(高清版)GBT 22394.2-2021 機(jī)器狀態(tài)監(jiān)測(cè)與診斷 數(shù)據(jù)判讀與診斷技術(shù) 第2部分：數(shù)據(jù)驅(qū)動(dòng)的應(yīng)用

機(jī)器狀態(tài)監(jiān)測(cè)與診斷數(shù)據(jù)判讀與診斷技術(shù)第2部分：數(shù)據(jù)驅(qū)動(dòng)的應(yīng)用國(guó)家市場(chǎng)監(jiān)督管理總局國(guó)家標(biāo)準(zhǔn)化管理委員會(huì) I 4實(shí)施數(shù)據(jù)驅(qū)動(dòng)監(jiān)測(cè)的過程 24.1數(shù)據(jù)驅(qū)動(dòng)監(jiān)測(cè)方法原理 24.2資產(chǎn)關(guān)鍵故障和過程參數(shù)選擇 24.3數(shù)據(jù)清洗和重采樣 34.3.1總則 34.3.2插值誤差 34.3.3數(shù)據(jù)品質(zhì)問題 34.3.4數(shù)據(jù)重采樣 34.4模型開發(fā) 3 34.4.2模型的定義和相關(guān)輸入的選擇 44.4.3相關(guān)工況和數(shù)據(jù)的選擇 44.4.4模型測(cè)試準(zhǔn)備 44.5模型性能評(píng)估 44.6報(bào)警設(shè)置 5 5.3簡(jiǎn)化的自動(dòng)特征分類方法 6 7附錄A(資料性附錄)數(shù)據(jù)驅(qū)動(dòng)監(jiān)測(cè)應(yīng)用示例 8附錄B(資料性附錄)數(shù)據(jù)驅(qū)動(dòng)診斷應(yīng)用示例 GB/T22394.2—2021/ISGB/T22394《機(jī)器狀態(tài)監(jiān)測(cè)與診斷數(shù)據(jù)判讀與診斷技術(shù)》分為以下3部分： 本部分是GB/T22394的第2部分。本部分按照GB/T1.1—2009本部分使用翻譯法等同采用ISO13379-2:2015《機(jī)器狀態(tài)監(jiān)測(cè)與診斷數(shù)據(jù)判讀與診斷技術(shù)第———GB/T22394.1—2005機(jī)器狀態(tài)監(jiān)測(cè)與診斷數(shù)據(jù)判讀和診斷技術(shù)第1部分：總則(ISOⅡ1ISO13372機(jī)器狀態(tài)監(jiān)測(cè)與診斷詞匯(Conditionmonitoringanddiagnosticsofmachines—Vo-ISO13379-1機(jī)器狀態(tài)監(jiān)測(cè)與診斷數(shù)據(jù)判讀和診斷技術(shù)第1部分：總則(Conditionmonitoringanddiagnosticsofmachine—2在狀態(tài)監(jiān)測(cè)方面?zhèn)鹘y(tǒng)統(tǒng)計(jì)方法是基于單個(gè)信號(hào)趨勢(shì)進(jìn)行觀察，現(xiàn)代統(tǒng)計(jì)方法圖1所示為在一臺(tái)燃?xì)廨啓C(jī)上應(yīng)用的示例，目標(biāo)是停機(jī)后檢測(cè)異常的軸位移。模型中考慮了幾個(gè)數(shù)據(jù)驅(qū)動(dòng)監(jiān)測(cè)常用方法有自相關(guān)核回歸法(AAKR)、聚類和偏最小二乘法(PLS)、支持向量機(jī)法34GB/T22394.2—2021/ISO1337構(gòu)建模型時(shí)為了獲得精度和穩(wěn)健性，記住選擇功能方面的特征(對(duì)特定的每個(gè)工況都應(yīng)進(jìn)行訓(xùn)練。但是對(duì)某些不常用工況的過分訓(xùn)練會(huì)降低最常用工況下模型的性能。因 5GB/T22394.2—2021/IS利用訓(xùn)練數(shù)據(jù)對(duì)模型進(jìn)行訓(xùn)練，利用檢驗(yàn)數(shù)據(jù)進(jìn)行評(píng)估。選取檢驗(yàn)數(shù)據(jù)上性能最好的模型參數(shù)。一旦最終的模型參數(shù)通過訓(xùn)練數(shù)據(jù)和檢驗(yàn)數(shù)據(jù)選定后，就可以利用測(cè)試數(shù)據(jù)集評(píng)估模型的總體性能。報(bào)警值定義的最常用方法是使用邏輯濾波規(guī)定在給定窗口內(nèi)發(fā)生預(yù)警的數(shù)目。各種原因都能在參數(shù)殘差中引起偏差。首先需要確認(rèn)觀察到的偏差不是因?yàn)槟Ｐ偷恼{(diào)整引起的。-—基于知識(shí)的方法。很多數(shù)據(jù)驅(qū)動(dòng)的方法在ISO13379-1有詳細(xì)解6分類或描述方案通?；谝唤M已分類或描述模式的可用性，這組模式叫做說明：對(duì)于具有穩(wěn)定狀態(tài)特征的故障，模式分類可能容易地實(shí)現(xiàn)。對(duì)于具有隨時(shí)間變化特征的故障(磨部件過程測(cè)量的報(bào)警列表相當(dāng)于一組狀態(tài)指示器，例如：參數(shù)1高(或正報(bào)警);參數(shù)2和參數(shù)3無使用這些信息的一種方法是把預(yù)警和報(bào)警列表轉(zhuǎn)化為數(shù)值模式，如[100-1]。這表示一種確定部件劣化原因的邏輯方法(見表1)。部件故障No.17表1(續(xù))部件故障No.2部件故障No.3傳感器故障X1傳感器故障X18(資料性附錄)數(shù)據(jù)驅(qū)動(dòng)監(jiān)測(cè)應(yīng)用示例A.2聯(lián)合循環(huán)汽輪機(jī)的振動(dòng)特性圖A.1中用紅色表示三個(gè)階段(訓(xùn)練階段、正常行為階段和異常行為階段)模型估計(jì)的振動(dòng)值。由圖A.1的分析推斷：7765增圖A.1三種汽輪機(jī)狀態(tài)的估計(jì)振動(dòng)值977654GB/T22394.2—2021/IS監(jiān)測(cè)。通過人工神經(jīng)網(wǎng)絡(luò)(ANNs)的模式識(shí)別技術(shù)可用于滾動(dòng)軸承的故障診斷(圖B.1)。fe和滾動(dòng)體故障/fba)。重要的是記住故障癥狀與軸轉(zhuǎn)速頻率f。有關(guān)。經(jīng)過訓(xùn)練和評(píng)估后，人工神經(jīng)網(wǎng)絡(luò)(ANNs)模[1]GB/T22393—2015機(jī)器狀態(tài)監(jiān)測(cè)與診斷一般指南(ISO17359:2011,IDT)[2]EPRIEquipmentCondiber,2005.Availableat:[3]EPRIApplicationofOn-LineMonitoringTechniquestoEquipmentConditionAssessmreportno.1010034December2005.Availableat:MonitoringPrograms,Prog.Nucl.Energy.2005,46(3-4)p[5]On-LineMonitoringforCalibrationExtension:AnOverviewandInCR-6895,“TechnicalReviewofOn-LineMonitoringTechniquesforPerfoableat:/reading-rm/doc-collections/nuregs/c[6]TechnicalReviewofOn-LineMonitoringTechthe-Art(NUREG/CR-6895,Volume1).Availableat:/reading-rm/doc-collec-tions/nuregs/contract/cr6895/v[7]TechnicalReviewofOn-LinreticalIssues(NUREG/CR-6895,ORNL/TM-2007/188,Volume2).Availabgov/reading-rm/doc-collections/nuregs/contract/cr6895/v2/[8]TechnicalReviewofOn-LimitingCase