基于Parzen窗的油液分析数据阈值制定方法研究

发布时间：2021-10-17 01:24

　　提出一种基于Parzen窗的油液分析数据阈值制定方法。首先对测量到的油液分析数据做预处理,剔除极端值;其次利用Parzen窗理论求出油液分析数据的无偏、一致概率分布;最后综合考虑发射车液压系统的实际运行特点和可靠性要求设定其故障率,利用分布函数求出阈值。在对发射车液压系统油液分析状态监测过程中,该阈值能准确反映液压系统的运行状态,验证了该方法的有效性。 

【文章来源】：液压与气动. 2020,(11)北大核心

【文章页数】：7 页

【部分图文】：

光谱分析Fe元素浓度变化曲线

Parzen窗法估计概率密度[15]是利用已知样本数据对总体概率密度函数进行估计的非参数概率密度估计方法。在估计过程中,选用高斯函数[16]作为窗函数φ(u),每个样本处的高斯函数相加得到总体概率密度估计φ(x)。Parzen窗法具有小样本条件下的估计合理性,估计曲线光滑,当样本数趋于无穷时,估计函数收敛于任意形状的真实概率密度函数,其原理如图2所示。本研究利用Parzen窗理论求得油液分析数据的无偏、一致的概率分布。1.3 设定故障率,利用分布函数求出阈值

即得到正常阈值为μ+σ;警戒阈值为μ+2σ;异常阈值为μ+3σ。样本落入区间(0,μ+σ)、(0,μ+2σ)和(0,μ+3σ)的概率分别为84.13%,97.72%和99.87%,即被监测设备处于正常状态的概率为84.13%,警戒状态的概率为2.28%,异常状态的概率为0.13%,如图3所示。上述阈值制定方法,使用了统一的故障率,没有考虑被监测设备的实际特点、运行工况、工作环境等因素,无法体现出阈值制定的差异性,也就无法反映不同设备的真实运行状态。因此在对发射车液压系统制定阈值时应综合考虑其实际运行特点和可靠性要求,设定其处于正常状态的概率为u1,警戒状态的概率为u2,异常状态的概率为u3。设油液分析数据的某次检测值为y,φ(x)为该油液分析数据的概率密度函数(已通过Parzen窗法求解,为已知),由于油液分析数据非负,则x≥0,则区间[0,y]的概率为:

【参考文献】：
期刊论文
[1]基于ARMA模型的在线油液监测故障预警研究[J]. 李美威,谢小鹏,冯伟,贺石中.  润滑与密封. 2019(12)
[2]轧机液压系统污染平衡机理分析及PBCC策略应用[J]. 昝现亮,李飞,王凤琴,李涛.  液压与气动. 2019(07)
[3]基于Parzen窗的手动变速器挡位识别方法研究[J]. 童荣辉,朱翔宇,汤伟.  汽车工程学报. 2016(06)
[4]翻车机液压控制系统常见故障仿真研究[J]. 张立杰,鄂东辰,王晋川,刘小平.  液压与气动. 2015(09)
[5]MTU396柴油机油液发射光谱元素含量监测阈值研究[J]. 孙云岭,许友林,田洪祥.  润滑与密封. 2015(02)
[6]油液污染对掘进机液压系统的影响[J]. 尚慧岭,赵长林,张敬刚,刘建设,胡世涛.  液压与气动. 2012(08)
[7]核函数的选择研究综述[J]. 汪廷华,陈峻婷.  计算机工程与设计. 2012(03)
[8]连铸机振动液压系统油液污染的原因及改造[J]. 廉博,田振君.  液压与气动. 2012(03)
[9]基于SVM的航空发动机油样光谱诊断界限值制定[J]. 李爱,陈果.  航空动力学报. 2011(04)
[10]油液污染度的测定及相关国际(国家)标准的应用[J]. 卢继霞,王炉平,王乾,贾瑞清.  液压与气动. 2006(10)

博士论文
[1]智能化多规则油液综合故障诊断理论及方法的研究[D]. 徐启圣.上海交通大学 2007



本文编号：3440853