公式已就位——生成原始记录后,这些公式将变成 Excel 里的活公式,改读数自动重算重判
健康动态阈值计算5.3.3
x_d = x̄ + 3σ
计算表达式(可直接用于 Excel/程序)
x_d = x̄ + 3σ
x_d健康动态阈值
x̄历史记录序列的平均值
σ历史记录序列的标准差
故障发生可能性(模糊贴近度)6.2
N(R,E_i) = \dfrac{Σ_{j=1}^{n}[R(j) ∧ E_i(j)]}{Σ_{j=1}^{n}[R(j) ∨ E_i(j)]}
计算表达式(可直接用于 Excel/程序)
N(R,E_i) = Σ_{j=1}^{n}[R(j) ∧ E_i(j)] / Σ_{j=1}^{n}[R(j) ∨ E_i(j)]
N(R,E_i)待诊断特征指标向量R与故障模式E_i的模糊贴近度(故障Y_i发生的可能性)
R(j)待诊断特征指标向量中第j个特征指标的值
E_i(j)第i个故障模式中第j个特征指标的值
∨取最大值
∧取最小值
故障模式判别(最大贴近度)6.2
N(R,E_i) = max_{1≤j≤m}[N(R,E_j)]
计算表达式(可直接用于 Excel/程序)
N(R,E_i) = max_{1≤j≤m}[N(R,E_j)]
N(R,E_i)R与模式E_i的模糊贴近度
m故障标准模式数量
离差标准化C.1 a) 公式(C.1)
y = \dfrac{x - x_{min}}{x_{max} - x_{min}}
计算表达式(可直接用于 Excel/程序)
y = (x - x_min) / (x_max - x_min)
y标准化后的信号序列
x原始信号序列
x_min原始信号序列的最小值
x_max原始信号序列的最大值
z-score标准化C.1 b) 公式(C.2)
y = \dfrac{x - μ}{σ}
计算表达式(可直接用于 Excel/程序)
y = (x - μ) / σ
y标准化后的信号序列
x原始信号序列
μ原始序列的均值
σ原始序列的标准差
最大值C.2.1 表C.1
x_{max} = max[x_(n), n = 1,2,3,...,n]
计算表达式(可直接用于 Excel/程序)
x_max = max[x_(n), n=1,2,3,...,n]
最小值C.2.1 表C.1
x_{min} = min[x_(n), n = 1,2,3,...,n]
计算表达式(可直接用于 Excel/程序)
x_min = min[x_(n), n=1,2,3,...,n]
峰峰值C.2.1 表C.1
x_{ppv} = x_{max} - x_{min}
计算表达式(可直接用于 Excel/程序)
x_ppv = x_max - x_min
x_ppv信号值变化范围的大小
x_max信号的最大值
x_min信号的最小值
平均值C.2.1 表C.1
x̄ = (1/N) Σ(i=1..N) x_i
计算表达式(可直接用于 Excel/程序)
x̄ = (1/N) Σ(i=1..N) x_i
均方根值C.2.1 表C.1
x_{rms} = \sqrt{(1/N) Σ(i=1..N) x_i^2}
计算表达式(可直接用于 Excel/程序)
x_rms = sqrt((1/N) Σ(i=1..N) x_i^2)
x_rms均方值的算数平均数
N样本数
x_i第i个信号值
方差C.2.1 表C.1
D_x = (1/N) Σ(i=1..N) (x_i - x̄)^2
计算表达式(可直接用于 Excel/程序)
D_x = (1/N) Σ(i=1..N) (x_i - x̄)^2
D_x信号偏离平均值的程度
N样本数
x_i第i个信号值
x̄信号平均值
波形指标C.2.1 表C.1
S_f = \dfrac{x_{rms}}{|x̄|}
计算表达式(可直接用于 Excel/程序)
S_f = x_rms / |x̄|
S_f信号有效值与平均值的比值
x_rms均方根值
x̄信号平均值
峰值指标C.2.1 表C.1
C_f = \dfrac{x_{max}}{x_{rms}}
计算表达式(可直接用于 Excel/程序)
C_f = x_max / x_rms
C_f峰值在信号波形中的极端程度
x_max信号的最大值
x_rms均方根值
偏斜度C.2.1 表C.1
α = (1/N) Σ(i=1..N) ((x - x̄)/σ)^3
计算表达式(可直接用于 Excel/程序)
α = (1/N) Σ(i=1..N) ((x - x̄)/σ)^3
α信号的非对称性
N样本数
x信号值
x̄信号平均值
σ标准差
峭度C.2.1 表C.1
α = (1/N) Σ(i=1..N) ((x - x̄)/σ)^4
计算表达式(可直接用于 Excel/程序)
α = (1/N) Σ(i=1..N) ((x - x̄)/σ)^4
α分布曲线平缓程度
N样本数
x信号值
x̄信号平均值
σ标准差
频率重心C.2.2 表C.2
x_{fc} = \dfrac{Σ(i=1..N) f_i F(f_i)}{Σ(i=1..N) F(f_i)}
计算表达式(可直接用于 Excel/程序)
x_fc = Σ(i=1..N) f_i F(f_i) / Σ(i=1..N) F(f_i)
x_fc频谱的静态部分
f_i频率
F(f_i)频率f_i对应的频谱幅值
均方频率C.2.2 表C.2
x_{msf} = \dfrac{Σ(i=1..N) f_i^2 F(f_i)}{Σ(i=1..N) F(f_i)}
计算表达式(可直接用于 Excel/程序)
x_msf = Σ(i=1..N) f_i^2 F(f_i) / Σ(i=1..N) F(f_i)
x_msf信号功率谱主频带位置的变化
f_i频率
F(f_i)频率f_i对应的频谱幅值
频率方差C.2.2 表C.2
x_{vf} = \dfrac{Σ(i=1..N) (f_i - x_{fc})^2 F(f_i)}{Σ(i=1..N) F(f_i)}
计算表达式(可直接用于 Excel/程序)
x_vf = Σ(i=1..N) (f_i - x_fc)^2 F(f_i) / Σ(i=1..N) F(f_i)
x_vf信号频谱在频率中心附近波动程度
f_i频率
x_fc频率重心
F(f_i)频率f_i对应的频谱幅值
相对小波能量C.2.3 表C.3
ρ_j = \dfrac{E}{E_{total}} = \dfrac{||D_j||^2}{Σ(j=1..J+1) ||D_j||^2}
计算表达式(可直接用于 Excel/程序)
ρ_j = E / E_total = ||D_j||^2 / Σ(j=1..J+1) ||D_j||^2
ρ_j信号在各个频带中能量的分布情况
E某频带能量
E_total总能量
D_j第j层小波分解系数
余弦相似度D a) 公式(D.1)
S_{ij} = \dfrac{Σ(k=1..n) x_{ik} x_{jk}}{\sqrt{Σ(k=1..n) x_{ik}^2 Σ(k=1..n) x_{jk}^2}}
计算表达式(可直接用于 Excel/程序)
S_ij = Σ(k=1..n) x_ik x_jk / sqrt(Σ(k=1..n) x_ik^2 Σ(k=1..n) x_jk^2)
S_ij余弦相似度
x_i, x_j两个特征向量
k特征向量中某个特征指标的索引
相关系数D b) 公式(D.2)
r_{ij} = \dfrac{Σ(k=1..n)(x_{ik} - x̄_i)(x_{jk} - x̄_j)}{\sqrt{Σ(k=1..n)(x_{ik} - x̄_i)^2} \sqrt{Σ(k=1..n)(x_{jk} - x̄_j)^2}}
计算表达式(可直接用于 Excel/程序)
r_ij = Σ(k=1..n)(x_ik - x̄_i)(x_jk - x̄_j) / (sqrt(Σ(k=1..n)(x_ik - x̄_i)^2) sqrt(Σ(k=1..n)(x_jk - x̄_j)^2))
r_ij相关系数
x_i, x_j两个特征向量
k特征向量中某个特征指标的索引
x̄_i某个特征向量的平均值
欧氏距离D c) 公式(D.3)
d_{ij} = \sqrt{Σ(k=1..n)(x_{ik} - x_{jk})^2}
计算表达式(可直接用于 Excel/程序)
d_ij = sqrt(Σ(k=1..n)(x_ik - x_jk)^2)
d_ij欧氏距离
x_i, x_j两个特征向量
k特征向量中某个特征指标的索引
马氏距离D d) 公式(D.4)
d_{ij} = \sqrt{(x_i - x_j)^T S^(-1) (x_i - x_j)}
计算表达式(可直接用于 Excel/程序)
d_ij = sqrt((x_i - x_j)^T S^(-1) (x_i - x_j))
d_ij马氏距离
x_i, x_j两个特征向量
S两个特征向量的协方差矩阵
GB/T 9061金属切削机床 通用技术条件最新版适用规范性引用
GB/T 31916.1—2015信息技术 云数据存储和管理 第1部分:总则版本绑定规范性引用
GB/T 33863.3OPC 架构统一 第 3 部分: 地址空间模型最新版适用规范性引用
GB/T 33863.5OPC 架构统一 第 5 部分:信息模型最新版适用规范性引用
GB/T 42707.1—2023数控机床远程运维 第1部分:通用要求版本绑定规范性引用