1第四章：设备状态的识别与预报4 .1 概述4 .2 时序分析方法简介4 .3 设备状态与故障的识别方法4 .4 设备状态与故障的预报4 .1 概述一.设备状态的识别设备状态识别是根据设备在运行过程中的动态信息，提取与状态有关的特征，用适当的方法来识别设备所处的状态及故障。识别的实质是对设备的状态与故障进行分类的过程。2二.设备的状态预报根据设备的当前状态、设备的历史状况和设备当前的环境条件，利用故障预报技术和方法，预报设备在未来某个时刻可能所处的状态，尤其是估计故障的传播和发展，对设备的劣化趋势做出早期预报。通过趋势预报可以预测设备未来的运转情况，进行预报警和确定设备的残余寿命，以便及时维修和更换，可以预防或者减少故障所造成的破坏。二.设备的状态预报1. 对故障预报技术的基本要求实时性是指预报的效果必须快速显现，以及时采取应对措施，避免故障的发生；准确性是指预报结果应力求准确，漏报和谎报都会影响设备的正常运行。2. 设备运行状态预测的实质设备运行状态预测的实质就是数据预测或者趋势外推。数据预测的方法很多，大体分为三个类型，递推型、连续型和统计型。3三.常用的设备状态预报方法1 .参数模型预报参数模型预报是最为常用的一种预报方法。参数模型预测法首先对观测的历史数据的模型做一定的假设，然后经过对模型参数的估计得到相应的预测值。常用的参数模型有多项式曲线拟合、主观概率预测、回归预测、卡尔曼滤波器、确定型时间序列、随机型时间序列、灰色模型等。如果假设的模型与实际不符，这种方法的性能就较差。三.常用的设备状态预报方法2.人工神经网络预报基于神经网络模型的预测是一种非参数模型预报，无需对传感器的测量信号做模型假设，比参数模型预测有更广泛的应用范围。人工神经网络预报的主要优点在于：（1）根据应用场合特点建立网络拓扑结构，不需要建立反映系统物理规律的复杂的数学模型；（2）神经网络比其它方法更容易容忍噪声；（3）具有非线性预测能力。3.时间序列预报44 .2 时序分析方法简介一.时间序列的基本概念时间序列：按照事件发生的前后顺序排列所得的一系列数据。时间序列分析方法（简称时序分析方法）：以研究的系统的运行数据建立数学模型，用这个模型来分析数据的变化规律，进而研究产生这些数据的系统的状态和特性。二.时序模型的结构与建模对于来自平稳随机过程的一组样本{ }kxnk,,2,1L=可以建立一个线性的、时间反演的时序模型：NkNkkkMkMkkkaaaaxxxx...
