基于稀疏編碼的設(shè)備狀態(tài)識別及其重型軋輥磨床監(jiān)測應(yīng)用.pdf

1、設(shè)備在服役期間內(nèi)的安全性、可靠性與可維護性是目前我國裝備制造業(yè)亟需解決的一個重要課題。通過監(jiān)測設(shè)備狀態(tài)并實施基于狀態(tài)的維護是解決該問題的有效手段，因此設(shè)備狀態(tài)的可監(jiān)測成為裝備制造企業(yè)在提高產(chǎn)品的設(shè)計與制造品質(zhì)的同時，進一步增強產(chǎn)品高技術(shù)附加值的重要方面。對于以重型數(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)測的必要性更為明顯，但同時也面臨著更多挑戰(zhàn)：磨削加工條件下監(jiān)測信號的工況干擾；低轉(zhuǎn)速條件下連續(xù)長時間采樣信號中設(shè)備狀態(tài)信息

2、的提?。换谔卣髟O(shè)備狀態(tài)識別的固有弊端等等。為了解決重型數(shù)控軋輥磨床特殊的機械結(jié)構(gòu)和工況特點對其狀態(tài)監(jiān)測帶來的諸多問題，本文從理論方法、實驗驗證、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信號，并借助其計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步驟：首先從每一類設(shè)備狀態(tài)下的樣本信號中學(xué)習(xí)

3、出一個子字典，進一步融合多個子字典構(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)測信號的稀疏表示，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不同設(shè)備狀態(tài)的先驗知識，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)軸承振動數(shù)據(jù)集的驗證表明，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)冗余字典對載荷變化后的振動信號仍保持較好的適應(yīng)性。
　　2.基于特征的設(shè)備狀態(tài)識別方法存在“不可避免的誤診斷

4、”、“依賴歷史監(jiān)測數(shù)據(jù)建立其診斷能力”的固有弊端。本文針對“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)空間在一個二維平面上顯示，從而構(gòu)造出一個設(shè)備狀態(tài)的分布圖；設(shè)備維護人員能夠根據(jù)監(jiān)測信號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、異常檢測能力，通過建立該模型的更新機制使得在設(shè)備狀態(tài)監(jiān)測過程中能夠基于監(jiān)測數(shù)據(jù)不斷改進其狀態(tài)識別能力。
　　3.針對磨削加工條件下監(jiān)測信號的干擾問題，研究了基于稀疏成分分析的信號盲分離技術(shù)；并提出了基于匹配追蹤的單通道振動信號盲分離方法：依據(jù)振動信號分離的一個基本原則，將盲源分離問題弱化為更為實際且有益于設(shè)備狀態(tài)識別的周期性、非平穩(wěn)以及平穩(wěn)信號成分的盲“成分”分離問題，基于匹配追蹤算法將監(jiān)測信號在一個由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，從而實現(xiàn)三種信號成分的分離。實驗證明，該方法不僅能夠有效捕捉早期設(shè)備故障時的微弱瞬態(tài)振動信號，并且可以根據(jù)基函數(shù)激活分布的聚類結(jié)構(gòu)實現(xiàn)對非平穩(wěn)信號成分的進一步分離。
　　4.針對重型數(shù)控軋輥磨床的狀態(tài)監(jiān)測需求，設(shè)計了其狀態(tài)監(jiān)測系統(tǒng)的總體架構(gòu)，并對上述理論方法研究進行了應(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的角度建立了現(xiàn)場診斷儀與遠程監(jiān)控相結(jié)合的系統(tǒng)總體架構(gòu)；通過對傳感與數(shù)據(jù)采集方案

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