基于正交池化算法的数据驱动模型在线故障检测
会议名称：《第十九届全国非线性振动暨第十六届全国非线性动力学和运动稳定性学术会议（NVND2023）》
会议日期：2023年
学科分类：08[工学] 0802[工学-机械工程] 080201[工学-机械制造及其自动化]
关 键 词：NARX模型 系统辨识 在线故障检测 正交池化算法
摘 要：非线性有源自回归(Nonlinear AutoRegressive with eXogenous inputs,NARX)模型已广泛应用于动力学系统的在线故障检测。然而,针对高维数据系统的在线系统建模时,运算效率问题常导致故障检测具有滞后性。在NARX模型的建模过程中,已有正交匹配追踪(Orthogonal Matching Pursuit,OMP)高效算法,但其准确度有待提高。为实现在线故障高效且精准的检测,提出了一种新的快速数据驱动建模方法,即正交池化(Orthogonal Pooling,OP)算法。首先,通过一个单自由度(Duffing)系统说明了OMP算法的建模偏差现象,并分析了导致偏差的原理。在此基础上,提出OP算法,并将其重新用于Duffing系统上辨识。最后,通过裂纹悬臂梁模型的故障诊断算例验证新方法的有效性。悬臂梁裂缝检测的案例研究表明,OP算法比传统的OLS建模过程快10倍以上,并且所得模型可以有效完成悬臂梁裂纹故障严重程度检测,证明了新方法在工程实践中的在线故障检测的应用前景。