基于局部稳定因果结构识别的跨工况轴承故障诊断方法
本发明涉及轴承故障诊断,具体是一种基于局部稳定因果结构识别的跨工况轴承故障诊断方法,以及应用这种诊断方法的计算机终端和计算机可读存储介质。
背景技术:
1、轴承是旋转机械设备中的关键基础部件,承担支撑转子、传递载荷和保证旋转精度等作用。轴承运行状态直接影响设备运行可靠性、生产安全性和维护成本。在实际工业场景中,轴承常经历不同转速、不同载荷、不同温度、不同安装状态和不同采样环境。工况变化会使振动信号的幅值、频率成分、统计分布及噪声水平发生偏移,使同一故障状态在不同工况下表现出不同的观测特征,因而跨工况轴承故障诊断比单一工况诊断更为困难。
2、现有的跨工况故障诊断模型多依赖于变量之间的统计相关性,这种方式容易将随工况变化而波动的相关特征误认为故障判别依据,导致诊断性能不稳定。为了寻找跨工况下稳定的特征,因果发现理论被引入以识别具有因果含义的关系。然而,现有的全局因果发现方法难以适应高维、小样本和强噪声的轴承故障数据,不仅搜索空间随变量数量迅速扩大,还容易产生冗余边和错误边传播。
3、虽然局部因果发现方法能够在高维特征空间中缩小搜索范围,但实际设备运行中往往存在未被完整采集的潜在未观测工况因素(如设备安装差异、传感器耦合状态、环境扰动等)。现有的局部因果发现方法在单一工况、单次运行下的结果极易受样本规模不均衡和噪声的影响,具有较大的偶然性。更为严重的是,在处理跨工况问题时,现有方法通常是在局部结构识别结束后,才以边出现次数进行事后的阈值筛选。这种仅靠单一频率指标的事后处理方式,缺少将稳定性信息嵌入因果发现过程的闭环机制。由于在搜索阶段未能抑制不稳定候选关系的扩展,不稳定的节点仍会参与到后续的结构递推中,进而造成错误关系的持续传播,导致最终得到的结构图难以准确刻画跨工况下的稳定关系。此外,现有的局部因果结构识别结果往往仅停留在输出图结构或数学评分层面,未能将其直接用于待诊断振动样本的特征筛选和故障分类中,局部因果发现与实际轴承状态判定之间衔接不足,难以形成完整的工程技术闭环。
技术实现思路
1、为解决现有技术中存在的技术问题,本发明提供了一种基于局部稳定因果结构识别的跨工况轴承故障诊断方法,克服了高维噪声与潜在未观测环境因素的干扰,在因果结构搜索阶段从机制上抑制不稳定关系的传播,建立一套从因果结构识别到实际故障在线判定的完整诊断闭环,以提高跨工况下设备故障诊断的准确性与稳健性。
2、为实现上述目的,本发明提供如下技术方案:
3、本发明公开一种基于局部稳定因果结构识别的跨工况轴承故障诊断方法,包括:
4、s1.获取轴承多工况下的运行数据,运行数据包括振动信号、工况变量和故障目标变量;对振动信号提取特征,与工况变量构成候选变量集合;
5、s2.根据工况变量将运行数据划分为多个工况域,并在各工况域内进行均衡重采样,得到重采样数据集;
6、s3.在各工况域的重采样数据集上,以故障目标变量为中心,从候选变量集合中执行初步局部因果结构发现,识别候选节点与候选边,并计算候选节点与候选边在各工况域内的域内选择可靠度,从而计算综合稳定性评分,据此生成的稳定性约束规则;
7、s4.在重采样数据集上执行局部因果结构再发现;在再发现过程中,将稳定性约束规则作用于局部马尔可夫毯递推搜索过程,得到具有稳定性约束的局部结构;
8、s5.对各工况域内得到的、具有稳定性约束的局部结构进行聚合,构建面向所述故障目标变量的局部稳定因果子图;
9、s6.根据局部稳定因果子图中的稳定节点生成稳定特征掩码,对待诊断振动信号进行特征筛选,并将筛选后的特征输入故障分类模型,输出在线诊断结果。
10、作为上述方案的进一步改进,步骤s3中,所述综合稳定性评分用于评估候选关系在跨工况条件下的稳定性,该评分通过以下评估维度加权得到:
11、平均域内选择可靠度,用于表征候选节点和候选边在全部工况域中被选择的平均可靠程度;
12、工况覆盖率,用于衡量域内选择可靠度达到设定阈值的工况域数量占比;
13、关系角色或方向一致性,用于评估候选边相对于故障目标变量呈现相同局部结构角色的频率;
14、跨工况波动度,用于衡量所述候选节点和候选边在不同工况域之间域内选择可靠度的方差变化。
15、作为上述方案的进一步改进,步骤s4中,在将所述稳定性约束规则作用于局部马尔可夫毯递推搜索过程时,采用以下约束机制:
16、候选节点准入约束:在重构候选局部马尔可夫毯时,仅允许节点稳定性评分达到设定节点准入阈值的候选节点进入骨架识别或保留于候选集合中;
17、递推扩展门控:对于与当前节点相连的候选节点,基于所述节点准入阈值、边准入阈值以及设定的跨工况波动阈值定义扩展指示量,仅当所述扩展指示量满足条件时,才将该候选节点加入待处理集合进行下一级递推扩展;
18、分支停止判断:当当前递推分支本轮新识别的候选关系集合中,不存在能够同时满足所述节点准入阈值和所述边准入阈值的关系时,触发稳定性停止规则并终止该分支;
19、边方向判定:对于综合稳定性评分满足边准入阈值且关系角色或方向一致性满足一致性阈值的候选边,输出占比最高的关系角色;对于综合稳定性评分满足边准入阈值但关系角色或方向一致性未达到一致性阈值的候选边,采用圆端点输出为方向不完全确定关系;同时删除综合稳定性评分低于边准入阈值的不稳定边。
20、作为上述方案的进一步改进,步骤s2中,在各工况域内进行均衡重采样,得到重采样数据集,具体包括:
21、针对每一个工况域,按照数据中的故障类别进行分层抽样,并以预设的样本数量为目标规模进行多次有放回抽样,从而得到各工况域的所述重采样数据集;其中,所述预设的样本数量不大于各工况域可用样本数量的最小值,或通过重采样处理使各个工况域的有效样本规模处于预设的差异范围内。
22、作为上述方案的进一步改进,步骤s3中,执行初步局部因果结构发现的具体过程包括:
23、围绕待处理的当前节点,利用边缘独立性检验形成初始候选集合;
24、按照给定的条件集合大小从零逐步递增至预设上限,对初始候选集合中的候选变量进行条件独立性检验,筛选得到所述当前节点的初步局部马尔可夫毯;
25、在所述初步局部马尔可夫毯范围内构建局部骨架,通过识别满足预设分离条件的三元组将其判定为v结构并在中心节点处设置箭头端点,同时结合无环约束规则更新其他端点;随后将满足递推条件的相邻候选节点加入待处理集合中进行下一次递推,直至满足停止条件得到初步局部结构。
26、作为上述方案的进一步改进,所述边缘独立性检验和所述条件独立性检验,针对候选变量集合中混合类型变量的数据特性采用了相适配的检验方法,具体包括:
27、对于候选变量集合中连续的特征变量,采用基于正则化精度矩阵的偏相关检验计算双侧p值以判定特征变量间的条件独立性,通过引入正则化参数缓解高维轴承特征和小样本条件下的共线干扰;
28、对于经一对其余编码得到的二维故障目标变量与连续的特征变量,在给定条件变量集合时,分别建立包含连续特征变量的完整逻辑回归模型和不包含连续特征变量的约简逻辑回归模型,并采用逻辑回归似然比检验来判定特征与目标变量的条件依赖性。
29、作为上述方案的进一步改进,步骤s1中,所述工况变量包括转速、载荷、温度、采样条件、设备编号、安装状态和环境状态中的至少一种;所述故障目标变量包括故障类别、故障程度和健康指标中的至少一种;当故障目标变量为包含多个类别的离散故障变量时,针对每一个具体的故障类别分别构造一对其余二值目标,以供分别识别与各个故障类别对应的局部稳定因果子图。
30、作为上述方案的进一步改进,步骤s1中,对振动信号提取的特征包括时域特征、频域特征和时频域特征中的至少一种;其中,时域特征包括均方根值、峭度、偏度和峰值因子中的至少一种;频域特征包括频谱重心、均方频率、频带能量和包络谱特征频率幅值中的至少一种;时频域特征包括小波包能量、经验模态分解能量和短时傅里叶变换能量中的至少一种。
31、本发明还公开一种计算机终端,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时,实现如上所述的基于局部稳定因果结构识别的跨工况轴承故障诊断方法的步骤。
32、本发明还公开一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时,实现如上所述的基于局部稳定因果结构识别的跨工况轴承故障诊断方法的步骤。
33、与现有技术相比,本发明的有益效果是:
34、1、本发明以故障目标变量为中心,不对全部候选变量进行全局因果图搜索,缩小了高维故障特征条件下的变量搜索范围。通过在多个工况域内提取域内选择可靠度并计算综合稳定性评分,本发明将生成的稳定性约束直接嵌入局部马尔可夫毯的递推搜索过程中。这种处理方式在结构生成阶段就拦截了工况敏感的候选关系,避免了不稳定节点参与后续递推造成的错误结构传播。最终将保留的局部稳定因果子图转化为特征掩码,用于屏蔽待诊断振动信号中的不稳定或工况敏感特征,实现了从因果关系识别到实际设备在线故障报警。
35、2、本发明在各个工况域内按故障类别进行分层和均衡bootstrap重采样,统一了不同工况下的有效样本规模。该机制缓解了因各工况样本数量不一致以及有限样本带来的随机波动影响,使跨工况条件下的局部因果发现结果具备可比的统计基础。
36、3、本发明针对轴承运行数据中连续特征与离散故障标签混合的特性,分别匹配了基于正则化精度矩阵的偏相关检验和逻辑回归似然比检验。正则化参数的引入克服了高维轴承特征共线和小样本条件下协方差矩阵不可逆或病态的计算阻碍,同时避免了将多类别故障标签直接作为连续变量处理所产生的统计偏差。
37、4、本发明依靠节点准入约束、递推扩展门控和分支停止判断等计算机逻辑,算法能够在多工况下动态阻断不可靠因果分支的延伸。对于边稳定性达标但关系角色在各工况间存在冲突的候选边,本发明采用圆端点标记其方向不完全确定,防止将方向未知的普通关联误判为由潜在未观测因素造成的潜在混杂关系。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com