基于模型的条件指标
是一种基于模型的条件指标数量来自拟合系统数据模型,使用模型进行进一步的处理。条件指标模型变化的捕捉方面系统性能降低。模型based-condition指标时可以有用:
很难确定合适的条件指标单独利用信号分析的特点。这种情况发生在其他因素会影响到信号除了机器的故障状态。例如,你测量的信号可能会改变取决于系统中一个或多个输入信号。
你有系统的知识或基础流程,这样可以系统的某些方面的行为模型。例如,您可能知道从系统知识有一个系统参数,如时间常数,这将改变系统降解。
未来你想做一些预测或模拟系统行为基于当前系统状况。(见模型预测剩余寿命。)
在这种情况下,它可能是有用的和有效的适合数据模型和使用条件指标从模型中提取,而不是直接对信号的分析。基于模型的条件指标可以基于任何类型的模型,该模型适用于您的数据和系统,包括静态和动态模型。条件指标如:你从模型可以提取量
模型参数,如线性系数的健康。改变这样的参数值可以表明一个错误条件。
模型参数的统计特性,如方差。模型参数,不在统计范围预计从健康系统性能可以表明一个错误。
动态属性,如通过状态估计系统状态值,或极点位置或阻尼系数估计的动态模型。
量来自一个动态模型的仿真。
不同模型在实践中,您可能需要探索和尝试不同的条件指标找到那些最适合你的机器,你的数据,你的错误条件。有很多方法可以识别基于模型的条件指标。以下部分总结常见的方法。
静态模型
当你从稳态系统获得的数据操作,你可以尝试拟合数据的静态模型,并使用参数模型来提取条件的指标。例如,假设您生成一个数据通过测量一些特性曲线在不同的机器上,在不同的时间,或在不同条件下。然后您可以符合一个多项式模型特性曲线,并使用结果多项式系数,条件指标。
这个例子离心泵的故障诊断使用稳态实验这种方法。这个例子中的数据描述了水泵扬程与流量之间的关系特点,以一个泵在健康的稳态操作。执行一个简单的线性的例子适合描述这个特性曲线。因为有一些变化在整个乐团的最佳参数,本例使用生成的参数确定的分布和置信区域适合参数。执行相同的收益率符合测试数据集参数,和比较这些参数与产量分布故障的可能性。
您还可以使用静态模型来生成分组分布的健康和错误的数据。当你获得一个新一点的测试数据,您可以使用假设测试,以确定哪些点最有可能属于分布。
动态模型
对于动态系统,测量信号(输出)的变化取决于信号的变化在系统(输入)。您可以使用这样一个系统的动态模型来生成条件指标。一些动态模型是基于输入和输出数据,而其他人可以适应基于时间序列的输出数据。你不一定需要一个已知模型的动态过程进行模型拟合。然而,系统知识可以帮助你选择适合的类型或结构模型。
一些函数对模型拟合可以使用包括:
党卫军——估计从时域状态空间模型的输入-输出数据或频率特性数据。基于“增大化现实”技术——估计最小二乘autorecursive (AR)从时间序列数据模型。nlarx——模型非线性行为使用动态非线性估计如小波网络,tree-partitioning,乙状结肠网络。
也有递归估计函数,让你适应模型实时收集数据,如recursiveARX。这个例子使用识别技术检测系统突然变化说明了这种方法。
为模型拟合,更多的功能可以使用识别条件指标。
基于模型参数和动力学条件指标
任何一个模型的参数可以作为有用的条件指标。与静态模型,模型参数变化或统计信心范围以外的值可以表明故障条件。例如,如果您确定使用状态空间模型党卫军,极点位置或可能会改变阻尼系数作为故障状态发展。您可以使用线性分析等功能潮湿的,极,零从估计中提取动力学模型。
另一种方法是modalfit确定动态特性,通过将信号分解为多个模式不同频率特性的功能。
有时,你了解你的一些系统动力学和可以代表他们使用微分方程或模型结构与未知参数。例如,您可以获得一个模型系统的物理参数,如时间常数,共振频率,或阻尼系数,但这些参数的精确值是未知的。在这种情况下,您可以使用线性或非线性的方框模型估计参数值,并跟踪这些参数值变化与不同故障条件。一些函数可以使用灰色矩形估计包括pem和nlarx。
一个金宝app仿真软件®模型也能作为一个灰色矩形模型参数估计。您可以使用仿真软件系统模金宝app型在健康和有缺陷的条件下使用物理意义的参数,并估计这些参数的值根据系统数据(例如,使用的工具金宝app仿真软件优化设计™)。
基于残差的条件指标
用一个动态模型的另一种方法是模拟模型和比较结果的真实数据模型为基础。系统数据和模拟的结果之间的差异被称为估计模型残差信号。这个例子离心泵的故障诊断使用残留分析分析了残余信号的估计nlarx模型。示例计算几个统计和残余信号的频谱特性。测试这些指标来确定哪个候选人条件提供最清晰的区分健康的操作和不同的故障状态。
另一种residual-based方法是识别多个模型对整体数据代表不同的健康和故障条件。为测试数据,然后计算每个这些模型的残差。收益率模型,最小的残余信号(因此最适合)表明,健康或故障情况最有可能适用于测试数据。
残留分析的识别模型获得使用命令等nlarx,基于“增大化现实”技术,或党卫军使用:
如基于参数条件指标,您还可以使用仿真软件构建模型进行残留分析。金宝app这个例子故障检测使用基于数据模型还说明了残留分析方法,利用模拟的模型识别数据。
状态估计
系统状态的值也可以作为条件指标。系统状态对应于物理参数,因此突然或意想不到的状态值的变化可以指示故障条件。状态估计等unscentedKalmanFilter,extendedKalmanFilter,particleFilter让你实时跟踪系统状态的值,监测这种变化。下面的示例说明了如何使用状态估计故障检测:
