基于稀疏編碼的設(shè)備狀態(tài)識(shí)別及其重型軋輥磨床監(jiān)測(cè)應(yīng)用.pdf

1、設(shè)備在服役期間內(nèi)的安全性、可靠性與可維護(hù)性是目前我國(guó)裝備制造業(yè)亟需解決的一個(gè)重要課題。通過監(jiān)測(cè)設(shè)備狀態(tài)并實(shí)施基于狀態(tài)的維護(hù)是解決該問題的有效手段，因此設(shè)備狀態(tài)的可監(jiān)測(cè)成為裝備制造企業(yè)在提高產(chǎn)品的設(shè)計(jì)與制造品質(zhì)的同時(shí)，進(jìn)一步增強(qiáng)產(chǎn)品高技術(shù)附加值的重要方面。對(duì)于以重型數(shù)控軋輥磨床為代表的一些大型基礎(chǔ)制造裝備來說，其狀態(tài)監(jiān)測(cè)的必要性更為明顯，但同時(shí)也面臨著更多挑戰(zhàn)：磨削加工條件下監(jiān)測(cè)信號(hào)的工況干擾；低轉(zhuǎn)速條件下連續(xù)長(zhǎng)時(shí)間采樣信號(hào)中設(shè)備狀態(tài)信息

2、的提??；基于特征設(shè)備狀態(tài)識(shí)別的固有弊端等等。為了解決重型數(shù)控軋輥磨床特殊的機(jī)械結(jié)構(gòu)和工況特點(diǎn)對(duì)其狀態(tài)監(jiān)測(cè)帶來的諸多問題，本文從理論方法、實(shí)驗(yàn)驗(yàn)證、技術(shù)集成等方面做了深入的研究和探索，具體包括以下方面：
　　1.針對(duì)設(shè)備狀態(tài)信息的有效提取問題，借鑒生物感知系統(tǒng)“冗余度壓縮”的信息處理原則，基于稀疏編碼方法分析振動(dòng)信號(hào)，并借助其計(jì)算特性提出了自適應(yīng)的特征提取框架。在該框架下的特征提取分為兩個(gè)步驟：首先從每一類設(shè)備狀態(tài)下的樣本信號(hào)中學(xué)習(xí)

3、出一個(gè)子字典，進(jìn)一步融合多個(gè)子字典構(gòu)造出設(shè)備狀態(tài)冗余字典；然后基于該冗余字典求解監(jiān)測(cè)信號(hào)的稀疏表示，并從中提取出稀疏特征。構(gòu)造設(shè)備狀態(tài)冗余字典的目的是為了積累對(duì)不同設(shè)備狀態(tài)的先驗(yàn)知識(shí)，從而使得提取的稀疏特征成為量化某一設(shè)備狀態(tài)存在的指標(biāo)?；跇?biāo)準(zhǔn)軸承振動(dòng)數(shù)據(jù)集的驗(yàn)證表明，所提取的稀疏特征具有良好的可分性，并且所構(gòu)造的軸承狀態(tài)冗余字典對(duì)載荷變化后的振動(dòng)信號(hào)仍保持較好的適應(yīng)性。
　　2.基于特征的設(shè)備狀態(tài)識(shí)別方法存在“不可避免的誤診斷

4、”、“依賴歷史監(jiān)測(cè)數(shù)據(jù)建立其診斷能力”的固有弊端。本文針對(duì)“不可避免的誤診斷”問題結(jié)合稀疏特征與自組織映射型神經(jīng)網(wǎng)絡(luò)提出了可視化的設(shè)備狀態(tài)識(shí)別模型。該模型借助于自組織映射型神經(jīng)網(wǎng)絡(luò)的無監(jiān)督聚類分析能力與數(shù)據(jù)可視化能力將基于稀疏特征的設(shè)備狀態(tài)空間在一個(gè)二維平面上顯示，從而構(gòu)造出一個(gè)設(shè)備狀態(tài)的分布圖；設(shè)備維護(hù)人員能夠根據(jù)監(jiān)測(cè)信號(hào)在該分布圖上的映射結(jié)果自行判斷設(shè)備狀態(tài)，并能夠?qū)τ衅缌x的映射結(jié)果采取審慎的態(tài)度。此外，借助于自組織映射型神經(jīng)網(wǎng)絡(luò)的

5、異常檢測(cè)能力，通過建立該模型的更新機(jī)制使得在設(shè)備狀態(tài)監(jiān)測(cè)過程中能夠基于監(jiān)測(cè)數(shù)據(jù)不斷改進(jìn)其狀態(tài)識(shí)別能力。
　　3.針對(duì)磨削加工條件下監(jiān)測(cè)信號(hào)的干擾問題，研究了基于稀疏成分分析的信號(hào)盲分離技術(shù)；并提出了基于匹配追蹤的單通道振動(dòng)信號(hào)盲分離方法：依據(jù)振動(dòng)信號(hào)分離的一個(gè)基本原則，將盲源分離問題弱化為更為實(shí)際且有益于設(shè)備狀態(tài)識(shí)別的周期性、非平穩(wěn)以及平穩(wěn)信號(hào)成分的盲“成分”分離問題，基于匹配追蹤算法將監(jiān)測(cè)信號(hào)在一個(gè)由Gabor基函數(shù)與小波包基函

6、數(shù)構(gòu)成的超完備字典上投影，從而實(shí)現(xiàn)三種信號(hào)成分的分離。實(shí)驗(yàn)證明，該方法不僅能夠有效捕捉早期設(shè)備故障時(shí)的微弱瞬態(tài)振動(dòng)信號(hào)，并且可以根據(jù)基函數(shù)激活分布的聚類結(jié)構(gòu)實(shí)現(xiàn)對(duì)非平穩(wěn)信號(hào)成分的進(jìn)一步分離。
　　4.針對(duì)重型數(shù)控軋輥磨床的狀態(tài)監(jiān)測(cè)需求，設(shè)計(jì)了其狀態(tài)監(jiān)測(cè)系統(tǒng)的總體架構(gòu)，并對(duì)上述理論方法研究進(jìn)行了應(yīng)用。首先，從有助于系統(tǒng)內(nèi)部設(shè)備狀態(tài)信息流通及信息處理能力改進(jìn)的角度建立了現(xiàn)場(chǎng)診斷儀與遠(yuǎn)程監(jiān)控相結(jié)合的系統(tǒng)總體架構(gòu)；通過對(duì)傳感與數(shù)據(jù)采集方案

7、的實(shí)施采集了磨床在空載條件下的振動(dòng)數(shù)據(jù)，并跟蹤采集了磨削加工條件下的振動(dòng)數(shù)據(jù)；通過數(shù)據(jù)分析確定了磨削加工條件下的三種振動(dòng)類型：齒輪嚙合振動(dòng)、頂尖相對(duì)滑動(dòng)和磨削顫振，并建立基于稀疏性的狀態(tài)識(shí)別模型；在技術(shù)集成應(yīng)用上，通過對(duì)規(guī)范系統(tǒng)的數(shù)據(jù)與應(yīng)用接口保證了系統(tǒng)的可擴(kuò)展性，并通過建立狀態(tài)識(shí)別模型的更新機(jī)制使其診斷能力能夠隨著設(shè)備狀態(tài)與監(jiān)測(cè)數(shù)據(jù)的豐富而得以改進(jìn)。
　　通過對(duì)上述理論方法與技術(shù)規(guī)范的集成應(yīng)用實(shí)現(xiàn)了重型數(shù)控軋輥磨床的狀態(tài)監(jiān)測(cè)原型