论文部分内容阅读
故障预报对设备的及时维护、保障设备的可靠性与安全性具有实用价值。现代系统设备结构复杂,且受现场的噪声干扰,多为非线性系统。为保证设备的安全性和可靠性,对非线性系统的故障预报研究具有重要意义。粒子滤波算法是解决非线性非高斯系统故障预报问题的一种有效算法,是一种基于贝叶斯滤波的实现方法。本文的核心思想是:利用粒子滤波算法估计系统当前时刻之后一段时间的状态,即预测值序列,然后采用时间序列相似性度量方法度量粒子滤波算法得到的预测值序列与系统实际的观测值序列之间的相似性,以其相似度作为故障预报的依据,建立故障预报模型监测设备的运行,并对潜在或将发生的故障进行预报。本论文的主要贡献包括:(1)为了提高故障预报的精确性,本文提出了一种改进的余弦相似度度量公式和基于该相似度的故障预报方法,从分析设备正常工作的时间序列数据与潜在故障引起的异常数据之间的相似性的新角度,进而对设备潜在的故障进行预报。对于两个等长时间序列,本文提出的改进余弦相似度度量公式相比传统的余弦相似度度量公式可从方向以及模长两个角度综合度量序列间的相似性,弥补了余弦相似度公式只能从方向的角度上度量两个序列之间相似性的缺点。实验结果验证了该方法的可行性,相比传统故障预报方法,本文方法能更及时准确地预报出系统故障。(2)为了考虑预测值序列与观测值序列存在不等长的情况,本文引进了适用于不同长度时间序列相似性度量的动态时间弯曲(DTW)技术,提出了基于DTW匹配的粒子滤波故障预报算法。每隔一段时间,使用粒子滤波算法可得到预测值序列,然后采用动态时间弯曲算法度量预测值序列与真实值序列(2个序列的长度可不同)之间的相似度,进而对潜在故障进行预报。实验结果表明,该方法能处理预测值序列与观察值序列不等长的情况,提高了基于粒子滤波的故障预报方法的适用性。(3)设计了一个实时在线分析与故障预报软件系统,该系统具有设备故障监控和设备故障预警等功能。用户可通过本系统对故障进行实时监控,当系统监控发现设备数据发生异常时,系统给出警示预报并发出警报声,进行故障的提前预报。