提出一種基于Parzen窗的油液分析數(shù)據(jù)閾值制定方法。首先對測量到的油液分析數(shù)據(jù)做預(yù)處理,剔除極端值;其次利用Parzen窗理論求出油液分析數(shù)據(jù)的無偏、一致概率分布;最后綜合考慮發(fā)射車液壓系統(tǒng)的實際運行特點和可靠性要求設(shè)定其故障率,利用分布函數(shù)求出閾值。在對發(fā)射車液壓系統(tǒng)油液分析狀態(tài)監(jiān)測過程中,該閾值能準(zhǔn)確反映液壓系統(tǒng)的運行狀態(tài),驗證了該方法的有效性。 

【文章來源】：液壓與氣動. 2020,(11)北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

光譜分析Fe元素濃度變化曲線

Parzen窗法估計概率密度[15]是利用已知樣本數(shù)據(jù)對總體概率密度函數(shù)進(jìn)行估計的非參數(shù)概率密度估計方法。在估計過程中,選用高斯函數(shù)[16]作為窗函數(shù)φ(u),每個樣本處的高斯函數(shù)相加得到總體概率密度估計φ(x)。Parzen窗法具有小樣本條件下的估計合理性,估計曲線光滑,當(dāng)樣本數(shù)趨于無窮時,估計函數(shù)收斂于任意形狀的真實概率密度函數(shù),其原理如圖2所示。本研究利用Parzen窗理論求得油液分析數(shù)據(jù)的無偏、一致的概率分布。1.3 設(shè)定故障率,利用分布函數(shù)求出閾值

即得到正常閾值為μ+σ;警戒閾值為μ+2σ;異常閾值為μ+3σ。樣本落入?yún)^(qū)間(0,μ+σ)、(0,μ+2σ)和(0,μ+3σ)的概率分別為84.13%,97.72%和99.87%,即被監(jiān)測設(shè)備處于正常狀態(tài)的概率為84.13%,警戒狀態(tài)的概率為2.28%,異常狀態(tài)的概率為0.13%,如圖3所示。上述閾值制定方法,使用了統(tǒng)一的故障率,沒有考慮被監(jiān)測設(shè)備的實際特點、運行工況、工作環(huán)境等因素,無法體現(xiàn)出閾值制定的差異性,也就無法反映不同設(shè)備的真實運行狀態(tài)。因此在對發(fā)射車液壓系統(tǒng)制定閾值時應(yīng)綜合考慮其實際運行特點和可靠性要求,設(shè)定其處于正常狀態(tài)的概率為u1,警戒狀態(tài)的概率為u2,異常狀態(tài)的概率為u3。設(shè)油液分析數(shù)據(jù)的某次檢測值為y,φ(x)為該油液分析數(shù)據(jù)的概率密度函數(shù)(已通過Parzen窗法求解,為已知),由于油液分析數(shù)據(jù)非負(fù),則x≥0,則區(qū)間[0,y]的概率為:

【參考文獻(xiàn)】：
期刊論文
[1]基于ARMA模型的在線油液監(jiān)測故障預(yù)警研究[J]. 李美威,謝小鵬,馮偉,賀石中.  潤滑與密封. 2019(12)
[2]軋機(jī)液壓系統(tǒng)污染平衡機(jī)理分析及PBCC策略應(yīng)用[J]. 昝現(xiàn)亮,李飛,王鳳琴,李濤.  液壓與氣動. 2019(07)
[3]基于Parzen窗的手動變速器擋位識別方法研究[J]. 童榮輝,朱翔宇,湯偉.  汽車工程學(xué)報. 2016(06)
[4]翻車機(jī)液壓控制系統(tǒng)常見故障仿真研究[J]. 張立杰,鄂東辰,王晉川,劉小平.  液壓與氣動. 2015(09)
[5]MTU396柴油機(jī)油液發(fā)射光譜元素含量監(jiān)測閾值研究[J]. 孫云嶺,許友林,田洪祥.  潤滑與密封. 2015(02)
[6]油液污染對掘進(jìn)機(jī)液壓系統(tǒng)的影響[J]. 尚慧嶺,趙長林,張敬剛,劉建設(shè),胡世濤.  液壓與氣動. 2012(08)
[7]核函數(shù)的選擇研究綜述[J]. 汪廷華,陳峻婷.  計算機(jī)工程與設(shè)計. 2012(03)
[8]連鑄機(jī)振動液壓系統(tǒng)油液污染的原因及改造[J]. 廉博,田振君.  液壓與氣動. 2012(03)
[9]基于SVM的航空發(fā)動機(jī)油樣光譜診斷界限值制定[J]. 李愛,陳果.  航空動力學(xué)報. 2011(04)
[10]油液污染度的測定及相關(guān)國際(國家)標(biāo)準(zhǔn)的應(yīng)用[J]. 盧繼霞,王爐平,王乾,賈瑞清.  液壓與氣動. 2006(10)

博士論文
[1]智能化多規(guī)則油液綜合故障診斷理論及方法的研究[D]. 徐啟圣.上海交通大學(xué) 2007



本文編號：3440853