适应不同的气候，季节，环境等因素。比如我国南北方温度差异大，如果采用统一标准判断，那么实际上北方列车的故障率会更低，而这其中便存在安全隐患。
(2)阈值预警只能判断轴承的当前情况是健康或者故障，无法判断轴承的磨损程度。
现有技术中还有通过轴承工作时的振动信号来体现轴承的健康状态的振动预警。由于采集的信号往往含有噪声，需要先通过奇异值，多段数据线性平均等方法去噪。之后主要有两种分析方法：
(1)傅里叶分析法：将振动信号展开成各种频率谐波的线性叠加，从而将时域转化为频域。在频域信息中发现异常的震动频率，从而判断轴承健康状态。
(2)小波分析法：由于傅里叶方法在分析非平稳信号时有一定的局限性，小波分析法克服了这种局限性，并且在有较好的局部特性。
上述振动预警主要有如下问题：
(1)外界电磁干扰大。此问题对预警结果的影响体现为误警率高，主要是环境因素对传感器的影响。动车组运行动力来自于高压电网，所以实际运行过程中外界电磁干扰大，对于振动传感器这种敏感的传感器读数有一定影响；
(2)外界力学干扰大，列车本身的晃动，运行中的变轨等情况下也会产生。
发明内容
针对上述问题，提供一种能够适应恶劣复杂环境，可以应用无明显间隔的正常数据和失效数据对轴承健康状态进行监测的轴温变化模型构建方法、轴温变化模型构建模块、轴承健康监测方法及轴承健康监测系统。
根据本发明的一个方面，提供一种轴温变化模型的构建方法，包括：步骤1，对轴温数据进行分组得到轴温矩阵，设定轴温矩阵对应的权重矩阵，其中，
αi＝{T1i,T2i,…,Tni}
w＝[w1,w2,…,wm]
其中，n为轴承温度采样点的个数，1,2…,n为轴承温度采样点的索引，m为轴温数据的组数，i为轴温数据的组数的索引，i＝0,1,2…m，αi为第i组轴温数据，A为轴温矩阵，w为与轴温矩阵A对应的权重矩阵，w1,w2,…,wm为初始权重值；步骤2，利用权重矩阵和轴温矩阵根据下式(1)得到模型温度阵列，
其中，为模型温度阵列；步骤3，利用轴温矩阵和模型温度阵列根据下式(2)对权重矩阵进行更新,返回步骤2，根据更新后的权重矩阵利用公式(1)对模型温度阵列进行更新，更新后的模型温度阵列如下式(3)
其中，w＇为更新后权重矩阵，wi＇为与第i组轴温数据对应的更新后的权重，为更新后的模型温度阵列；步骤4，判断更新后模型温度阵列相较于更新前模型温度矩阵的轴温数据变化是否均小于变化阈值；当存在不小于变化阈值的轴温数据变化时，返回步骤3，进行权重矩阵和模型温度阵列的循环更新，直到模型温度阵列中轴温数据变化均小于变化阈值；当轴温数据变化均小于变化阈值时，在步骤5中，将此时模型温度阵列中的权重矩阵作为最终权重矩阵，得到下式(4)的轴温变化模型，
其中，为最终模型温度阵列，w终为最终权重矩阵，w终i为第i组轴温数据对应的最终权重。
根据本发明的另一个方面，提供一种轴温变化模型构建模块，包括：设定单元，设定分组条件、初始权重值和变化阈值；轴温矩阵构建单元，按照设定单元设定的分组条件对轴温数据进行分组得到轴温矩阵，
αi＝{T1i,T2i,…,Tni}
其中，n为轴承温度采样点的个数，1,2…,n为轴承温度采样点的索引，m为轴温数据的组数，i为轴温数据组数的索引，i＝0,1,2…m，αi为第i组轴温数据，A为轴温矩阵；权重矩阵构建单元，根据轴温矩阵构建单元的温度数据组数和初始权重值构建权重矩阵，其中，
w＝[w1,w2,…,wm]
其中，w为与轴温矩阵A对应的权重矩阵，w1,w2,…,wm为初始权重值；
模型轴温矩阵构建单元，利用权重矩阵构建单元构建的权重矩阵和轴温矩阵构建单元构建的轴温矩阵根据下式(1)构建模型温度阵列，
其中，为模型温度阵列；更新单元，利用轴温矩阵和模型温度阵列根据下式(2)对权重矩阵进行更新，采用更新后的权重矩阵对模型轴温矩阵构建单元的模型温度阵列进行下式(3)的更新，其中，
其中，w＇为更新后权重矩阵，wi＇为与第i组轴温数据对应的更新后的权重，为更新后的模型温度阵列；判断单元，判断更新后模型温度阵列相较于更新前模型温度矩阵的轴温数据变化是否均小于变化阈值，其中，当存在不小于变化阈值的轴温数据变化时，发送信号给更新单元，进行权重矩阵和模型温度阵列的循环更新，直到模型温度阵列中轴温数据变化均小于变化阈值；当轴温数据变化均小于变化阈值时，权重矩阵构建单元将此时的权重矩阵作为最终权重矩阵发送给轴温变化模型构建单元；轴温变化模型构建单元，根据最终权重矩阵按下式(4)构建轴温变化模型，
其中，为最终模型温度阵列，w终为最终权重矩阵，w终i为第i组轴温数据对应的最终权重。
根据本发明的第三方面，提供一种轴承健康监测方法，通过多个轴承温度采样点的轴温数据监测轴承的健康状态，包括：步骤10，采集第一设定时间段内所述多个轴承温度采样点测量的轴温数据；步骤20，利用上述轴温数据根据上述轴温变化模型的构建方法得到与所述轴温数据对应的最终权重矩阵，得到轴温变化模型；步骤30，采集第二设定时间段内的所述多个轴承温度采样点测量的轴温数据，按照上述轴温变化模型的构建方法进行分组构建轴承健康评估轴温矩阵；步骤40，将轴承健康评估轴温矩阵代入步骤20构建的轴温变化模型，得到轴承健康评估轴温矩阵对应的最终模型温度阵列，根据公式(5)确定轴承健康评估轴温矩阵各组轴温数据与最终模型温度阵列的残差，残差越大，轴承健康状态越差，
其中，β为轴承健康评估轴温矩阵中的一组轴温数据，r为所述一组轴温数据的残差。
根据本发明的第四方面，一种轴承健康监测系统，通过多个轴承温度采样点的轴温数据监测轴承的健康状态，包括采集模块、上述轴温变化模型构建模块、划分模块、轴承健康评估轴温矩阵构建模块和轴承健康评估模块，其中：所述采集模块，采集多个轴承温度采样点测量的轴温数据；所述划分模块，将采集模块第一设定时间段采集的轴温数据发送给所述轴温变化模型构建模块，将采集模块第二设定时间段采集的轴温数据发送给轴承健康评估模块；轴温变化模型构建模块，根据划分模块发来的轴温数据构建与所述轴温数据对应的轴温变化模型，发送给所述轴承健康评估模块；轴承健康评估轴温矩阵构建模块，根据划分模块发来的轴温数据，根据轴温变化模型构建模块的分组数对所述轴温数据分组，构建轴承健康评估轴温矩阵，并发送给轴承健康评估模块；轴承健康评估模块，将轴承健康评估轴温矩阵代入轴温变化模型构建模块构建的轴温变化模型，得到轴承健康评估轴温矩阵对应的最终模型温度阵列，根据公式(5)确定轴承健康评估轴温矩阵各组轴温数据与最终模型温度阵列的残差，残差越大，轴承健康状态越差，
其中，β为轴承健康评估轴温矩阵中的一组轴温数据，r为所述一组轴温数据的残差。
上述轴温变化模型构建方法、轴温变化模型构建模块、轴承健康监测方法及轴承健康监测系统以轴温作为轴承健康状态的评价指标，采用无监督轴温序列用于轴温健康状态的预测，提高了抗干扰能力，能够适应恶劣复杂环境，可以应用无明显间隔的正常数据和失效数据对轴承健康状态进行监测。
附图说明
通过结合下面附图对其实施例进行描述，本发明的上述特征和技术优点将会变得更加清楚和容易理解。
图1是本发明所述轴温变化模型的构建方法的流程图；
图2是本发明轴温变化模型构建模块的构成框图；
图3是本发明所述轴承健康监测方法的流程图；
图4是本发明所述轴承健康监测系统的构成框图；
图5是本发明所述轴承健康监测方法及系统应用到动车的轴承健康状态监测的轴温矩阵的各轴温数据的示意图；
图6是本发明所述轴承健康监测方法及系统应用到动车的轴承健康状态监测的轴温矩阵及其最终模型温度矩阵的各轴温数据对比的示意图；
图7是本发明所述轴承健康监测方法及系统应用到动车的轴承健康状态监测的轴承健康评估轴温矩阵和其最终模型温度阵列的各轴温数据对比的示意图。
具体实施方式
下面将参考附图来描述本发明所述的实施例。本领域的普通技术人员可以认识到，在不偏离本发明的精神和范围的情况下，可以用各种不同的方式或其组合对所描述的实施例进行修正。因此，附图和描述在本质上是说明性的，而不是用于限制权利要求的保护范围。此外，在本说明书中，附图未按比例画出，并且相同的附图标记表示相同的部分。
图1是本发明所述轴温变化模型的构建方法的流程图，如图1所示，所述轴温变化模型的构建方法包括：
步骤1，对轴温数据进行分组得到轴温矩阵，设定轴温矩阵对应的权重矩阵，其中，
αi＝{T1i,T2i,…,Tni}
w＝[w1,w2,…,wm]
其中，n为轴承温度采样点的个数，1,2…,n为轴承温度采样点的索引，m为轴温数据的组数，i为轴温数据组数的索引，i＝0,1,2…m，αi为第i组轴温测量数据，A为轴温矩阵，w为与轴温矩阵A对应的权重矩阵，w1,w2,…,wm为初始权重值，优选，初始权重值为1；
步骤2，利用权重矩阵和轴温矩阵根据下式(1)得到模型温度阵列，其中，
其中，为模型温度阵列；
步骤3，利用轴温矩阵和模型温度阵列根据下式(2)对权重矩阵进行更新，返回步骤2，根据更新后的权重矩阵利用公式(1)对模型温度阵列进行更新，更新后的模型温度阵列如下式(3)
其中，w＇为更新后权重矩阵，wi＇为与第i组轴温数据对应的更新后的权重，为更新后的模型温度阵列；
步骤4，判断更新后模型温度阵列相较于更新前模型温度矩阵的轴温数据变化是否均小于变化阈值；
当存在不小于变化阈值的轴温数据变化时，返回步骤3，利用更进后的模型温度阵列对权重矩阵进行再次更新，权重矩阵和模型温度阵列进行循环更新，直到轴温数据变化均小于变化阈值；
当轴温数据变化均小于变化阈值时，在步骤5中，将此时模型温度阵列中的权重矩阵作为最终权重矩阵，得到下式(4)的轴温变化模型，
其中，为最终模型温度阵列，w终为最终权重矩阵，w终i为第i组轴温数据对应的最终权重。
在上述步骤1中，由于每组的初始温度不同，为了方便对比多个过程需要将每组的初始温度均改为0，也就是说，将轴温矩阵的各组轴温数据分别减去各组的第一个轴温数据，形成新的轴温矩阵，其中，
αi＇＝{0,T2i-T1i,…,Tni-T1i}
其中，αi＇为第i组轴温数据减去改组第一个轴温数据后得到的新的轴温数据。
另外，优选地，在上述步骤1中，按天数、小时、季节和环境温度差中的一种或多种对轴温数据进行分组。
在上述步骤4中，所述变化阈值可以为0，也就是说迭代建模过程直到模型温度阵列不再变化为止，即得到了最终的权重矩阵。但由于在实际实验中几乎不能达到完全不再变化，所以可以设定模型温度阵列的变化量小于极小量10-10作为结束的边界条件。
图2是本发明轴温变化模型构建模块的构成框图，如图2所示，所述轴温变化模型构建模块10包括：
设定单元11，设定分组条件、初始权重值和变化阈值；
轴温矩阵构建单元12，按照设定单元11设定的分组条件对轴温数据进行分组得到轴温矩阵，其中，
αi＝{T1i,T2i,…,Tni}
其中，n轴承温度采样点的个数，1,2…,n为轴承温度采样点的索引，m为轴温数据的组数，i为轴温测量数据组数的索引，i＝0,1,2…m，αi为第i组轴温测量数据，A为轴温矩阵；
权重矩阵构建单元13，根据轴温矩阵构建单元12的轴温数据的组数和初始权重值构建权重矩阵，其中，
w＝[w1,w2,…,wm]
其中，w为与轴温矩阵A对应的权重矩阵，w1,w2,…,wm为初始权重值；
模型轴温矩阵构建单元14，利用权重矩阵构建单元13构建的权重矩阵和轴温矩阵构建单元12构建的轴温矩阵根据下式(1)构建模型温度阵列，其中，
其中，为模型温度阵列；
更新单元15，根据轴温矩阵和模型温度阵列根据下式(2)对权重矩阵构建单元13的权重矩阵进行更新，采用更新后的权重矩阵对模型轴温矩阵构建单元14的模型温度阵列进行下式(3)的更新，其中，
其中，w＇为更新后权重矩阵，wi＇为与第i组轴温数据对应的更新后的权重，为更新后的模型温度阵列；
判断单元16，判断更新后模型温度阵列相较于更新前模型温度矩阵的轴温数据变化是否均小于变化阈值，其中，当存在不小于变化阈值的轴温数据变化时，发送信号给更新单元15，进行权重矩阵和模型温度阵列的循环更新，直到模型温度阵列中轴温数据变化均小于变化阈值；当轴温数据变化均小于变化阈值时，发送信号给权重矩阵构建单元13，权重矩阵构建单元13将此时的权重矩阵作为最终权重矩阵发送给轴温变化模型构建单元17；
轴温变化模型构建单元17，根据最终权重矩阵构建轴温变化模型，所述轴温变化模型如式(4)所示，
其中，为最终模型温度阵列，w终为最终权重矩阵，w终i为第i组轴温数据对应的最终权重。
图3是本发明所述轴承健康监测方法的流程图，如图3所示，所述轴承健康监测方法，通过多个轴承温度采样点的轴温数据监测轴承的健康状态，包括：
步骤10，采集第一设定时间段内所述多个轴承温度采样点测量的轴温数据；
步骤20，利用上述轴温数据根据上述轴温变化模型的构建方法得到与所述轴温数据对应的最终权重矩阵，得到轴温变化模型；
步骤30，采集第二设定时间段内的所述多个轴承温度采样点测量的轴温数据，按照所述轴温变化模型的构建方法设定的分组条件进行分组，构建轴承健康评估轴温矩阵；
步骤40，将轴承健康评估轴温矩阵代入步骤20构建的轴温变化模型，得到轴承健康评估轴温矩阵对应的最终模型温度阵列，根据公式(5)确定轴承健康评估轴温矩阵各组轴温数据与最终模型温度阵列的残差，残差越大，轴承健康状态越差，
其中，β为轴承健康评估轴温矩阵中的一组轴温数据，r为所述一组轴温数据的残差。
图4是本发明所述轴承健康监测系统的构成框图，如图4所示，所述轴承健康监测系统100通过多个轴承温度采样点的轴温数据监测轴承的健康状态，其特征在于，包括采集模块20、上述轴温变化模型构建模块10、划分模块30、轴承健康评估轴温矩阵构建模块40和轴承健康评估模50块，其中：
所述采集模块20，采集多个轴承温度采样点测量的轴温数据；
所述划分模块30，将采集模块20第一设定时间段采集的轴温数据发送给所述轴温变化模型构建模块10，将采集模块第二设定时间段采集的轴温数据发送给轴承健康评估模块50；
轴温变化模型构建模块10，根据划分模块30发来的轴温数据构建与所述轴温数据对应的轴温变化模型，发送给所述轴承健康评估模块50；
轴承健康评估轴温矩阵构建模块40，根据划分模块30发来的轴温数据，根据轴温变化模型构建模块10的分组数对所述轴温数据分组，构建轴承健康评估轴温矩阵，并发送给轴承健康评估模块50；
轴承健康评估模块50，将轴承健康评估轴温矩阵代入轴温变化模型构建模块构建的轴温变化模型，得到轴承健康评估轴温矩阵对应的最终模型温度阵列，根据公式(5)确定轴承健康评估轴温矩阵各组轴温数据与最终模型温度阵列的残差，残差越大，轴承健康状态越差，其中，
其中，β为轴承健康评估轴温矩阵中的一组轴温数据，r为所述一组轴温数据的残差。
优选地，上述“第一设定时间段”和“第二设定时间段”以轴承设计寿命的三分之一为划分界限，例如，轴承设计寿命为240万公里，则前80万公里对应“第一设定时间段”，之后的都是“第二设定时间段”。
上述轴温变化模型构建方法、轴温变化模型构建模块、轴承健康监测方法及轴承健康监测系统以轴温作为轴承健康状态的评价指标，实时采集轴温数据利用无监督轴温序列对轴温健康状态的预测，以实时采集轴温数据进行预测，不依赖与专家经验，得到的残差是一个准确值，适应不同的气候，季节，环境等因素，能够排除环境因素的影响和干扰，提高了轴承健康预测的准确性。另外，磨损程度和健康状态负相关通过轴承的健康状态可以判断轴承的磨损程度。
在本发明的一个具体实施例中，采用本发明的上述轴承健康监测系统及方法对动车的轴承状态进行监测，包括：
采集多组动车组在正常情况下多次运行时的轴温数据，通过使用动车组轴承实时温度数据，可以有效减少外界因素造成的干扰，如图5所示，在动车组实际运行过程中，大部分为正常数据，少数为衰退期数据，并且正常数据与衰退期数据并无明显间隔，现有技术中有监督算法前提是有部件正常运行数据和失效运行数据才能进行，因此现有技术中有监督算法难以直接应用；
采用上述轴温变化模型的构建方法将所述轴温数据分组构成轴温矩阵，获得轴温变化模型，得到轴温矩阵对应的最终模型温度阵列，图6示出了轴温矩阵和其对应的最终模型轴温矩阵的数据对比，从图6可以看出，轴温变化模型有效的利用动车组实时数据，建立了鲁棒性强的模型；
获取新产生数据同维(n×1)向量作为轴承健康评估轴温矩阵代入所述轴温变化模型，得到轴承健康评估轴温矩阵对应的最终模型温度阵列，利用上述轴承健康监测方法计算残差，如图7所示，从轴承健康评估轴温矩阵和其对应的最终模型温度阵列的数据比较可以看出，残差越大说明轴承故障的可能越大，从而达到评估轴承健康状态的目的。
以上所述仅为本发明的优选实施例，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、组合、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种轴温变化模型的构建方法，其特征在于，包括：
步骤1，对轴温数据进行分组得到轴温矩阵，设定轴温矩阵对应的权重矩阵，其中，
αi＝{T1i,T2i,…,Tni}
<mrow>
<msup>
<mi>A</mi>
<mi>T</mi>
</msup>
<mo>=</mo>
<mo>&lsqb;</mo>
<msubsup>
<mi>&alpha;</mi>
<mn>1</mn>
<mi>T</mi>
</msubsup>
<mo>,</mo>
<msubsup>
<mi>&alpha;</mi>
<mn>2</mn>
<mi>T</mi>
</msubsup>
<mo>,</mo>
<msubsup>
<mi>&alpha;</mi>
<mn>3</mn>
<mi>T</mi>
</msubsup>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<msubsup>
<mi>&alpha;</mi>
<mi>m</mi>
<mi>T</mi>
</msubsup>
<mo>&rsqb;</mo>
</mrow>
w＝[w1,w2,…,wm]
其中，n为轴承温度采样点的个数，1,2…,n为轴承温度采样点的索引，m为轴温数据的组数，i为轴温数据的组数的索引，i＝0,1,2…m，αi为第i组轴温数据，A为轴温矩阵，w为与轴温矩阵A对应的权重矩阵，w1,w2,…,wm为初始权重值；
步骤2，利用权重矩阵和轴温矩阵根据下式(1)得到模型温度阵列，
其中，为模型温度阵列；
步骤3，利用轴温矩阵和模型温度阵列根据下式(2)对权重矩阵进行更新,返回步骤2，根据更新后的权重矩阵利用公式(1)对模型温度阵列进行更新，更新后的模型温度阵列如下式(3)
其中，w＇为更新后权重矩阵，wi＇为与第i组轴温数据对应的更新后的权重，为更新后的模型温度阵列；
步骤4，判断更新后模型温度阵列相较于更新前模型温度矩阵的轴温数据变化是否均小于变化阈值；
当存在不小于变化阈值的轴温数据变化时，返回步骤3，进行权重矩阵和模型温度阵列的循环更新，直到模型温度阵列中轴温数据变化均小于变化阈值；
当轴温数据变化均小于变化阈值时，在步骤5中，将此时模型温度阵列中的权重矩阵作为最终权重矩阵，得到下式(4)的轴温变化模型，
其中，为最终模型温度阵列，w终为最终权重矩阵，w终i为第i组轴温数据对应的最终权重。
2.根据权利要求1所述的轴温变化模型的构建方法，其特征在于，在步骤1中，将轴温矩阵的各组轴温数据分别减去各组的第一个轴温数据，形成新的轴温矩阵，其中，
αi＇＝{0,T2i-T1i,…,Tni-T1i}
其中，αi＇为第i组轴温数据减去改组第一个轴温数据后得到的新的轴温数据。
3.根据权利要求1所述的轴温变化模型的构建方法，其特征在于，在步骤1中，通过使用动车组轴承实时轴温数据构建轴温矩阵。
4.根据权利要求1所述的轴温变化模型的构建方法，其特征在于，所述权重矩阵中的各初始权重值为1。
5.根据权利要求1所述的轴温变化模型的构建方法，其特征在于，在步骤1中，按天数、小时、季节和环境温度差中的一种或多种对轴温数据进行分组。
6.一种轴承健康监测方法，通过多个轴承温度采样点的轴温数据监测轴承的健康状态，其特征在于，包括：
步骤10，采集第一设定时间段内所述多个轴承温度采样点测量的轴温数据；
步骤20，利用上述轴温数据根据权利要求1～5中任一权利要求所述的轴温变化模型的构建方法得到与所述轴温数据对应的最终权重矩阵，得到轴温变化模型；
步骤30，采集第二设定时间段内的所述多个轴承温度采样点测量的轴温数据，按照权利要求1～5中任一权利要求所述的轴温变化模型的构建方法进行分组构建轴承健康评估轴温矩阵；
步骤40，将轴承健康评估轴温矩阵代入步骤20构建的轴温变化模型，得到轴承健康评估轴温矩阵对应的最终模型温度阵列，根据公式(5)确定轴承健康评估轴温矩阵各组轴温数据与最终模型温度阵列的残差，残差越大，轴承健康状态越差，
其中，β为轴承健康评估轴温矩阵中的一组轴温数据，r为所述一组轴温数据的残差。
7.根据权利要求6所述的轴承健康监测方法，其特征在于，所述轴承健康评估轴温矩阵的维数与所述模型温度阵列的维数相同。
8.一种轴温变化模型构建模块，其特征在于，包括：
设定单元，设定分组条件、初始权重值和变化阈值；
轴温矩阵构建单元，按照设定单元设定的分组条件对轴温数据进行分组得到轴温矩阵，
αi＝{T1i,T2i,…,Tni}
<mrow>
<msup>
<mi>A</mi>
<mi>T</mi>
</msup>
<mo>=</mo>
<mo>&lsqb;</mo>
<msubsup>
<mi>&alpha;</mi>
<mn>1</mn>
<mi>T</mi>
</msubsup>
<mo>,</mo>
<msubsup>
<mi>&alpha;</mi>
<mn>2</mn>
<mi>T</mi>
</msubsup>
<mo>,</mo>
<msubsup>
<mi>&alpha;</mi>
<mn>3</mn>
<mi>T</mi>
</msubsup>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<msubsup>
<mi>&alpha;</mi>
<mi>m</mi>
<mi>T</mi>
</msubsup>
<mo>&rsqb;</mo>
</mrow>
其中，n为轴承温度采样点的个数，1,2…,n为轴承温度采样点的索引，m为轴温数据的组数，i为轴温数据组数的索引，i＝0,1,2…m，αi为第i组轴温数据，A为轴温矩阵；
权重矩阵构建单元，根据轴温矩阵构建单元的温度数据组数和初始权重值构建权重矩阵，其中，
w＝[w1,w2,…,wm]
其中，w为与轴温矩阵A对应的权重矩阵，w1,w2,…,wm为初始权重值；
模型轴温矩阵构建单元，利用权重矩阵构建单元构建的权重矩阵和轴温矩阵构建单元构建的轴温矩阵根据下式(1)构建模型温度阵列，
其中，为模型温度阵列；
更新单元，利用轴温矩阵和模型温度阵列根据下式(2)对权重矩阵进行更新，采用更新后的权重矩阵对模型轴温矩阵构建单元的模型温度阵列进行下式(3)的更新，其中，
其中，w＇为更新后权重矩阵，wi＇为与第i组轴温数据对应的更新后的权重，为更新后的模型温度阵列；
判断单元，判断更新后模型温度阵列相较于更新前模型温度矩阵的轴温数据变化是否均小于变化阈值，其中，当存在不小于变化阈值的轴温数据变化时，发送信号给更新单元，进行权重矩阵和模型温度阵列的循环更新，直到模型温度阵列中轴温数据变化均小于变化阈值；当轴温数据变化均小于变化阈值时，权重矩阵构建单元将此时的权重矩阵作为最终权重矩阵发送给轴温变化模型构建单元；
轴温变化模型构建单元，根据最终权重矩阵按下式(4)构建轴温变化模型，
其中，为最终模型温度阵列，w终为最终权重矩阵，w终i为第i组轴温数据对应的最终权重。
9.根据权利要求8所述的轴温变化模型构建模块，其特征在于，轴温矩阵构建单元将轴温矩阵的各组轴温数据分别减去各组的第一个轴温数据，形成新的轴温矩阵，发送给模型轴温矩阵构建单元，其中，
αi＇＝{0,T2i-T1i,…,Tni-T1i}
其中，αi＇为第i组轴温数据减去改组第一个轴温数据后得到的新的轴温数据。
10.一种轴承健康监测系统，通过多个轴承温度采样点的轴温数据监测轴承的健康状态，其特征在于，包括采集模块、权利要求8和9中任一权利要求所述的轴温变化模型构建模块、划分模块、轴承健康评估轴温矩阵构建模块和轴承健康评估模块，其中：
所述采集模块，采集多个轴承温度采样点测量的轴温数据；
所述划分模块，将采集模块第一设定时间段采集的轴温数据发送给所述轴温变化模型构建模块，将采集模块第二设定时间段采集的轴温数据发送给轴承健康评估模块；
轴温变化模型构建模块，根据划分模块发来的轴温数据构建与所述轴温数据对应的轴温变化模型，发送给所述轴承健康评估模块；
轴承健康评估轴温矩阵构建模块，根据划分模块发来的轴温数据，根据轴温变化模型构建模块的分组数对所述轴温数据分组，构建轴承健康评估轴温矩阵，并发送给轴承健康评估模块；
轴承健康评估模块，将轴承健康评估轴温矩阵代入轴温变化模型构建模块构建的轴温变化模型，得到轴承健康评估轴温矩阵对应的最终模型温度阵列，根据公式(5)确定轴承健康评估轴温矩阵各组轴温数据与最终模型温度阵列的残差，残差越大，轴承健康状态越差，
其中，β为轴承健康评估轴温矩阵中的一组轴温数据，r为所述一组轴温数据的残差。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710656863.8A CN107560848B (zh) | 2017-08-03 | 2017-08-03 | 轴温变化模型构建方法及模块、轴承健康监测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710656863.8A CN107560848B (zh) | 2017-08-03 | 2017-08-03 | 轴温变化模型构建方法及模块、轴承健康监测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107560848A true CN107560848A (zh) | 2018-01-09 |
| CN107560848B CN107560848B (zh) | 2019-11-22 |
Family
ID=60973941
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710656863.8A Expired - Fee Related CN107560848B (zh) | 2017-08-03 | 2017-08-03 | 轴温变化模型构建方法及模块、轴承健康监测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107560848B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0276077A (ja) * | 1988-09-12 | 1990-03-15 | Hitachi Ltd | 機構解析システム |
| US20010030466A1 (en) * | 1999-12-22 | 2001-10-18 | Ehrlich Donald J. | Bearing condition monitor for a vehicle, such as a truck or a trailer |
| CN1906473A (zh) * | 2004-09-13 | 2007-01-31 | 日本精工株式会社 | 故障诊断装置和故障诊断方法 |
| CN102768694A (zh) * | 2012-01-19 | 2012-11-07 | 长安大学 | 集成有限元分析模型修正技术的健康监测系统 |
| CN103592122A (zh) * | 2013-10-25 | 2014-02-19 | 北京交通大学 | 城市轨道交通列车走行部故障诊断设备及方法 |
| CN104462846A (zh) * | 2014-12-22 | 2015-03-25 | 山东鲁能软件技术有限公司 | 一种基于支持向量机的设备故障智能诊断方法 |
| CN105045983A (zh) * | 2015-07-06 | 2015-11-11 | 西安理工大学 | 一种基于轴温数据的高速列车车轴老化分析方法 |
| CN105976578A (zh) * | 2016-07-21 | 2016-09-28 | 西安理工大学 | 一种基于监测数据的高速列车轴温动态报警阈值设定方法 |
| CN106202635A (zh) * | 2016-06-28 | 2016-12-07 | 西安理工大学 | 一种基于多元回归模型的高速列车动态轴温预测方法 |
-
2017
- 2017-08-03 CN CN201710656863.8A patent/CN107560848B/zh not_active Expired - Fee Related
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0276077A (ja) * | 1988-09-12 | 1990-03-15 | Hitachi Ltd | 機構解析システム |
| US20010030466A1 (en) * | 1999-12-22 | 2001-10-18 | Ehrlich Donald J. | Bearing condition monitor for a vehicle, such as a truck or a trailer |
| CN1906473A (zh) * | 2004-09-13 | 2007-01-31 | 日本精工株式会社 | 故障诊断装置和故障诊断方法 |
| CN102768694A (zh) * | 2012-01-19 | 2012-11-07 | 长安大学 | 集成有限元分析模型修正技术的健康监测系统 |
| CN103592122A (zh) * | 2013-10-25 | 2014-02-19 | 北京交通大学 | 城市轨道交通列车走行部故障诊断设备及方法 |
| CN104462846A (zh) * | 2014-12-22 | 2015-03-25 | 山东鲁能软件技术有限公司 | 一种基于支持向量机的设备故障智能诊断方法 |
| CN105045983A (zh) * | 2015-07-06 | 2015-11-11 | 西安理工大学 | 一种基于轴温数据的高速列车车轴老化分析方法 |
| CN106202635A (zh) * | 2016-06-28 | 2016-12-07 | 西安理工大学 | 一种基于多元回归模型的高速列车动态轴温预测方法 |
| CN105976578A (zh) * | 2016-07-21 | 2016-09-28 | 西安理工大学 | 一种基于监测数据的高速列车轴温动态报警阈值设定方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107560848B (zh) | 2019-11-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109357822B (zh) | 一种基于车桥耦合系统时变动力特征改变的桥梁快速测试与评估方法 | |
| Cui et al. | Quantitative trend fault diagnosis of a rolling bearing based on Sparsogram and Lempel-Ziv | |
| CN110764493B (zh) | 一种适用于高速铁路的phm应用系统、方法及存储介质 | |
| CN105241660B (zh) | 基于健康监测数据的高铁大型桥梁性能测试方法 | |
| CN108573224B (zh) | 一种利用单传感器信息的移动重构主成分的桥梁结构损伤定位方法 | |
| CN109858156B (zh) | 基于车桥耦合振动的车辆与结构信息同时识别方法 | |
| CN114167838B (zh) | 一种伺服系统多尺度健康评估与故障预测方法 | |
| CN112834193B (zh) | 一种基于三维图的运营桥梁振动和健康状态异常预警方法 | |
| CN109813511B (zh) | 基于移动车辆的桥梁快速测试与参数识别方法 | |
| CN112393906B (zh) | 一种地铁车辆转向架轴承微弱信号故障诊断、分类和健康评估的方法 | |
| CN108168924B (zh) | 一种基于vmd和mfss模型的往复压缩机寿命预测方法 | |
| CN106934126A (zh) | 基于循环神经网络融合的机械零部件健康指标构造方法 | |
| CN115238753A (zh) | 一种基于局部离群因子的自适应shm数据清洗方法 | |
| CN111071291B (zh) | 列车轮对监测系统及列车轮对监测方法 | |
| CN113562562A (zh) | 一种电梯安全预警监测系统及其判断方法 | |
| CN111080976B (zh) | 一种温度变化场景下实时监测天然气泄漏的方法及装置 | |
| CN117434372B (zh) | 电子产品的电磁兼容抗扰度测试方法及系统 | |
| CN112782614A (zh) | 一种基于多信息融合的变流器的故障预警方法及装置 | |
| CN105445004A (zh) | 设备零部件的振动曲线归一化平均寿命预测办法 | |
| CN110647924A (zh) | 一种基于支持向量描述与k近邻算法的gis设备状态评估方法 | |
| CN112782499B (zh) | 一种基于多信息融合的变流器的状态评估方法及装置 | |
| CN117928982B (zh) | 基于路况信息的共享车辆实验平台测试方法、运维方法和存储介质 | |
| CN117406137B (zh) | 一种输电线路雷电泄电流监测方法及系统 | |
| CN107560848B (zh) | 轴温变化模型构建方法及模块、轴承健康监测方法及系统 | |
| CN113820132B (zh) | 基于多尺度散布熵构造阈值的故障报警方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20191122 Termination date: 20210803 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |