Выполните прогностический рейтинг функций для ухудшающейся системы с помощью Diagnostic Feature Designer

Этот пример показывает, как обработать и извлечь функции из сегментированных данных, которые содержат доказательства ухудшения отказа вала, и как выполнить прогностическое ранжирование, чтобы определить, какие функции являются лучшими для определения оставшегося срока полезного использования (RUL). Разработка функций RUL основана на данных преобразования в отказ, а не на условно сгруппированных данных.

Пример предполагает, что вы уже знакомы с основными операциями с приложением. Для руководства по использованию приложения, смотрите Идентифицируйте Индикаторы Состояния для Проекта Алгоритма Прогнозирующего Обслуживания.

Описание модели

Следующий рисунок иллюстрирует ходовую часть с шестью зубчатыми колесами. Двигатель для ходовой части оборудован датчиком вибрации. Ходовая часть не имеет тахометра. Двигатель управляет постоянной скоростью вращения 1800 об/мин без изменения. В этой ходовой части:

Шестерня 1 на валу мотора зацепляется с шестерней 2 с передаточным отношением 17:1.
Конечное передаточное отношение или отношение между шестернями 1 и 2 и шестернями 3 и 4 составляет 51:1.
Шестерня 5, также на валу мотора, зацепляется с шестерней 6 с передаточным отношением 10:1.

Десять моделируемых машин используют эту ходовую часть. Все машины имеют отказ, развивающийся на валу шестерни 6. С каждым днем эта ошибка становится все хуже. Скорость прогрессирования отказа фиксирована для каждой машины, но изменяется по набору машин.

Данные регистрировались в течение одного периода 0,21 с каждый день в течение 15 дней. Для каждой машины эти ежедневные сегменты хранятся в смежных положениях в одной переменной. Временные метки отражают время записи данных и постоянно увеличиваются. Например, если временная метка на последней выборке дня 1 _tf, и шаг расчета _Ts, то временная метка на первой выборке дня 2 равна _tf + _Ts.

Импорт и просмотр данных

Чтобы начать, загрузите данные в MATLAB^® рабочей области и откройте Diagnostic Feature Designer.

load(fullfile(matlabroot, 'toolbox', 'predmaint', 'predmaintdemos', ...
  'motorDrivetrainDiagnosis', 'machineDataRUL3'), 'motor_rul3')
diagnosticFeatureDesigner

Импортируйте данные. Для этого на вкладке Feature Designer нажмите New Session. Затем в Select more variables области New Session окна выберите motor_rul3 как исходная переменная.

Завершите процесс импорта, приняв строение по умолчанию и переменные. Ансамбль состоит из одной переменной данных Signal/vib, который содержит сигнал вибрации. Переменные условия отсутствуют.

Просмотрите сигнал вибрации. Для этого в Data Browser выберите сигнал и постройте график с помощью Signal Trace. Амплитуда сигнала постоянно увеличивается по мере прогрессирования дефекта.

Разделение ежедневных сегментов по Система координат

При разработке функций для использования RUL вы заинтересованы в отслеживании прогрессирования деградации, а не в изоляции конкретных отказов. История времени полезной функции RUL обеспечивает видимость скорости деградации и в конечном счете включает проекцию времени на отказ.

Основанная на кадрах обработка позволяет отслеживать прогрессирование сегмента деградации по сегментам. Небольшие или резкие изменения фиксируются в том сегменте, в котором они происходят. Функции, основанные на сегментах, передают более точную запись о деградации, чем функции, извлеченные из полного сигнала, могут обеспечить. Для предсказания RUL, скорость прогрессирования деградации так же важна, как и величина дефекта в установленный момент времени.

Набор данных для каждой машины в поддерживает сегментированную обработку путем предоставления сегмента данных для каждого дня. Задайте обработку на основе фрейма, чтобы каждый из этих сегментов обрабатывался отдельно. Поскольку данные были собраны в сегментах 0,21 с, разделите данные для обработки на системы координат 0,21 с.

Нажмите Computation Options. В диалоговом окне установите Data Handling Mode равным Frame-based. Сегменты данных смежны, поэтому установите и размер кадра, и частоту систем координат равной 0.21 секунд.

Выполняйте синхронное среднее

Синхронное среднее (TSA) усредняет сигнал при одном вращении, существенно уменьшая шум, который не когерентен вращению. Отфильтрованные TSA сигналы обеспечивают базис для большого анализа вращательного оборудования, включая генерацию функций.

В этом примере скорость вращения фиксируется на том же самом значении 1800 об/мин для каждой машины.

Чтобы вычислить сигнал TSA, выберите Filtering & Averaging > Time-Synchronous Signal Averaging. В диалоговом окне:

Подтвердите выбор в Signal.
В Tacho Information выберите Constant rotation speed (RPM) и установите значение 1800.
Примите все другие настройки.

Приложение вычисляет сигнал TSA для каждого сегмента отдельно, и по умолчанию строит графики первого сегмента.

Используйте панорамирование, чтобы развернуть график для всех сегментов. График показывает несколько увеличивающуюся амплитуду.

Извлечение вращающихся машинных Функций

Используйте сигнал TSA для вычисления функций вращающегося машинного оборудования во временной области.

Поскольку у вас нет переменных условия, получившиеся гистограммы отображают только распределение значений функций по сегментам.

Можно также просмотреть графики трассировки объектов, чтобы увидеть, как изменяются функции с течением времени. Для этого, в Feature Tables, выберите FeatureTable1. В галерее графиков выберите Feature Trace.

На графике трассировки функции вся три функции показывают наклон вверх, соответствующий продолжающемуся деградации. Значения функций относительно друг друга не имеют никакого значения, так как функции представляют различные метрики, которые не нормированы.

Извлечение спектральных функций

Спектральные функции обычно работают хорошо, когда дефект приводит к периодическим колебаниям. Извлеките спектральные функции из сигнала TSA. Начните с вычисления спектра степени. Для этого выберите Spectral Estimation > Power Spectrum. Выберите сигнал TSA и измените Algorithm на Welch's method.

Спектр для первого сегмента включает отдельный peaks на частотах около 500 Гц и 1540 Гц. Скорость вращения составляет 1800 об/мин или 30 Гц. Отношения между этими пиковыми частотами составляют приблизительно 17 и 51, что соответствует передаточным числам. Промежуточный peaks являются дополнительной гармоникой этих частот.

В порядковых и частотных диапазонах сегментные спектры наложены. Панорамирование позволяет вам выбрать несколько сегментов так же, как это происходит во временном интервале. Установите панораму так, чтобы она охватывала все сегменты. Когда вы расширяете количество сегментов, степень увеличивается на 300 Гц. Эта частота соответствует порядку 10 относительно скорости вращения 30 Гц и представляет собой увеличивающийся дефект.

Извлечение спектральных функций. Для этого нажмите Spectral Features и подтвердите, что Spectrum задан как ваш спектр степени. Используя ползунок, ограничьте область значений приблизительно 4000 Гц, чтобы связать область с peaks. График спектральной степени автоматически изменяется с логарифмического на линейную шкалу и масштабируется до выбранной области значений.

Получившийся график гистограммы теперь включает спектральные функции.

Постройте график трассировки функции мощности полосы частот, чтобы увидеть, как он сравнивается со спектром степени всего сегмента. Используйте команду Select Features, чтобы удалить трассировки других функций.

Функция мощности полосы захватывает прогрессирование дефектов в каждой машине. Следы двух других спектральных функций не отслеживают прогрессирование дефекта.

Оцените функции с прогностическими методами рейтинга

Оцените функции, чтобы увидеть, какие из них лучше всего подходят для предсказания RUL. Приложение предоставляет три прогностических метода рейтинга:

Monotonicity характеризует тренд функции, когда система развивается к отказу. Когда система постепенно приближается к отказу, подходящий индикатор состояния имеет монотонный положительный или отрицательный тренд. Для получения дополнительной информации см. monotonicity.
Trendability обеспечивает меру подобия между траекториями функции, измеренной во многих экспериментах по запуску отказа. Тенденциозность индикатора состояния кандидата определяется как наименьшая абсолютная корреляция между измерениями. Для получения дополнительной информации см. trendability.
Prognosability является мерой изменчивости функции при отказе относительно области значений между ее начальным и конечным значениями. Более предсказуемая функция имеет меньше изменения при отказе относительно области значений между ее начальным и конечным значениями. Для получения дополнительной информации см. prognosability.

Нажмите Rank Features и выберите FeatureTable1. Поскольку у вас нет переменных условия, приложение по умолчанию выбирает метод прогностического рейтинга Monotonicity.

Четыре функции показывают максимальную или близкую. Две функции, PeakAmp1 и PeakFreq1, имеют значительно более низкие счета.

Добавьте рейтинги для двух других прогностических методов. Нажмите Prognostic Ranking и выберите Trendability. Нажмите Apply, а затем Close Trendability.

Повторите предыдущий шаг для Prognosability. Рейтинговый график теперь содержит результаты всех трех методов рейтинга.

Результаты рейтинга согласуются с трассировками функций, построенными в Извлечении Спектральных Функций.

Функции, которые отслеживают ухудшение отказа, имеют высокие счета для Monotonicity. Эти функции также имеют высокие счета для двух других методов.
PeakFreq1, который имеет второй самый низкий рейтинг Monotonicity балл, имеет высокие счета для обоих Trendability и Prognosability. Эти высокие счета являются результатом близкого согласия между траекториями функций и низкой изменчивостью в конце симуляции, где отказ является наибольшим.
PeakAmp1 имеет низкие счета для всех рейтингов, отражающие как нечувствительность этой функции к прогрессированию дефекта, так и изменение значений машины для этой функции.

Поскольку у вас есть четыре функции, которые имеют хорошую оценку во всех категориях, выберите эти функции в качестве набора признаков, с которыми нужно двигаться вперед в алгоритме RUL.

См. также

Diagnostic Feature Designer | monotonicity | prognosability | trendability

Документация