基于離群點(diǎn)檢測(cè)的產(chǎn)品性能退化評(píng)估

王 宇，李玉鵬，趙志華

(中國(guó)礦業(yè)大學(xué) 礦業(yè)工程學(xué)院工業(yè)工程系，江蘇 徐州 221116)

0 引言

機(jī)械產(chǎn)品被廣泛應(yīng)用于各種復(fù)雜、嚴(yán)苛的環(huán)境中，功能和結(jié)構(gòu)趨于復(fù)雜化[1]。機(jī)械產(chǎn)品在其生命周期內(nèi)，在外界環(huán)境(如：溫度、濕度)的壓力下，功能模塊可能出現(xiàn)性能退化，當(dāng)退化達(dá)到一定程度時(shí)，將導(dǎo)致相關(guān)功能故障、失效，最終影響產(chǎn)品的正常使用[2]，甚至帶來(lái)重大經(jīng)濟(jì)損失[3]。復(fù)雜機(jī)械產(chǎn)品的可靠性和維護(hù)效果是滿足企業(yè)實(shí)際生產(chǎn)需求的重要保障，為了防止其在運(yùn)行過(guò)程中出現(xiàn)急劇退化、降低維修成本、保障正常運(yùn)行，產(chǎn)品性能退化評(píng)估顯得尤為重要[4-5]。

作為產(chǎn)品健康運(yùn)作和剩余壽命評(píng)估的關(guān)鍵步驟，產(chǎn)品性能退化評(píng)估成為近年來(lái)的一個(gè)研究熱點(diǎn)。當(dāng)前，性能退化的評(píng)估方法主要分為基于內(nèi)部機(jī)理分析的評(píng)估方法和數(shù)據(jù)驅(qū)動(dòng)的評(píng)估方法兩類。

基于內(nèi)部機(jī)理分析的評(píng)估方法采用多學(xué)科理論技術(shù)對(duì)產(chǎn)品內(nèi)部功能模塊相互耦合關(guān)系進(jìn)行建模，從而反應(yīng)其行為變動(dòng)和性能變化。Hanachi等[6]提出一種基于物理模型的性能退化監(jiān)測(cè)建模方法，通過(guò)熱損失指數(shù)和功率損耗指數(shù)兩個(gè)性能指標(biāo)表征燃?xì)廨啓C(jī)發(fā)動(dòng)機(jī)的性能退化程度;Zhao等[7]對(duì)直齒圓柱齒輪構(gòu)建分子動(dòng)力學(xué)模型，探索了齒根裂紋萌生與擴(kuò)展的機(jī)制，分析了導(dǎo)致齒輪斷齒的裂紋特性和行為，為研究風(fēng)力機(jī)齒輪工況更為復(fù)雜的斷齒機(jī)理提供參考;Wang等[8]基于有限元法對(duì)光伏組件的物理場(chǎng)進(jìn)行模擬，將獲得的模組溫度和濕度作為失效物理模型，從而構(gòu)建性能退化率，并結(jié)合輸出功率建立了考慮環(huán)境因素和耦合影響的輸出功率退化模型，來(lái)評(píng)估光伏組件的退化程度;李慧樂(lè)[9]將車橋耦合振動(dòng)理論引入橋梁疲勞分析，建立了考慮列車與橋梁之間動(dòng)力相互作用的橋梁疲勞損傷及剩余壽命評(píng)估框架，提出一種基于車橋系統(tǒng)隨機(jī)振動(dòng)分析的橋梁疲勞可靠度的評(píng)估方法?；趦?nèi)部機(jī)理分析的產(chǎn)品性能退化評(píng)估方法可以對(duì)產(chǎn)品各系統(tǒng)和功能模塊作出詳細(xì)的物理解釋，但是其通常需要充分的先驗(yàn)知識(shí)和多學(xué)科知識(shí)，需要耗費(fèi)大量的人力、時(shí)間成本，建模過(guò)程較為復(fù)雜且難以根據(jù)特定的機(jī)械產(chǎn)品精確地建立物理模型。因此，基于實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)的智能學(xué)習(xí)技術(shù)成為復(fù)雜機(jī)械產(chǎn)品性能退化評(píng)估與預(yù)測(cè)的有效方法[10]。

數(shù)據(jù)驅(qū)動(dòng)的產(chǎn)品性能退化評(píng)估方法通過(guò)分析產(chǎn)品的運(yùn)行狀態(tài)信息來(lái)評(píng)估退化程度[11]。復(fù)雜機(jī)械產(chǎn)品在運(yùn)行過(guò)程中，大量的溫度、壓力、振動(dòng)傳感器等信息采集設(shè)備可持續(xù)采集和記錄產(chǎn)品功能模塊狀態(tài)數(shù)據(jù)[12]，例如風(fēng)電機(jī)組、航空發(fā)動(dòng)機(jī)等，機(jī)械產(chǎn)品各子系統(tǒng)、功能模塊或部件的狀態(tài)信息均可通過(guò)傳感器采集。Wang等[13]提出一種滾動(dòng)軸承性能退化的健康監(jiān)測(cè)與評(píng)估體系，分別利用卷積神經(jīng)網(wǎng)絡(luò)和長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)提取局部魯棒特征、序列信息和學(xué)習(xí)特征，定義H統(tǒng)計(jì)量來(lái)評(píng)估滾動(dòng)軸承的健康狀況;鄧超等[14]基于維納過(guò)程對(duì)機(jī)電設(shè)備進(jìn)行多性能的退化預(yù)測(cè)，利用逼近理想解法和馬氏距離對(duì)裝備的運(yùn)行狀態(tài)進(jìn)行評(píng)估;Zhang等[15]提出一種基于多特征融合的滾動(dòng)軸承性能退化評(píng)估方法，利用譜回歸對(duì)表征軸承正常狀態(tài)的靜電監(jiān)測(cè)系統(tǒng)特征參數(shù)集進(jìn)行降維處理，消除冗余，根據(jù)處理后的特征，建立高斯混合模型評(píng)估軸承的健康狀況，并將貝葉斯推斷得到的距離值作為評(píng)估性能下降的定量指標(biāo)來(lái)提高靜電監(jiān)測(cè)系統(tǒng)的早期退化檢測(cè)能力;杜海濤等[16]基于退化數(shù)據(jù)建立Gamma模型來(lái)表示產(chǎn)品的累積退化量，并結(jié)合退化對(duì)產(chǎn)品功能的影響程度來(lái)衡量產(chǎn)品的退化風(fēng)險(xiǎn)。Wei等[17]利用變分模態(tài)分解將電流信號(hào)分解為多個(gè)模態(tài)分量，利用隨機(jī)森林算法對(duì)各模態(tài)分量的時(shí)域和頻域特征進(jìn)行分類，將變分模態(tài)分解和隨機(jī)森林結(jié)合有效地評(píng)估主軸的性能退化。數(shù)據(jù)驅(qū)動(dòng)的產(chǎn)品退化評(píng)估方法通常對(duì)產(chǎn)品多元性能監(jiān)測(cè)參數(shù)進(jìn)行特征提取和降維，構(gòu)建模型。采用關(guān)鍵性能退化參數(shù)的失效閾值表征產(chǎn)品的退化程度，沒(méi)有考慮產(chǎn)品功能模塊監(jiān)測(cè)參數(shù)之間的相關(guān)關(guān)系，且評(píng)估過(guò)程中一般假設(shè)退化規(guī)律已知，過(guò)程較為復(fù)雜。

在許多實(shí)際工程問(wèn)題中，產(chǎn)品功能模塊性能狀態(tài)可由一個(gè)或多個(gè)性能監(jiān)測(cè)參數(shù)表征，且功能模塊之間存在不同程度的相關(guān)關(guān)系。產(chǎn)品功能模塊之間信息流、能量流和物料流等不同形式的交互，使得性能監(jiān)測(cè)參數(shù)之間存在非線性的相關(guān)關(guān)系，會(huì)對(duì)退化評(píng)估、可靠性分析等結(jié)果產(chǎn)生顯著影響。因此，對(duì)產(chǎn)品性能進(jìn)行退化評(píng)估時(shí)需考慮性能參數(shù)間的相關(guān)關(guān)系。產(chǎn)品性能存在退化趨勢(shì)時(shí)，其運(yùn)行過(guò)程中相關(guān)參數(shù)的實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)相對(duì)于正常狀態(tài)往往會(huì)產(chǎn)生偏離[10]，數(shù)據(jù)驅(qū)動(dòng)的退化評(píng)估方法重點(diǎn)識(shí)別并分析原始監(jiān)測(cè)數(shù)據(jù)中少數(shù)發(fā)生偏離的數(shù)據(jù)，以達(dá)到退化評(píng)估的目的。離群點(diǎn)檢測(cè)是數(shù)據(jù)挖掘領(lǐng)域的關(guān)鍵問(wèn)題之一，其目的是發(fā)現(xiàn)較剩余對(duì)象存在異常的小規(guī)模目標(biāo)群[18]，來(lái)揭示系統(tǒng)的異常狀態(tài)和行為[19]。離群點(diǎn)憑借其獨(dú)特的機(jī)制和有價(jià)值的信息在專家系統(tǒng)和智能系統(tǒng)中發(fā)揮著重要作用[20]，已經(jīng)廣泛應(yīng)用于入侵檢測(cè)[21]、圖像處理[22]、醫(yī)療[23]、設(shè)備健康監(jiān)測(cè)[24]等領(lǐng)域；同時(shí)，離群點(diǎn)檢測(cè)方法的研究相對(duì)較為成熟，可以處理數(shù)值型[25]、字符型[26]、混合型[27]等不同類型的數(shù)據(jù)?；卩徲虼植诩碾x群點(diǎn)檢測(cè)[20,28]方法可以有效地揭示樣本數(shù)據(jù)點(diǎn)之間的相關(guān)關(guān)系，離群點(diǎn)的離群得分可用于表征產(chǎn)品性能的退化程度。因此，產(chǎn)品性能退化評(píng)估從本質(zhì)上可以看作是一類離群點(diǎn)檢測(cè)問(wèn)題。

綜上所述，本文將離群點(diǎn)檢測(cè)引入產(chǎn)品性能退化評(píng)估，首先基于鄰域粗糙集理論和功能結(jié)構(gòu)關(guān)聯(lián)性確定性能監(jiān)測(cè)參數(shù)之間的相關(guān)關(guān)系；然后基于信息熵表征某一特定性能監(jiān)測(cè)參數(shù)的不確定性程度，結(jié)合性能監(jiān)測(cè)參數(shù)之間的相關(guān)關(guān)系所包含的知識(shí)構(gòu)建退化評(píng)估指標(biāo)，最終得到每個(gè)監(jiān)測(cè)參數(shù)的退化得分；最后，采用主成分分析法對(duì)性能監(jiān)測(cè)參數(shù)賦予權(quán)重，從而得到功能模塊的綜合退化得分。

1 鄰域粗糙集

粗糙集能夠?qū)χR(shí)進(jìn)行分析與推理，有效處理各種模糊、不一致、不完備的信息，不需要先驗(yàn)知識(shí)，基于問(wèn)題本身的數(shù)據(jù)集潛藏的規(guī)則，提煉出有價(jià)值的信息，并簡(jiǎn)化處理信息[29]，將粗糙集理論引入產(chǎn)品性能退化評(píng)估問(wèn)題可提高推理效率。鄰域粗糙集不同于傳統(tǒng)粗糙集，可以同時(shí)處理連續(xù)和離散數(shù)據(jù)集。

在信息系統(tǒng)IS=(U,Q,V,f)中：U={u1,u2,…,un}，表示對(duì)象的非空有限集合;Q表示屬性的非空有限集合;V表示屬性的值域;f作為一種映射關(guān)系反映對(duì)象集合之間的值，表示為：f(ui,q)∈Vq,?q∈Q。距離是兩個(gè)數(shù)據(jù)系統(tǒng)中構(gòu)造鄰域粗糙集的基本工具。

對(duì)于任意集合U的對(duì)象，基于距離函數(shù)的鄰域定義為：

N(ui)={y∈U|d(ui,uk)≤r}。

(1)

其中:當(dāng)r≥0時(shí)被稱為鄰域半徑;N(ui)表示基于距離公式與對(duì)象ui距離不超過(guò)r的元素，任意對(duì)象的鄰域均由距離函數(shù)和鄰域半徑共同決定和表示，用于描述對(duì)象在距離上的不可區(qū)分性。集合U中對(duì)象的鄰域關(guān)系表示為：

NR={(ui,uk)∈U×U|d(ui,uk)≤r}。

(2)

2 產(chǎn)品功能模塊退化性評(píng)估

基于離群點(diǎn)檢測(cè)的產(chǎn)品性能退化評(píng)估方法主要分為兩個(gè)步驟：①挖掘性能參數(shù)間的相關(guān)關(guān)系；②構(gòu)建評(píng)估產(chǎn)品功能模塊的退化指標(biāo)，具體內(nèi)容如圖1所示。

2.1 性能參數(shù)間的相關(guān)關(guān)系分析

(3)

為了降低性能監(jiān)測(cè)參數(shù)間相關(guān)關(guān)系對(duì)退化評(píng)估結(jié)果的影響，本文同時(shí)基于鄰域粗糙集理論及產(chǎn)品功能結(jié)構(gòu)關(guān)聯(lián)性確定性能監(jiān)測(cè)參數(shù)之間的相關(guān)關(guān)系。

(1)基于鄰域粗糙集理論

從數(shù)據(jù)挖掘的角度，基于鄰域粗糙集理論可以有效地揭示數(shù)據(jù)點(diǎn)之間的客觀關(guān)系。性能監(jiān)測(cè)參數(shù)pi在第j個(gè)監(jiān)測(cè)時(shí)間段內(nèi)的鄰域?yàn)椋?/p>

i,k=1,2,…,n,j=1,2,…,m。

(4)

性能監(jiān)測(cè)參數(shù)之間的鄰域關(guān)系記作：

(5)

(2)基于功能結(jié)構(gòu)關(guān)聯(lián)性

產(chǎn)品功能模塊之間通常在功能、結(jié)構(gòu)等方面存在一定的相關(guān)關(guān)系。產(chǎn)品的內(nèi)部結(jié)構(gòu)很大程度上取決于產(chǎn)品的設(shè)計(jì)原理和所要實(shí)現(xiàn)的功能，根據(jù)其工作原理的不同改變產(chǎn)品內(nèi)部結(jié)構(gòu)，從而使產(chǎn)品的外部造型產(chǎn)生差異。產(chǎn)品在運(yùn)行過(guò)程中，各功能模塊之間不是孤立存在的，功能模塊之間的信息流、能量流和物料流等會(huì)使性能監(jiān)測(cè)參數(shù)之間存在不同程度的相互影響關(guān)系，這一部分參照產(chǎn)品的設(shè)計(jì)原理或由相關(guān)設(shè)計(jì)人員給出，即

N(pi,pk)=

(6)

則性能監(jiān)測(cè)參數(shù)之間的關(guān)聯(lián)性記作：

LRj={(pi,pk)∈P×P|N(pi,pk)=1}。

(7)

綜上所述，同時(shí)考慮基于鄰域粗糙集理論和功能結(jié)構(gòu)關(guān)聯(lián)性確定性能監(jiān)測(cè)參數(shù)之間的鄰域關(guān)系和關(guān)聯(lián)性，性能監(jiān)測(cè)參數(shù)之間的相關(guān)關(guān)系表示為：

CRj={NRj∪LRj}。

(8)

2.2 基于離群點(diǎn)檢測(cè)的產(chǎn)品性能退化評(píng)估

假設(shè)性能參數(shù)之間的相關(guān)關(guān)系所包含的知識(shí)為：

(9)

信息熵用來(lái)度量信息量的不確定程度，基于性能參數(shù)相關(guān)關(guān)系的信息熵能夠很好地描述相關(guān)關(guān)系中知識(shí)的不確定性，即

(10)

為了探索某一特定性能參數(shù)pi對(duì)整個(gè)產(chǎn)品性能參數(shù)集P中信息量不確定性的影響程度，首先從P中移除某一產(chǎn)品性能參數(shù)pi，然后按照式(3)～式(8)重復(fù)以上步驟，獲得(P-{pi})之間的相關(guān)關(guān)系CRj′(pi)。參照式(9)，假設(shè)剩余性能參數(shù)相關(guān)關(guān)系所包含的知識(shí)為：

l′=1,2,…,n-1。

(11)

則基于剩余產(chǎn)品性能參數(shù)相關(guān)關(guān)系的信息熵可表示為：

(12)

基于剩余產(chǎn)品性能參數(shù)(P-{pi})相關(guān)關(guān)系的信息熵INEj(pi)完全參照基于性能參數(shù)P相關(guān)關(guān)系的信息熵INEj的表達(dá)式，能夠很好地反映pi的不確定性程度。系統(tǒng)總是朝著熵增或不變的方向發(fā)展，當(dāng)移除某一性能參數(shù)pi后，若INEj(pi)相比INEj減小，則說(shuō)明pi有較高的不確定性偏離大多數(shù)值；若INEj(pi)相比INEj增大或不變，則pi有較低的不確定性偏離大多數(shù)值。為此，構(gòu)建相對(duì)信息熵來(lái)反映INEj和INEj(pi)之間熵的變化，即：

RINEj(pi)=

(13)

基于參數(shù)相關(guān)關(guān)系的相對(duì)信息熵RINEj(pi)可以同時(shí)測(cè)量某一產(chǎn)品性能參數(shù)pi的不確定性和偏離大多數(shù)值的程度，RINEj(pi)值越大，pi的不確定性和偏離程度越大。但對(duì)于產(chǎn)品性能的退化評(píng)估，基于性能監(jiān)測(cè)參數(shù)相關(guān)關(guān)系的相對(duì)信息熵是充分非必要條件。為此，引入基于性能參數(shù)相關(guān)關(guān)系的相對(duì)基數(shù)來(lái)改進(jìn)這一參數(shù)：

(14)

(15)

DNDj(pi)能夠更好地反應(yīng)某一產(chǎn)品性能參數(shù)pi在監(jiān)測(cè)時(shí)間段內(nèi)偏離正常范圍的程度，即退化程度。綜合考慮多個(gè)監(jiān)測(cè)時(shí)間段，產(chǎn)品性能參數(shù)的退化得分被定義為：

(16)

產(chǎn)品運(yùn)行過(guò)程中，功能模塊的性能通?？梢杂梢唤M可持續(xù)動(dòng)態(tài)監(jiān)測(cè)的性能參數(shù)集合來(lái)描述，且不同功能模塊的性能處于不同的退化狀態(tài)中。每個(gè)功能模塊的性能狀態(tài)可以由一個(gè)或多個(gè)性能參數(shù)直接或間接反應(yīng)，由于各性能參數(shù)對(duì)相應(yīng)功能模塊功能實(shí)現(xiàn)的貢獻(xiàn)大小不同，當(dāng)產(chǎn)品的退化程度由多個(gè)性能監(jiān)測(cè)參數(shù)反映時(shí)，采用單個(gè)關(guān)鍵性能參數(shù)對(duì)產(chǎn)品進(jìn)行退化評(píng)估可能會(huì)忽略其他性能參數(shù)蘊(yùn)含的信息，導(dǎo)致評(píng)估結(jié)果不夠準(zhǔn)確。因此，基于主成分分析法對(duì)性能監(jiān)測(cè)參數(shù)賦予權(quán)重，全面考慮產(chǎn)品各功能模塊對(duì)應(yīng)的多個(gè)性能監(jiān)測(cè)參數(shù)從而得到各功能模塊的退化得分。

假設(shè)產(chǎn)品C包含A個(gè)功能模塊，每個(gè)功能模塊Fa(a=1,2,…,A)可由一個(gè)或多個(gè)性能參數(shù)表征其功能的實(shí)現(xiàn)，則產(chǎn)品功能模塊退化得分

a=1,2,…,A。

(17)

式中Na、DDpi(Fa)和Gpi(Fa)分別表示與第a個(gè)功能模塊對(duì)應(yīng)的性能監(jiān)測(cè)參數(shù)的總個(gè)數(shù)、退化得分和權(quán)重?；陔x群點(diǎn)檢測(cè)的產(chǎn)品性能退化評(píng)估方法偽代碼如下：

算法1基于離群點(diǎn)檢測(cè)的產(chǎn)品性能退化評(píng)估方法。

輸入：產(chǎn)品性能監(jiān)測(cè)參數(shù)原始數(shù)據(jù)集n×m;

輸出：產(chǎn)品各功能模塊的退化得分。

//數(shù)據(jù)標(biāo)準(zhǔn)化處理

1:For i=1 to n

2:For j=1 to m

4:End for

5:End for

//產(chǎn)品性能監(jiān)測(cè)參數(shù)的相關(guān)關(guān)系CRj

6:For i=1 to n

8:LRj←{(pi,pk)∈P×P|N(pi,pk)=1}

9:CRj←{NRj∪LRj}

10:End for

//計(jì)算功能模塊退化程度

11:For i=1 to n

13:DNDj(pi)←

14:End for

15:For j=1 to m

17:End for

18:For i=1 to A

20:End for

3 案例分析

3.1 案例背景

風(fēng)電機(jī)組通過(guò)風(fēng)輪把風(fēng)作用在槳葉上的力轉(zhuǎn)化為自身的轉(zhuǎn)速和扭矩，通過(guò)主軸、增速箱、聯(lián)軸器和高速軸將扭矩和轉(zhuǎn)速傳遞到發(fā)電機(jī)，實(shí)現(xiàn)風(fēng)能到機(jī)械能再到電能的轉(zhuǎn)換。風(fēng)電機(jī)組由傳動(dòng)系統(tǒng)、偏航系統(tǒng)、剎車系統(tǒng)、支撐系統(tǒng)、冷卻潤(rùn)滑系統(tǒng)和電控系統(tǒng)6大系統(tǒng)組成，通常運(yùn)行在變風(fēng)載、大溫差、高海拔、強(qiáng)沙塵、臺(tái)風(fēng)等惡劣的工況下，隨著運(yùn)行時(shí)間的增加，機(jī)組會(huì)出現(xiàn)不同程度退化，極大地影響使用壽命[30]。當(dāng)各子系統(tǒng)功能退化到一定程度將造成機(jī)組停機(jī)，機(jī)組停機(jī)時(shí)間過(guò)長(zhǎng)則會(huì)嚴(yán)重影響發(fā)電量，且其安裝、維護(hù)困難，運(yùn)營(yíng)成本、維護(hù)費(fèi)用高[31]。因此，對(duì)風(fēng)電機(jī)組各系統(tǒng)功能模塊的退化評(píng)估極為重要，企業(yè)可根據(jù)評(píng)估結(jié)果對(duì)相應(yīng)的功能模塊按退化程度顯著程度采取維護(hù)、保養(yǎng)、維修或更換等措施，從而保證機(jī)組的正常運(yùn)行。本節(jié)將以風(fēng)電機(jī)組性能退化評(píng)估為例驗(yàn)證所提方法的有效性。

表1 R80711風(fēng)電機(jī)組性能監(jiān)測(cè)參數(shù)

續(xù)表1

續(xù)表1

3.2 R80711風(fēng)力發(fā)電機(jī)組性能退化評(píng)估

R80711風(fēng)力發(fā)電機(jī)組性能退化評(píng)估具體步驟如下：

步驟1首先取1 000條數(shù)據(jù)(1月份)計(jì)算R80711風(fēng)電機(jī)組性能監(jiān)測(cè)參數(shù)之間的相關(guān)關(guān)系。

(1)基于鄰域粗糙集理論的性能監(jiān)測(cè)參數(shù)鄰域關(guān)系隨運(yùn)行時(shí)間與所取參數(shù)值確定，如某時(shí)段內(nèi)的參數(shù)鄰域關(guān)系如表2所示。

表2 基于鄰域粗糙集理論的R80711風(fēng)電機(jī)組性能參數(shù)鄰域關(guān)系

(2)基于功能結(jié)構(gòu)關(guān)聯(lián)性的性能監(jiān)測(cè)參數(shù)相關(guān)性不隨運(yùn)行時(shí)間而變化，如表3所示。

表3 基于功能結(jié)構(gòu)關(guān)聯(lián)性的R80711風(fēng)電機(jī)組性能參數(shù)關(guān)聯(lián)性

續(xù)表3

由式(8)得出的性能參數(shù)相關(guān)關(guān)系隨運(yùn)行時(shí)間與所取參數(shù)值確定，如某時(shí)段內(nèi)的參數(shù)相關(guān)關(guān)系如表4所示。

表4 某時(shí)段R80711風(fēng)電機(jī)組性能參數(shù)相關(guān)關(guān)系

步驟2各性能參數(shù)退化得分如表5所示。

表5 R80711風(fēng)電機(jī)組各性能參數(shù)退化得分

步驟3主成分分析法確定各功能模塊相應(yīng)性能參數(shù)的權(quán)重如表6所示。

表6 R80711風(fēng)電機(jī)組各性能參數(shù)權(quán)重

續(xù)表6

步驟4根據(jù)式(17)得到各功能模塊的退化程度，如表7所示。

表7 基于離群點(diǎn)檢測(cè)的R80711風(fēng)電機(jī)組各功能模塊的退化得分

為直觀地看到各功能模塊的退化得分，將表7的結(jié)果繪制成點(diǎn)線圖，如圖2所示。

如圖2所示，槳葉的退化得分最高，為0.706 572 5；其次為變矩器，退化得分為0.670 305。風(fēng)力發(fā)電是將風(fēng)的動(dòng)能轉(zhuǎn)變成機(jī)械動(dòng)能，再將機(jī)械能轉(zhuǎn)化為電力動(dòng)能，當(dāng)風(fēng)吹向漿葉時(shí)，槳葉上產(chǎn)生氣動(dòng)力驅(qū)動(dòng)風(fēng)輪轉(zhuǎn)動(dòng)，從而將風(fēng)的動(dòng)能轉(zhuǎn)變?yōu)闄C(jī)械能；變矩器的作用是保證在風(fēng)輪轉(zhuǎn)速變化時(shí)，發(fā)電機(jī)的輸出軸轉(zhuǎn)速恒定。因此，在該月檢修中應(yīng)重點(diǎn)關(guān)注槳葉和變矩器。

3.3 討論

(1)首先選取不同時(shí)段內(nèi)的R80711風(fēng)電機(jī)組運(yùn)行狀態(tài)對(duì)其各功能模塊進(jìn)行退化評(píng)估。表8所示為R80711風(fēng)電機(jī)組各功能模塊(變矩器、齒輪箱、發(fā)電機(jī)、輪轂、機(jī)艙、變速箱、轉(zhuǎn)子軸承和槳葉)在不同月份的退化得分。為了便于比較各功能模塊在不同時(shí)段的退化得分，將表9的結(jié)果繪制成點(diǎn)線圖，如圖3所示。

表8 不同時(shí)段R80711風(fēng)電機(jī)組各功能模塊的退化得分

風(fēng)電機(jī)組屬于壽命長(zhǎng)、高可靠性的復(fù)雜機(jī)械產(chǎn)品，在其生命周期內(nèi)，各功能模塊的退化程度應(yīng)趨于穩(wěn)定(如圖3)，1～2月份各功能模塊的退化得分波動(dòng)略大，2月之后各功能模塊的退化得分趨于穩(wěn)定，波動(dòng)較小，該結(jié)果與現(xiàn)狀相吻合，一定程度上說(shuō)明了所提方法的可行性。

(2)基于鄰域粗糙集理論從數(shù)據(jù)挖掘的角度揭示了性能參數(shù)之間的鄰域關(guān)系，基于性能參數(shù)鄰域關(guān)系的R80711風(fēng)電機(jī)組各功能模塊的退化得分如表9所示。

表9 基于性能參數(shù)鄰域關(guān)系的R80711風(fēng)電機(jī)組各功能模塊的退化得分

將表7和表9的結(jié)果乘以104繪制成點(diǎn)線圖(如圖4)，以比較基于性能參數(shù)相關(guān)關(guān)系和鄰域關(guān)系的R80711風(fēng)電機(jī)組各功能模塊的退化得分。

如圖4所示，基于性能參數(shù)相關(guān)關(guān)系和鄰域關(guān)系求得的R80711風(fēng)電機(jī)組各功能模塊的退化得分排序相同，即槳葉、變矩器、變速箱、齒輪箱、發(fā)電機(jī)、輪轂、轉(zhuǎn)子軸承、機(jī)艙，但是基于性能參數(shù)鄰域關(guān)系求得的各功能模塊的退化得分小于基于性能參數(shù)相關(guān)關(guān)系的評(píng)估結(jié)果，會(huì)導(dǎo)致評(píng)估信息不準(zhǔn)確，高估產(chǎn)品的可靠性?；陔x群點(diǎn)檢測(cè)的產(chǎn)品性能退化評(píng)估同時(shí)考慮性能參數(shù)之間的鄰域關(guān)系和功能結(jié)構(gòu)關(guān)聯(lián)性導(dǎo)致的參數(shù)相關(guān)關(guān)系，評(píng)估信息更加全面，結(jié)果也更接近實(shí)際情況。

(3)數(shù)據(jù)驅(qū)動(dòng)的產(chǎn)品退化評(píng)估方法通常對(duì)產(chǎn)品多元性能監(jiān)測(cè)參數(shù)進(jìn)行特征提取和降維，構(gòu)建模型，通過(guò)單個(gè)關(guān)鍵性能退化參數(shù)(即任何一個(gè)性能參數(shù)退化至閾值時(shí)產(chǎn)品即發(fā)生失效)表征產(chǎn)品的退化程度。文獻(xiàn)[5]定義性能指數(shù)來(lái)量化風(fēng)電機(jī)組性能狀態(tài)的異常程度，通過(guò)分析性能異常點(diǎn)，基于高斯Copula熵估計(jì)互信息值來(lái)衡量性能監(jiān)測(cè)參數(shù)與性能指數(shù)之間相關(guān)性的強(qiáng)弱，互信息值越大，說(shuō)明該性能監(jiān)測(cè)參數(shù)與性能指數(shù)的相關(guān)性程度越高，以確定關(guān)鍵性能參數(shù)，并將其映射到風(fēng)電機(jī)組對(duì)應(yīng)的功能模塊，從而表征功能模塊的評(píng)估結(jié)果。當(dāng)產(chǎn)品功能模塊的退化表征在一個(gè)參數(shù)上時(shí)，采用單個(gè)關(guān)鍵參數(shù)反應(yīng)該功能模塊的退化較為合理，但實(shí)際中存在多個(gè)性能參數(shù)的產(chǎn)品功能模塊(如表1)，齒輪箱、發(fā)電機(jī)和槳葉均對(duì)應(yīng)多個(gè)性能監(jiān)測(cè)參數(shù)，現(xiàn)將采用單個(gè)關(guān)鍵參數(shù)和考慮多性能參數(shù)得到的齒輪箱、發(fā)電機(jī)和槳葉的退化得分進(jìn)行對(duì)比，如圖5所示。

槳葉的性能狀態(tài)表征在2個(gè)性能參數(shù)上，除1月份外，其他各月份采用單個(gè)關(guān)鍵性能參數(shù)和考慮多個(gè)性能參數(shù)得到的退化結(jié)果相差不大；發(fā)電機(jī)的性能狀態(tài)表征在5個(gè)性能參數(shù)上，采用單個(gè)關(guān)鍵性能參數(shù)得到的退化結(jié)果明顯大于考慮多個(gè)性能參數(shù)得到的退化結(jié)果。由于各功能模塊的退化趨勢(shì)不一定一致，當(dāng)表征功能模塊退化程度的性能參數(shù)較少時(shí)，采用單個(gè)關(guān)鍵性能參數(shù)和考慮多個(gè)性能參數(shù)得到的退化結(jié)果可能相差不大，但當(dāng)表征功能模塊退化程度的性能參數(shù)較多時(shí)，采用單個(gè)關(guān)鍵性能參數(shù)得到的結(jié)果往往會(huì)大于考慮多個(gè)性能參數(shù)得到的退化結(jié)果。因此，對(duì)于具有多個(gè)性能退化參數(shù)的產(chǎn)品功能模塊而言，是否考慮多個(gè)性能參數(shù)對(duì)于評(píng)估結(jié)果影響很大，基于單個(gè)關(guān)鍵性能參數(shù)評(píng)估得到的功能模塊退化得分高于綜合考慮多個(gè)性能參數(shù)得到的結(jié)果，采用單一性能參數(shù)會(huì)人為放大產(chǎn)品功能模塊的退化程度，低估產(chǎn)品的可靠性，不符合實(shí)際情況。

(4)基于近鄰度的方法在模式識(shí)別和數(shù)據(jù)挖掘中得到了廣泛的討論和應(yīng)用，Chen等[32]將粗糙集粒度技術(shù)與離群點(diǎn)檢測(cè)相結(jié)合，提出一種基于鄰域的離群點(diǎn)檢測(cè)方法。分別基于該方法與本文所提方法對(duì)R80711風(fēng)電機(jī)組各功能模塊進(jìn)行評(píng)估，評(píng)估結(jié)果如圖6所示。

本文所提方法考慮了性能參數(shù)之間的相關(guān)關(guān)系，且得到的評(píng)估結(jié)果位于[0,1]之間，可直接根據(jù)各功能模塊的得分來(lái)判斷其退化程度；基于鄰域的異常點(diǎn)檢測(cè)方法直接對(duì)未經(jīng)處理原始數(shù)據(jù)進(jìn)行計(jì)算，存在誤差，得到的評(píng)估結(jié)果根據(jù)對(duì)象所取數(shù)值大小而定，無(wú)法直接根據(jù)對(duì)象的得分反應(yīng)退化特性，且該方法計(jì)算較為簡(jiǎn)單，忽略了實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)中存在的其他信息，導(dǎo)致評(píng)估結(jié)果不夠全面。

4 結(jié)束語(yǔ)

本文將產(chǎn)品性能退化評(píng)估描述為基于異常定義區(qū)分的離群點(diǎn)檢測(cè)問(wèn)題，提出基于離群點(diǎn)檢測(cè)的產(chǎn)品性能進(jìn)行退化評(píng)估?；卩徲虼植诩碚?、產(chǎn)品功能結(jié)構(gòu)關(guān)聯(lián)性，對(duì)產(chǎn)品運(yùn)行狀態(tài)實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)進(jìn)行分析，挖掘產(chǎn)品性能參數(shù)之間的相關(guān)關(guān)系，由此構(gòu)建相應(yīng)的退化指標(biāo)用于鑒別相關(guān)功能是否存在退化乃至故障風(fēng)險(xiǎn)?？紤]到實(shí)際應(yīng)用中，產(chǎn)品功能模塊的性能狀態(tài)可能表征在多個(gè)性能監(jiān)測(cè)參數(shù)上，且各參數(shù)對(duì)相應(yīng)功能模塊功能實(shí)現(xiàn)的貢獻(xiàn)大小不同，利用主成分分析法對(duì)性能監(jiān)測(cè)參數(shù)賦予權(quán)重，從而得到產(chǎn)品各功能模塊的退化程度。以R80711風(fēng)電機(jī)組為例，通過(guò)對(duì)比分析驗(yàn)證了所提方法的有效性。該方法不需要先驗(yàn)知識(shí)，用時(shí)少，有助于實(shí)現(xiàn)實(shí)時(shí)診斷、評(píng)估。但是，產(chǎn)品性能狀態(tài)受運(yùn)行工況的影響，如何在識(shí)別、劃分運(yùn)行工況的基礎(chǔ)上，將離群點(diǎn)檢測(cè)引入產(chǎn)品性能退化評(píng)估是下一步的研究方向之一。