基于数据驱动的矿井主排水设备寿命预测方法.pdf

第 4 3卷 第 1 1期 2 0 1 7年 1 1月 工矿 自 动化 I n d u s t r y a n d M i n e Au t o ma t i o n Vo 1 ． 4 3 NO ． 1 1 NO V ． 2 0 1 7 文章 编 号 1 6 7 1 2 5 1 X 2 0 1 7 1 1 0 0 3 9 1 0 D OI 1 0 ． 1 3 2 7 2 ／ j ． i s s n ． 1 6 7 1 2 5 1 x ． 2 0 1 7 ． 1 1 ． 0 0 9 基于数据驱动的矿井主排水设备寿命预测方法 郭 文琪h ， 宋建 成h ， 田慕琴 1 ． 太原理工大学 电气与动力工程学院，山西 太原0 3 0 0 2 4 ； 2 ． 煤矿电气设备与智能控制山西省重点实验室，山西 太原0 3 0 0 2 4 ； 3 ． 矿 用智 能 电器技 术 国家地 方 联合 工程 实验 室 ，山西 太 原0 3 0 0 2 4 摘要 以矿井排水系统的 离心泵为研 究对象， 介绍了包括机器学习方法、 多元统计分析方法、 特征量提取 方法和信 息融合方法在 内的 4种基于数据驱动的矿井主排水设备寿命预测方法的基本原理 、 相关案例 、 优缺 点、 尚未解决的问题及其在 离心泵寿命预测 中的应用； 指 出了离心泵寿命预测的发展趋势 寿命衰退指标应 多样化 ， 只有 离心泵的各类指标正常， 才能表明 离心泵运行正常， 多变量综合考虑使预测可靠性更高；决策 层信息应 高度融合 ， 振动信号、 动态摩擦力矩 、 扬程等 因素都会随着寿命的衰退发生一定的变化 ， 将这些信息 融合用于寿命预测， 效果会更好 ；融合特征层信息 ， 将 多种预测模型进行融合， 或者建立一个集更多优点于 一 体 的 混合模 型 ， 才 能更好 地 满足 工业要 求 。 关键词 离心泵；寿命预测；数据驱动； 机 器学习；多元统计分析 ； 特征量提取 ； 信 息融合 中图分类号 T D6 3 6 文献标志码 A 网络出版时间 2 0 1 7 1 0 ～ 2 7 0 8 4 9 网络 出版 地址 h t t p ／ ／ k n s ． c n k i ． n e t ／ k c ms ／ d e t a i l ／ 3 2 ． 1 6 2 7 ． TP ． 2 0 1 7 1 0 2 7 ． 0 8 4 9 ． 0 0 9 ． h t m1 Li f e pr e d i c t i o n me t ho d s o f mi n e ma i n d r a i n a ge e q ui p me nt b a s e d o n d a t a d r i v e n GUO We n q i ， 一， S ONG J i a n c h e n g ’ 一， TI AN M u q i n ， ’ 。 1 ． Co l l e g e o f El e c t r i c a l a n d Po we r En g i n e e r i n g ，Ta i y u a n Un i v e r s i t y o f Te c h n o l o g y，Ta i y u a n 0 3 0 0 2 4， Chi na；2． Sh a nx i Ke y La bo r a t o r y o f M i ni ng El e c t r i c a l Eq u i pme nt a n d I nt e l l i ge nt Co nt r o l ， Ta i y u a n 0 3 0 0 2 4 ，Ch i n a ；3． Na t i o n a l Pr o v i n c i a l J o i n t En g i n e e r i n g La b o r a t o r y o f Mi n i n g I n t e l l i g e n t El e c t r i c a l Ap p a r a t u s Te c h n o l o g y，Ta i y u a n 0 3 0 0 2 4，Ch i n a A b s t r a c t Ta k i n g c e n t r i f u g a l p u mp o f mi n e d r a i n a g e s y s t e m a s r e s e a r c h o b j e c t ，t h e p a p e r i n t r o d u c e d b a s i c p r i n c i p l e s ，r e l a t e d c a s e s ，a d v a n t a g e s a n d d i s a d v a n t a g e s ， u n s o l v e d p r o b l e ms o f f o u r k i n d s o f l i f e p r e di c t i o n m e t ho ds ba s e d o n d a t a d r i v e n，na m e l y ma c h i ne l e a r ni n g me t hod，m u l t i v a r i a t e s t a t i s t i c a l a n a l y s i s me t h o d，c h a r a c t e r i s t i c e x t r a c t i n g me t h o d a n d i n f o r ma t i o n f u s i o n me t h o d ，a n d e x p o u n d e d t h e i r a p p l i c a t i o n s i n c e n t r i f u g a l p u mp l i f e p r e d i c t i o n ．M e a n wh i l e i t p o i n t e d o u t d e v e l o p me n t t r e n d o f t h e c e n t r i f u g a l p u mp l i f e p r e di c t i onl i f e r e c e s s i o n i nd e x s h ou l d be d i ve r s i f i e d，a n d a l l ki n ds of n or ma l c e n t r i f u g al pu mp i n de x e s s ho w t h a t t he c e nt r i f ug a l pu mp wor ks n or ma l l y，t he m o r e c o mpr e h e ns i v e c o ns i de r a t i o n，t he hi g he r t he 收稿 日期 2 0 1 7 - 0 5 - 1 8 ； 修 回日期 2 0 1 7 - 0 8 - 2 4 ； 责任编辑 张强 。 基金项 目 山西省科技重大专项项 目 2 0 1 3 1 1 0 1 0 2 9 。 作者简介 郭文琪 1 9 9 1 一 ， 男 ， 山 西忻 州 人 ， 硕 士研 究 生 ， 研 究方 向为 矿 井主 排 水设 备 的 状态 监 测 与 寿命 管 理 ， E - ma i l 1 8 2 3 4 1 3 2 6 6 0 1 6 3 ． t o m 引用格式 郭文琪 ， 宋建成 ， 田慕琴． 基于数据驱动的矿井 主排水设 备寿命 预测方法[ J ] ． 工矿 自动化 ， 2 0 1 7 ， 4 3 1 1 3 9 4 8 ． GUO We n q i ， S ON G J i a n c h e n g ， T I AN Mu q i n ． L i f e p r e d i c t i o n me t h o d s o f mi n e ma i n d r a i n a g e e q u i p me n t b a s e d o n d a t a d r i v e n [ J ． I n d u s t r y a nd M i n e Au t o ma t i o n， 2 01 7， 43 1 1 3 9 - 4 8 ． 4 0 工矿 自动化 2 0 1 7年 第 4 3卷 p r e d i c t i on r e l i a bi l i t y；de c i s i o n l a ye r i n f o r m a t i o n s ho ul d b e h i ghl y i nt e gr a t e d，a nd f a c t or s s u c h a s v i br a t i on s i g na l ，dy na m i c f r i c t i on t or q ue a n d pu m p he a d wi l l c ha n ge wi t h de c a y of l i f e，S O r e s ul t s wi l l be be t t e r t o f us e t he s e i nf or ma t i on i n t o l i f e pr e d i c t i o n；f e a t u r e l a y e r i nf o r ma t i o n s ho ul d be i n t e g r a t e d，a nd i n t e g r a t i ng va r i o us p r e d i c t i o n mo de l s or e s t a bl i s hi n g a hy br i d mo de l wi t h m a n y a dv a n t a g e s c a n be t t e r me e t i nd us t r i a l r e qu i r e me n t s ． Ke y wo r d s c e n t r i f u ga l pu mp； l i f e pr e d i c t i o n；d a t a dr i v e n；ma c h i ne l e a r n i ng；m u l t i v a r i a t e s t a t i s t i c a l a na l y s i s；f e a t u r e e xt r a c t i on；i n f o r m a t i on f u s i on 0 引 言 随着 煤 炭行 业 高 产 高效 的发 展 ， 矿 井安 全 问题 已成为制约煤炭生产 的关键 因素 ， 而井下涌水所导 致 的安 全 问题 占 比高达 2 7 ． 5 。一 旦 井 下 发 生 透 水事故 ， 不仅影响安 全生产 ， 还会使矿井淹没 ， 甚至 危 及工 人 的生命 。井 下排 水设 备担 负着 整个 矿井 积 水 排 除的 任务 ， 其安 全 可 靠 性 直 接 影 响矿 井 生 产 的 效 率 和安全 。因此 ， 研 究 矿 井排 水设 备 的状 态 监 测 和寿命管理对矿井生产具有重要的现实意义。 许 多科 研工 作 者在矿 井排 水 的理论 研究 和 实际 应 用 中做 了大 量 的工 作 。到 目前 为 止 ， 我 国在 矿 井 排 水优 化 与控制 、 排 水 设 备 的改 造 方 面也 取 得 了很 大 的成 绩 ， 一些研 究 人 员 将 智 能 控 制应 用 到 排 水 系 统 中， 如将模糊控制 、 神经 网络控制等一些先进算法 与实际的排水方案相结合使排水系统达到优化控制 的 目的 ， 实 现 了排水 系统 的实 时 监 测 、 故 障 检 测 、 故 障记 录 、 事 故快 速 分 析 、 多 台水泵 轮 换 。然 而 ， 只有 少 数科 研单 位 实现 了矿 井 主排 水 的故 障诊 断 功 能 ， 但其所 选 故障类 型 单 一 ， 不 能 全 面 反 映设 备 可 能 出 现 的多种 故障 ， 对设 备 分 析 的可 靠 性有 待 进 一 步 提 高。关于矿井排水 设备寿命 预测 的研究则更少 ， 建 立完善 的矿井 主排水 设 备寿命 管理 系 统 已成 为 煤炭 行业 必须 要重 视 的问题 之一 。 针 对 寿命 管理 技术 ， 现有 的方 法 主要包 括 3类 专家 系统 、 定 性 分析 、 数 据驱 动 [ 1 】 。其 中 ， 专 家 系统 及定 性分 析方 法有 其 特 有 的 优势 ， 利 用专 家提 供 的 知识 和经 验建 立 的数 据库 ， 可使 预 测 更 加 灵 活 。但 数据库的建立十分 困难 ， 需要大量完整准确的历史 数据 ， 由于矿井 排水 设备 寿命 管理 知识 缺乏 ， 这 些方 法适用 性 不强 。近 年 来 ， 数 据 驱 动 技 术 的 发展 为 寿 命 预测 提供 了新 的方 法 ， 基 于 数 据 驱 动 的 预测 方 法 是 通过 对过 程运 行 数 据 进 行 分 析 处理 ， 在不 需 知道 系统 精 确 解 析 模 型 的情 况 下 完 成 系 统 寿 命 管 理 的 。 ， 避 免 数据 库不 完善 所 带来 的寿命 管 理 环节 中的 困难 。 本 文 以矿 井排 水 系 统 的 离心 泵 为 研究 对 象 ， 深 入探讨 4种基 于数 据 驱 动 的 寿命 预测 方 法 机 器 学 习方法 、 多元统计分析方法、 特征量提取方法和信息 融合方法 的基本原理 、 相关案例及其在离心泵寿命 预测中的应用 ， 给出了离心泵寿命预测 的发展趋势 。 1 机 器学 习方法 1 ． 1 概 述 机器学 习是一 门多领域交叉学科 ， 涉及到概率 论、 统计学 、 逼近论 、 算法复杂度等 内容。作为人工 智能的核心 ， 它旨在研究计算机怎样模拟和实现人 类 的学 习行为 ， 以获 得新 的知识 和技 能 ， 重 新组 织 已 有 的知识 结构 ， 达 到改 善 自身性 能 的 目的 。 1 ． 2 基本 原 理 机器学习方法包括 了以神经 网络 ] 、 支持 向量 机 和模 糊 逻 辑 为 主 的多 种 预测 方 法 ， 它利 用 采 集 到 的系统 的定 期历 史 数 据 ， 一 部 分 作 为 训 练 学 习样 本 ， 一 部分 作 为验证 数 据 ， 依 赖 网络 的高 度非 线性 映 射特 性来 拟合 数据 ， 对 网络 进行 训练 ， 然 后寻 找历 史 数据与未来数据之间的关系， 建立数学模型 ， 从而达 到预 测 的 目的 。 对人 工 神 经 网络 Ar t i f i c i a l Ne u r o n Ne t wo r k ， ANN 的研究 始 于 2 O世纪 4 0年代 ， ANN 具有 自学 习和 自适应的特性 。它从信息处理角度对人脑神经 元 网络进 行抽 象 ， 建 立某种 简 单模 型 ， 按 不 同的连 接 方式 组成 不 同 的网络 。其 原理 为先 利用 训 练数据 建 立 不 同生命 周期 性 能 识 别 的 映射 ， 然后 将 训 练 好 的 网络用于新观测的数据进行剩余寿命值 的判断 。基 于 神经 网络 的寿 命 预 测 方法 的思 想 通过 网络 层 问 的学习建立特征信息与剩余 寿命之 间的映射关系 ， 使输 入层 的节点 对应 特 征信 息 ， 输 出 层 的节 点对 应 剩余寿命值 ， 从而实现 由特征信息到剩余 寿命值 的 推 理过程 。 支持 向量 机 S u p p o r t Ve c t o r Ma c h i n e ，S VM 预测 方法 是 建立 在统 计学 理论 和结 构 风 险最小 原 理 基 础上 的机 器学 习 算 法 ， 与 神 经 网 络 需 要 大 量 的 训 2 0 1 7年第 1 1 期 郭文琪等 基 于数据驱动的矿井主排水设备寿命预测方法 4 1 练样本不同， S VM 更适用于小样本系统的故障特征 的学习和诊断 。基于 S VM 的寿命 预测方 法 的思 想 通 过各 时 间段 的 标 记样 本 对 支 持 向量 机 进 行 训 练 ， 找到训练样本中的支持向量 ， 据此确定最优分类 超 平 面 ， 再 装入 表 征此 时状 态 的有关 数据 ， 测 试样 本 集根据最优分类超平面做出决策 。通过对特定训练 样本的学习达到无错误地预测剩余寿命 ， 其预测精 度 高 ， 适用 范 围较 广 。 模糊逻辑 F u z z y L o g i c 法是建 立在多值逻辑 的基础上 ， 对模型未知的系统或不确定系统进行推 理的方法 。模糊逻辑是指模仿人脑的不确定性概念 判断、 推理的思维方式 ， 对模型未知或不能确定 的描 述系统及强非线性 、 大滞后的控制对象 ， 应用模糊集 合和模糊规则进行推理 ， 表达过渡性界限或定性知 识经验， 模拟人脑方式实行模糊综合判断， 推理解决 常规方法难 以对付的规则型模糊信息问题 。基于模 糊逻辑 的寿命预测思想 根据集合论 中的隶属函数 和模糊关系矩阵分析样本与剩余寿命之间的不确定 关系 ， 进而实现寿命预测 。 1 ． 3典 型应 用 自机器学习法提 出以来 ， 学者们在这方面进行 了大量研究 。聂书彬等[ 6 考虑到离心泵的生产需要 经历“ 设计一 制造样品一 性能测试” 等环节 ， 生产周期 长 ， 投人 费用 多 ， 一 旦 性 能 测 试 不合 格 ， 需 要重 新 设 计 ， 因此 ， 他们通过人工神经网络选取流量 、 转速、 叶 轮进 出口直径、 叶轮出 口安放角和前后盖板 的半径 、 倾角等 1 5 个相关指标对所设计泵的性能 主要是扬 程、 功率 进行预测 ， 旨在在设计前就给出准确 的离 心泵 性 能 指 标 ， 避 免 了 时 间 与 资 金 的 浪 费 。 明廷锋等 采集了离心泵的出口压力波动信号和振 动信号 ， 采用 B P神经 网络和 L S vM 提取波动信 号和振动信号 中的最优正则参数和方差 ， 构造特征 集 ， 进而实现故障识别 ， 分类效果 良好 ， 振动信号故 障识别率为 9 3 ． 7 5 ， 压力波动信号 的识 别率则达 到了9 9 ． 1 6 7 。何庆飞等[ 8 采 用超谱 M 型发射光 谱仪对 C B KP 6 3齿轮泵 中的油液状态进行监测 ， 选取油液 中铁元素的含量作为液压泵的寿命特征信 息， 构建灰色支持 向量机 G r e y S VM 组合模型 ， 利 用 8 O组铁元素光谱分析结果进行泵 的寿命预测 ， 预 测精度高达 9 9 ． 3 7 9 ／ 6 。段礼祥等[ 9 3 将模糊综合评价 法与层次分析法相结合 ， 建立 了基于 AHP 一 模糊综 合评价模型 ， 旨在对离心泵 的安全性能进行评估 ， 以 安全 管理 、 本 质安 全性 和水 力安 全 为准则 ， 以职工 素 质、 安全检查 、 维修管理、 安全防护措施、 电动机、 水 泵 、 水力振动、 机组过载等参数作为评价指标， 选取 优 、 良、 中、 差 、 劣作为安全等级 ， 实现了对离心泵不 同等级下的安全评估 。 目前有关矿井排水设备寿命预测 的研究甚少 ， 姚宇等[ 1 基于机器学习方法给 出了离心泵寿命预 测 的研 究思 路 ， 如 图 1所 示 。在 离 心泵 的运 行 过 程 中， 等时间间隔地采集不同流量 Q所对应的泵进 口 压力 P。 和出口压力 P ， 由式 1 可得所对应的扬程 H， 构建 H Q特性曲线[ 9 ] 。 H一旦 二 掣 z 一 z 1 P g zg 式 中 、 7 J 。 分 别 为 泵 进 、 出 口的 平 均 流 速 ； Z 、 Z z 分别为泵进 、 出口压力测量点到水平面的高度 ； p为 介质密度 ； g为重力加速度。 采集各时段流量 Q 、进出口压力P l 、 ，建立H Q曲线 选取额定流量下的扬程值， 构建随 时间衰退的扬程序列 ‘ 通过机器学习模型进行训练。 找到 历史数据与未来数据间的函数关系 ● 通过已有数据验证模型的可行性． 并 确定离心泵失效时的扬程值 ● I 通过函数关系实现离心泵的 I 剩余寿命预测 图 1 基 于 机 器 学 习 法 的离 心 泵 寿 命 预测 流程 F i g ． 1 F l o w d i a g r a m o f l i f e p r e d i c t i o n o f c e n t r i f u g a l p u mp b a s e d o n ma c h i n e l e a r n i n g me t h o d 根据工况要求 ， 选取合适 的流量值 ， 可得到与之 对应的扬程衰退序列 ， 该序列 中一部分作为训练学 习样本 ， 一部分作 为验证数据 ， 对预测模 型进行训 练， 找到历史数据与未来数据之间的关系 。利用该 预测模型得到未来时刻的扬程值 ， 将该扬程值与工 况要求扬 程值 比较 ， 达到 预知 离心 泵是否 失效 的 目的。 1 ． 4发展 趋 势 各类机器学 习方法均有其不足之处 人工神经 网络 的学 习需要 大 量 的样 本 ， 故 应用 于无 法 获 得 大 量工业过程特征信息的系统时受 到一定 的限制， 且 样本的完整性和典型性、 预测方法的收敛性和预测 精度等都是制约基于神经网络的寿命预测技术发展 的因素 。基于 S VM 的预测方法 的预测精度与特征 信息的完备性和代表性有很大关系 ， S VM 虽然具有 较好 的学习能力 ， 却没有深层 次地追求数据的结构 信息。模糊逻辑法 中由于隶属 函数是人为构造的 ， 4 2 工矿 自动化 2 0 1 7年 第 4 3 卷 具有一定 的主观性 ， 如果特征信息的选择不合理 ， 预 测精度就会明显下降 。上述分析表明 ， 特征信息选 取的合理性及完整性是基于机器学习的设备寿命预 测 的关键 ， 也是 未来 发展 亟 待解决 的 问题之 一 。 2 多元 统计 分析 方法 2 ． 1 概 述 多元 统计 分析 方法 是从 经典 统计 学发 展起 来 的 一 个分支 ， 是一种综合分析方法 ， 它能够在多个对象 和多个 指标 互 相 关联 的情况 下 分析 它 们 的 统计 规律 。 2 ． 2 基 本原理 多 元 统 计 分 析 方 法 主 要 包 括 主 元 分 析 P r i n c i p a l C o mp o n e n t s An a l y s i s ， P C A 方 法 、 独 立 元分析 I n d e p e n d e n t C o mp o n e n t An a l y s i s ， I C A 方 法 、 偏 最 小 二 乘 P a r t i a l L e a s t S q u a r e ，P L S 方 法 、 时 间序 列 分析 T i me S e r i e s An a l y s i s ， TS A 方 法和 灰色理论方法等。它根据过程变量 的历史数据 ， 利 用多元 投 影方 法将 多变 量样 本空 间分 解成 由主元变 量扩展成的较低维的投影子空间和一个相应 的残差 子空 间 ， 并 分别 在 这 2个 空 间 中构 造 能 够 反 映 空 间 变化 的统 计量 ， 然后 将 观 测 向量 分 别 向 2个子 空 间 进 行 投 影 ， 并 计 算相 应 的统 计 量 指 标 用 于寿 命 预测 _ l 。 P C A方 法 主要 用 于分 析处 理具 有 高 度 线 性 相 关性的测量数据， 通过映射达到降维的 目的， 并使得 变换 后 的 主元 子 空 间 反 映 的 是 监 测 变 量 的主 要 变 化 ， 残 差 子空 间反 映 的是 监 测 过 程 中的 噪 声 和 干扰 等。其基本原理是采集处于正常工况下的过程数据 X ⋯ 将 其归 一化 处理 为 X， 然后 进 行 主元 分 析 ， 建 立统计 分 析模 型 。 ∑ 一 T x ⋯ 一[ P 声 ] A E P P ] 2 S XP ， S X P 3 式 中 s ， Js 分 别为 主元 和残 差 的得 分 矩 阵 ， s∈R ， s∈R ’ ； P， P分 别 为 主元 和 残 差 的 载 荷 矩 阵 ， P∈R ， P ∈R ’ ， 均 由对 X 的 均 方 差 矩 阵 进 行奇 异值 分解 得 到 ； k为 主元 的 个数 ， 可 由累 积 方差 贡献率 等 确定 。 在 故 障检 测 中 ， P C A 方 法通 常 采用 的统 计 量 是 Ho t e l l i n g T 和平 方 预 报误 差 S P E ， Ho t e l l i n g T 主要用来衡量包含在统计 分析模型中的信息量 的大 小 ， S P E主要用来衡量采集信号数据点 中不能被统 计分析模型所描述的信息量的大小 。 I C A方法是针对 具有非正 态分布 的多变量 系 统 提 出的 。最早 I C A 方法 主要 用 于 异 常监 控 ， 由等 概率密度曲线确定联合分布 的控制置信限 ， 充分利 用过程中普遍存在 的高斯和非高斯信 息。P C A 方 法提取的主元虽然不相关 ， 却也并不相互独立 ， I C A 方法把多光谱或者高光谱数据转换成不相关且相互 独立 的部分 ， 在降维 的同时发现并分离出数据 中隐 藏的噪声信息。当感兴趣信号的能量和强度相对于 数据 中其他 信号 较弱 时 ， 这种 变换 比用 P C A 方 法得 到 的结 果更 加有 效 。另外 ， I C A 方 法不 仅 可 以提 取 互相 独 立 的 主 元 变 量 ， 而 且 可 以 提 取 高 阶 统 计 量 信息 。 P L S方法 是 基 于 P C A 的 多 变 量 回 归 算 法 ， 最 早 P L S方法主要用于异常监控 ， 通过逐步迭代交换 实现对输入输 出矩阵的分解 ， 这种互交换模式加强 了主元间的对应关系 ， 由于 P L S方法是 由输出变量 引导 输 入样本 空 间 的分 解 ， 因而 比 P C A 方法 具有 更 强的输 入 解 释 能力 。其 思想 是 同 时对 输 人 矩 阵 x。 ∈R ” 和 输 出矩 阵 X。 ∈R 进 行 正 交 分 解 ， 目 的是使分解后 的主元的协方差最大 ， 也就是使输 出 信息可以最大限度由输入表征 。 T S A 方 法是 一 种 动 态 数 据 分 析 处 理 的 重 要 方 法 ， 通过分析时间序列 中的潜在信息来估算其过程 的统计规律 ， 主要包括频域分析和时域分析 两大类 方法 。基于 TS A的寿命预测技术以工业过程 中长 期监测的历史数据作为时间序列 ， 建立数据 随时间 变化 的动态模 型， 基于此模 型进行寿命预测。该预 测方法简单 ， 易于掌握 ， 但其预测精度差 ， 一般 只适 用 于短 期 的分析 预测 。 灰色理论依据认识、 信息和决策 的层次判定 系 统是否会出现信息不完全的情况 。基于灰色理论方 法的寿命预测技术是通过微分拟合构建合理的数学 模型， 并依据某些特定 的算法将杂乱无 章的原始数 据规律化 ， 进而预测监 控 系统 中设备 的剩 余寿命 。 该预测方法不需要大量数据 ， 原理简单 ， 运行方便 ， 但其仅依 靠小样 本数 据进 行寿命 预 测 ， 导致 精度 不 高 。 2 ． 3 典型 应 用 多元统计分析方法算法简单 ， 易于实现 ， 因此 ， 一 大批学者将 该方法 用于寿命预测 。刘锐等E l 2 ] 以 离 心泵 流 量 与 径 向密 封 环 间 隙 的 物 理 关 系 式 为 依 托 ， 以出现气蚀为寿命终点 ， 得出了剩余寿命与间隙 间的关系式及离心泵无故障工作概率， 用于离心泵 2 0 1 7年第 1 1期 郭文琪等 基 于数据驱动 的矿 井主排水设备寿命预测方法 4 3 寿命预测 ， 实现了不同可靠度下的离心泵寿命预测。 韩建宇等[ 1 。 ] 以离 心泵各部件 单元 叶轮、 导轮 、 轴、 密封环、 轴承 、 联轴器 、 电动机、 螺栓等 的可靠性为 基础 ， 结合国内外相关标准规范和运行数据进行统 计分 析 ， 得 出离 心 泵 整 体 的可 靠 性 分 析 结 果 。 张子贤等[ 1 从水泵与动力机配套运行的角度 出发 ， 给出了水泵机组运行 可靠度 的表达式 ， 将功率备用 系数与机组运行 的可靠度联系起来 ， 运用概率与统 计方法建立了水泵机组运行可靠度计算模 型 ， 给出 了切实可行的计算方法 。 基于多元统计分析方法 的离心泵寿命预测流程 如图 2所示 。以叶片安放角、 叶轮外径、 径 向密封环 间隙和流量、 转速等作为离心泵的寿命预测指标 ， 并 确定离心泵失效时各指标 的数值 ， 构建各指标与剩 余寿命 间的关 系及相 对应 的离心泵 无故 障工作 概 率 ， 在置信 区间内， 确定离心泵的剩余寿命 。 叶片安放 角 叶轮外径 向密封环间隙 流量、转速 建立指标与寿命 l 值间的函数关系I l一 一L ． J根 据当 前 状 况 I I 确 定 剩 余 寿 命 确定寿命结束时 L _ J 的指标值 I 图 2 基于多元统计分析方法 的离 心泵寿命预测流程 Fi g ． 2 Fl o w d i a g r a m o f l i f e p r e d i c t i o n o f c e n t r i f u g a l p u m p b a s e d o n mu l t i v a r i a t e s t a t i s t i c s a n a l y s i s me t h o d 2 ． 4 发 展 趋势 P C A、 I C A、 P L S方法都是通过变换将数据映射 到另一个空间， 以达到降维的目的， 在降维过程 中通 过设置阈值保存信息量 ， 难免会丢失原有数据 的微 小特征 ， 而忽略了微小特征对预测结果的影响 ， 势必 会造成预测精度 的下 降。T S A方法 只适 用于短期 预测 ， 而寿命预测需要长时间跟踪特定的特征信息。 灰色理论方法可达到以小样本信息进行趋势预测 的 目的， 但其预测精度较差 。综上所述 ， 由于 自身的结 构所限 ， 导致多元统计分析方法预测精度不高。与 其他方法结合 ， 做到扬长避短是基 于多元统计分析 方法的寿命预测的发展方 向。 3 特 征 量提取 方 法 3 ． 1 概 述 特征量提取 ， 即对采集到的信号进行处理， 得到 想要的特征量 。而信号处理是指对各种类型的电信 号按各种预期的 目的及要求进行加工 ， 即把记录在 某种媒体上的信号进行提取、 变换 、 分析 、 综合 ， 以便 抽取出有用信息 。 3 ． 2基 本原 理 利用 各类传感器采集设 备不同生命阶段 的信 号 ， 采集的信号 以振动信号和原动机接线端 的电信 号为主， 对测量信号利用各种信号处理方法 进行分 析处理 ， 提取相关信号的时域或频域特征 ， 用不同的 特征值来表征设备所处的生命 阶段 ， 最后选取合适 的模型进行寿命预测[ 1 。可用 的特征 量提取方法 有小波变换 Wa v e l e t Tr a n s f o r m， WT 法 、 谱分析 S p e c t r u m An a l y s i s ， S A法 、经 验 模 式 分 解 E mp i r i c a l Mo d e De c o mp o s i t i o n ， E MD 法、 形态信 号 处 理 Mo r p h o l o g i c a l S i g n a l P r o c e s s i n g ，MS P 法 等 。 WT法不仅继承和发展 了短时傅里叶变换局部 化 的思想 ， 而且克服了傅里叶变换 中窗 口大小不随 频率变化等缺点口 。小波分析 的重要应 用是图像 和信号处理 ， 它适用于非稳定信号处理 ， 而傅里叶分 析适用于稳定信 息的处理 ， 其 旨在准确 地分析、 诊 断 、 编码压缩和量化 、 快速传递或存储 、 精确重构相 关信号 。基于 WT法进行寿命预测的思想 鉴于小 波变换的分辨率可变特性 ， 通 过伸缩和平移等运算 对故障信号逐步进行 多尺度及多分辨 率 的细化分 析 ， 达到对高频处时间和低频处频率 的细分 ， 从而聚 焦到特定信号的微小细节特征信息 ， 用于寿命预测 。 S A法是将 模态分 析的结果和 已知谱相联 系， 用于计算结构响应 的分析方法 。在工业监控 中， 不 同生命周期的过程状态对应监控信号不同的频谱特 征， 基于 S A法的寿命预测思路 利用对信号 的功率 谱、 倒频谱 、 高阶谱等 的分 析来 进行信 号的监控预 测， 其 中以频域的谱分析最为常用 。 E MI 法依据 数据 自身 的时间尺度 特征进行信 号分解 ， 其技术关键是如何 自适应地将 复杂的高维 信号分解成有限个本征模式函数， 并确保 分解 出的 各个本征模式函数分量都能包含原信号不同时间尺 度上的局部特征信息。基于 E MD法 的寿命预测思 路 首先对非平稳的监测数据进行平稳化处理 ， 然后 进行 Hi l b e r t 变换得到频谱 图， 分辨 出具有 物理意 义的频率 ， 再进行模式分析。 MS P法属于非线 性时域空间上 的信号处理方 法 ， 建立在格论和拓扑学基础之上 ， 对信号的局部几 何特征较为敏感 ， 能够高效分析处理脉冲信号 。基 于 MS P法 的寿命 预测 思想 通过构造一个合适 的 探针 ， 也就是结构元素 ， 让其在信号中不断移动 ， 以 探寻具有物理意义的信号相互之间的关 联性 ， 进而 4 4 工矿 自动 化 2 0 1 7年 第 4 3卷 提取这些特征用于剩余寿命 的预测。MS P法是 基 于集合进行运算， 因而计算简单且适合于并行计算 ， 具有 一定 的灵 活 性 。但 其 本 质 为 一 种 非 线 性 滤 波 器， 当信号 中特征信息被噪声淹没时 ， 该方法的分析 效果 较差 。 3 ． 3 典 型应 用 特征量提取方法从信号的角度进行分析， 抓住 了设 备运 行过 程 中量 变 化 的 本 质 ， 得 到 了众 多学 者 的青 睐 。徐 超 等[ 。 。 ] 采 集 得 到 了离 心 泵