CN114441206A - 一种基于多维度信息融合的机械设备健康评估方法 - Google Patents

Abstract

本发明公开的属于机械设备状态检测技术领域，具体为一种基于多维度信息融合的机械设备健康评估方法，包括对机械设备零部件检修、对机械设备各功能子系统正常运行状态参数进行采集、对机械设备健康相关性能参数进行收集并融合多个步骤，本发明将机械设备划分为各功能子系统，同时对机械设备的状态参数与零部件情况进行采集，并与机械设备的工作效率、维修性、技术性能、经济性、安全性所组成的综合参数进行融合，可以将部件运行状态结合起来得到设备整体运行状态，更加全面的反映了设备运行的状态。

Description

一种基于多维度信息融合的机械设备健康评估方法

技术领域

本发明涉及机械设备状态检测技术领域，具体为一种基于多维度信息融合的机械设备健康评估方法。

背景技术

机械设备在生产企业中起着至关重要的作用，通过对机械设备进行状态监测，可以提前发现机械设备潜在的安全隐患，为企业的设备维护提供决策信息，避免事故停机，保证人员安全，从而实现降本增效。

现有对机械设备健康状态监测是根据传感器信号进行状态评估和预警，考虑到机械设备的复杂性，反映设备的健康状态需要基于零件和部件来展开，由于每个零部件在一个设备中的重要性是不同的，从传感器收集到的状态特征应该给予不同的权重，因此现有对机械设备健康评估方法存在一定的缺陷与局限性。

发明内容

本发明的目的在于提供一种基于多维度信息融合的机械设备健康评估方法，以解决上述背景技术中提出的存在一定的缺陷与局限性的问题。

为实现上述目的，本发明提供如下技术方案：一种基于多维度信息融合的机械设备健康评估方法，包括以下步骤：

步骤1：定期对机械设备零部件进行检修，其中包括对机械设备零部件的温度检测、机械检测、电气检测、油质检测、承受负荷分析、机械表面磨损情况进行检测，从而判断机械设备零部件的完好性，并将检测参数更新至机械设备健康模型中；

步骤2：将机械设备划分为各功能子系统，并对各功能子系统正常运行时的状态参数进行采集，并分别与机械设备健康模型进行比对，得到机械设备参数健康度；

步骤3：对机械设备的工作状态、工作效率、故障率、维修时间、技术性能、经济性、安全性参数进行收集，并综合上述信息与步骤2中的机械设备参数健康度进行融合，得到机械设备整体的健康度。

优选的，所述步骤1中对机械设备零部件温度检测包括点温检测与热成像检测，所述机械检测包括振动检测与噪声检测，所述电气检测包括绝缘检测与介损检测，所述油质检测包括污染检测、色谱分析与油耐压检测。

优选的，所述步骤1中承受负荷分析包括对机械设备零部件工作时承受的拉应力、压应力、剪应力、弯曲应力、疲劳载荷，所述机械表面磨损情况包括对机械设备机件受到黏着磨损、磨料磨损、疲劳磨损、腐蚀磨损种和微动磨损后的强度、精度进行检测。

优选的，所述步骤2中机械设备健康模型计算步骤如下：

步骤A：确定评语集：V＝{V₁，V₂，...V_m}，其中V_m表示指标集中子因素的灰度值，m为评语集中包含的评语数；

步骤B：设R_ij表示模糊关系，即指标集的子因素i对评语值j的隶属度(l＝1,2，...，m；j＝1,2，...，P，)；

步骤C：计算模糊评判部分各因素权重及灰度评判部分各指标点灰度值w_i：w_i＝[(a_i1，v₁)，(a_i2，v₂)，...(a_im，v_m)]，并计算单层次模糊灰度综合评判结果向量

C_i：

步骤D：将C_i作为下一级判断的输入进行综合评判，得到向量C：C＝[(b₁，v₁)，(b₂，v₂)，...，(b_n，v_n)]；

步骤E：对C中的元素b₁进行归一化得到b_i，1-v₁表示设备健康状态属于评语值i的可信度，经过处理得到新的向量C＝[(b₁，1-v₁)，(b₂，1-v₂)，...，(b_n，1-v_n)]，对向量C中的每个元素采用公式计算，得到向量P，P中数值最大的元素P_max即为设备健康状态的最终评判结果，P＝(P₁，P₁，...P₁)＝{[μb₁+(1-μ)*(1-v₁)]，[μb₂+(1-μ)*(1-v₂)]，...[μb_n+(1-μ)*(1-v_n)]}，式中

优选的，所述步骤3中工作状态、工作效率为机械设备在规定条件和时间内完成规定功能的设备状态与效率，所述故障率为机械设备在规定条件和时间内发生故障的频率。

优选的，所述步骤3中维修时间为机械设备在规定条件和时间内能够维修完成的程度，即设备维修容易度，所述技术性能包括机械设备的技术规格、精度等级、结构特性、运行参数、工艺规范、生产能力。

优选的，所述步骤3中经济性为机械设备在规定条件和时间内产生的能耗与维护、修理、更新费用。

优选的，所述步骤3中安全性为对机械设备和环境进行综合的安全评价，且步骤2中机械设备参数健康度占机械设备整体健康度的60％，步骤3中各项参数总占机械设备整体健康度的40％。

与现有技术相比，本发明的有益效果是：

本发明将机械设备划分为各功能子系统，同时对机械设备的状态参数与零部件情况进行采集，并与机械设备的工作效率、维修性、技术性能、经济性、安全性所组成的综合参数进行融合，可以将部件运行状态结合起来得到设备整体运行状态，更加全面的反映了设备运行的状态。

具体实施方式

下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本发明的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

实施例：

本发明提供一种技术方案：一种基于多维度信息融合的机械设备健康评估方法，包括以下步骤：

步骤1：定期对机械设备零部件进行检修，其中包括对机械设备零部件的温度检测、机械检测、电气检测、油质检测、承受负荷分析、机械表面磨损情况进行检测，从而判断机械设备零部件的完好性，并将检测参数更新至机械设备健康模型中；

步骤2：将机械设备划分为各功能子系统，并对各功能子系统正常运行时的状态参数进行采集，并分别与机械设备健康模型进行比对，得到机械设备参数健康度；

步骤3：对机械设备的工作状态、工作效率、故障率、维修时间、技术性能、经济性、安全性参数进行收集，并综合上述信息与步骤2中的机械设备参数健康度进行融合，得到机械设备整体的健康度。

所述步骤1中对机械设备零部件温度检测包括点温检测与热成像检测，所述机械检测包括振动检测与噪声检测，所述电气检测包括绝缘检测与介损检测，所述油质检测包括污染检测、色谱分析与油耐压检测。

所述步骤1中承受负荷分析包括对机械设备零部件工作时承受的拉应力、压应力、剪应力、弯曲应力、疲劳载荷，所述机械表面磨损情况包括对机械设备机件受到黏着磨损、磨料磨损、疲劳磨损、腐蚀磨损种和微动磨损后的强度、精度进行检测。

所述步骤2中机械设备健康模型计算步骤如下：

步骤A：确定评语集：V＝{V₁，V₂，...V_m}，其中V_m表示指标集中子因素的灰度值，m为评语集中包含的评语数；

步骤B：设R_ij表示模糊关系，即指标集的子因素i对评语值j的隶属度(l＝1,2，...，m；j＝1,2，...，P，)；

步骤C：计算模糊评判部分各因素权重及灰度评判部分各指标点灰度值w_i：w_i＝[(a_i1，v₁)，(a_i2，v₂)，...(a_im，v_m)]，并计算单层次模糊灰度综合评判结果向量C_i：

步骤D：将C_i作为下一级判断的输入进行综合评判，得到向量C：C＝[(b₁，v₁)，(b₂，v₂)，...，(b_n，v_n)]；

步骤E：对C中的元素b₁进行归一化得到b_i，1-v₁表示设备健康状态属于评语值i的可信度，经过处理得到新的向量C＝[(b₁，1-v₁)，(b₂，1-v₂)，...，(b_n，1-v_n)]，对向量C中的每个元素采用公式计算，得到向量P，P中数值最大的元素P_max即为设备健康状态的最终评判结果，P＝(P₁，P₁，...P₁)＝{[μb₁+(1-μ)*(1-v₁)]，[μb₂+(1-μ)*(1-v₂)]，...[μb_n+(1-μ)*(1-v_n)]}，式中

所述步骤3中工作状态、工作效率为机械设备在规定条件和时间内完成规定功能的设备状态与效率，所述故障率为机械设备在规定条件和时间内发生故障的频率，维修时间为机械设备在规定条件和时间内能够维修完成的程度，即设备维修容易度，技术性能包括机械设备的技术规格、精度等级、结构特性、运行参数、工艺规范、生产能力，经济性为机械设备在规定条件和时间内产生的能耗与维护、修理、更新费用，安全性为对机械设备和环境进行综合的安全评价，且步骤2中机械设备参数健康度占机械设备整体健康度的60％，步骤3中各项参数总占机械设备整体健康度的40％。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点,对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明；因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (8)

1.一种基于多维度信息融合的机械设备健康评估方法，其特征在于：包括以下步骤：

步骤1：定期对机械设备零部件进行检修，其中包括对机械设备零部件的温度检测、机械检测、电气检测、油质检测、承受负荷分析、机械表面磨损情况进行检测，从而判断机械设备零部件的完好性，并将检测参数更新至机械设备健康模型中；

步骤2：将机械设备划分为各功能子系统，并对各功能子系统正常运行时的状态参数进行采集，并分别与机械设备健康模型进行比对，得到机械设备参数健康度；

步骤3：对机械设备的工作状态、工作效率、故障率、维修时间、技术性能、经济性、安全性参数进行收集，并综合上述信息与步骤2中的机械设备参数健康度进行融合，得到机械设备整体的健康度。

2.根据权利要求1所述的一种基于多维度信息融合的机械设备健康评估方法，其特征在于：所述步骤1中对机械设备零部件温度检测包括点温检测与热成像检测，所述机械检测包括振动检测与噪声检测，所述电气检测包括绝缘检测与介损检测，所述油质检测包括污染检测、色谱分析与油耐压检测。

3.根据权利要求1所述的一种基于多维度信息融合的机械设备健康评估方法，其特征在于：所述步骤1中承受负荷分析包括对机械设备零部件工作时承受的拉应力、压应力、剪应力、弯曲应力、疲劳载荷，所述机械表面磨损情况包括对机械设备机件受到黏着磨损、磨料磨损、疲劳磨损、腐蚀磨损种和微动磨损后的强度、精度进行检测。

4.根据权利要求1所述的一种基于多维度信息融合的机械设备健康评估方法，其特征在于：所述步骤2中机械设备健康模型计算步骤如下：

步骤A：确定评语集：V＝{V₁，V₂，...V_m}，其中V_m表示指标集中子因素的灰度值，m为评语集中包含的评语数；

步骤B：设R_ij表示模糊关系，即指标集的子因素i对评语值j的隶属度(l＝1，2，...，m；j＝1，2，...，P，)；

步骤C：计算模糊评判部分各因素权重及灰度评判部分各指标点灰度值w_i：w_i＝[(a_i1，v₁)，(a_i2，v₂)，...(a_im，v_m)]，并计算单层次模糊灰度综合评判结果向量

C_i：

步骤D：将C_i作为下一级判断的输入进行综合评判，得到向量C：C＝[(b₁，v₁)，(b₂，v₂)，...，(b_n，v_n)]；

步骤E：对C中的元素b₁进行归一化得到b_i，1-v₁表示设备健康状态属于评语值i的可信度，经过处理得到新的向量C＝[(b₁，1-v₁)，(b₂，1-v₂)，...，(b_n，1-v_n)]，对向量C中的每个元素采用公式计算，得到向量P，P中数值最大的元素P_max即为设备健康状态的最终评判结果，P＝(P₁，P₁，...P₁)＝{[μb₁+(1-μ)*(1-v₁)]，[μb₂+(1-μ)*(1-v₂)]，...[μb_n+(1-μ)*(1-v_n)]}，式中

5.根据权利要求1所述的一种基于多维度信息融合的机械设备健康评估方法，其特征在于：所述步骤3中工作状态、工作效率为机械设备在规定条件和时间内完成规定功能的设备状态与效率，所述故障率为机械设备在规定条件和时间内发生故障的频率。

6.根据权利要求1所述的一种基于多维度信息融合的机械设备健康评估方法，其特征在于：所述步骤3中维修时间为机械设备在规定条件和时间内能够维修完成的程度，即设备维修容易度，所述技术性能包括机械设备的技术规格、精度等级、结构特性、运行参数、工艺规范、生产能力。

7.根据权利要求1所述的一种基于多维度信息融合的机械设备健康评估方法，其特征在于：所述步骤3中经济性为机械设备在规定条件和时间内产生的能耗与维护、修理、更新费用。

8.根据权利要求1所述的一种基于多维度信息融合的机械设备健康评估方法，其特征在于：所述步骤3中安全性为对机械设备和环境进行综合的安全评价，且步骤2中机械设备参数健康度占机械设备整体健康度的60％，步骤3中各项参数总占机械设备整体健康度的40％。