基于混沌时间序列的旋转机械非平稳状态预测方法研究

作者:朱春梅;徐小力;张建民 刊名:机械设计与制造 上传者:杨群

【摘要】针对旋转机械设备的非平稳运行状态,以混沌理论为基础,将最大Lyapunov指数的预测模型引入旋转机械故障趋势预示,阐述了构造预报函数f或F的两种方法,提供了混沌时间序列的最大可预测时间的计算方法,通过对大型机组实验数据的分析,证明了在最大预测时间内,该预测方法是较理想的。^^

全文阅读

基于混沌时间序列的旋转机械非平稳状态预测方法研究# 朱春梅 !, " 徐小力 " 张建民 ! (! 北京理工大学机械与车辆工程学院,北京 !###$!) (" 北京信息科技大学机械工程系,北京 !###$%) !"#$% &’ "() *&* +,"-".&*-/% "/)*$ 0/)$.1".&* 2)"(&$ 3-,)$ &* 1(-&, ".2) ,)/.), ’&/ /&"-".*4 2-1(.*) ,)", &’( )*+, - ./0!, ",1( 1023 - 40",&’567 802, - .0,! 9!)344/:/ 3; </=*2,0=24 2,> ?/*0=4/,@/0A0,: B,CD0D+D/ 3; E/=*,343:F ,@/0A0,: !###$!,)*0,2G ("H/IJ K; </=*2,0=24 L,:0,//M0,:,@/0A0,: B,;3M.2D03, N=0/,D0;0= (,0O/MC0DFP @/0A0,: !###$%,)*0,2G ! 概述 机械设备状态预测是设备故障诊断中必不可少的一个环节,旋转机械是工业上应用最广泛的机械,且旋转机械常工作在高速状态下,预测其状态尤为重要。设备状态预测是根据对设备连续监测所得到的历史数据来确定设备目前的运行状态,并预测其发展趋势及设备的残存寿命,这对设备维护与维修决策具有重大意义。 传统的预测方法主要有动力学方法和数理统计方法,这些方法的共同特点是先建立数据模型,然后根据数据模型进行计算和预测,这就不可避免带有主观性;同时,由于诸多非线性因素的存在,非线性已日益成为机械系统的固有特性。 当设备发生故障时,系统的非线性特性往往比较突出,采用传统的理论和方法很难解决。非线性时间序列分析能表现出更丰富、更复杂的客观现象,比线性时间序列分析有着更广阔的应用前景,它在医学、经济、工程等众多领域得到了广泛的应用与研究,解决了许多过去无法解决的问题。因而研究非线性时间序列分析理论并应用到设备状态趋势预测中具有重要的理论价值与实际意义。 所谓时间序列预报,实质上就是根据时间序列的历史观测 值 !!P !"P ⋯⋯P !",对未来时刻 " # $9 $ Q #G 的取值 !" # $ 进行估计。在机械状态监测与故障诊断领域,振动信号的时间序列预报具有很重要的价值,它可以用来监测系统状态、异常行 为以及预报故障的发展趋势等。 % 混沌时间序列预报法 从时间序列研究混沌,始于 &’($’)* 等(+,-.)提出的重构相空间理论。基本思想是:动力学系统中的任一分量的演化都是由于与其相互作用的其它分量所决定,这些相关分量的信息就隐含在任一分量的演化过程中。因此,可以通过决定系统长期演化的任一单变量时间序列来研究系统的混沌行为R! S。 设观测到的混沌时间序列为 T !" / " 0 !P "⋯P 1U,假设1 0 2 # 3,前 2 个数据作为构造模型所需的样本,后 3 个数据作为预报精度的度量。采用相空间重构法,在相空间中重构的状态矢量为: ! 7 " 0 9 !"4 !" 5 !4 ⋯4 !" 5 9 6 - !G !G " 0 2# V !P 2# V "P ⋯P 2 其中 2# W 9 6 - !G !,6 称为嵌入维,! 为延迟时间间隔,按照 E2X/,C 的结论,一般地如果 6T" * V !(* 表示原动力系 统相空间的维数),则! 7 " 是原动力系统相应的一条轨道到 76 中 的嵌入。 Y Y 国家自然科学基金资助9%#Z[%#![[G;北京市自然科学基金资助9

参考文献

引证文献

问答

我要提问