基于狄利克雷混合模型的转动机械运行状态异常检测方法技术

基于狄利克雷混合模型的转动机械运行状态异常检测方法属于机械异常检测领域。1)分别采集转动机械正常工况运行数据和实时工况运行数据；2)提取数据特征集,构造特征相空间；3)设定狄利克雷混合模型初始参数值；4)用正常数据训练得到基于狄利克雷混合模型的统计分布模型，模型数自学习结果为T；5)计算正常工况数据特征相空间模型间距离，自学习报警门限；6)将模型数设定为T，训练实时数据统计分布模型；7)计算正常工况和实时工况运行数据特征相空间模型间的距离；8)判断距离是否超过设定的报警门限，超过报警门限则报警，反之，继续采集数据。本发明专利技术实时性强，准确率高，能大幅提前报警时间点等优点，适用于转动机械异常检测。

【技术实现步骤摘要】

本专利技术属于机械异常检测领域，涉及针对转动机械运行状态的异常检测方法，具体是一种基于狄利克雷混合模型的转动机械运行状态异常检测方法。
技术介绍
化工机械遍布在化工生产的方方面面，对化工生产起着至关重要的作用。一旦发生故障，轻则影响生产，重则机毁人亡。因此如何有效实现转动机械实时智能状态监测，及时发现机组异常，成为当前研究的热点。目前，国内对转动机械运行状态异常检测进行了大量的研究，异常检测方法主要分为两种：一、单特征值预警；二、提取多特征值，运用降维方法将多特征降维成一个或少数几个特征，根据特征值在空间分布上的变化判断机组是否发生异常。这些方法虽然在异常检测方面取得了一些成果，但还存在很多不足。转动机械信号具有非平稳性，机组发生异常后，波形幅值可能不会升高。因此，单特征值很难较全面的描述波形特征实现预警；高维特征降维获取一个或少数几个特征的方法，在降维过程中，做了很多理想的假设，忽视了特征之间实际的相互联系，弱化了降维方法的性能，使异常检测的准确率低。因此如何利用高维特征实现异常检测，成为当前研究的难点。针对上述问题，提出了基于统计模型的异常检测方法。传统的基于统计模型的异常检测本文档来自技高网...

【技术保护点】
一种基于狄利克雷混合模型的转动机械运行状态异常检测方法，其特征在于包括如下步骤：(1)采集机组正常工况运行数据和实时工况运行数据：通过安装在机械上的传感器采集表征机组运行状态的数据，数据包括正常工况数据和实时工况数据，每种工况数据推荐样本数为50‑150组；(2)提取数据特征，构造特征相空间：提取能反映机组状态监测数据变化的多种特征，包括时域特征和频域特征，并构造特征相空间；(3)设定狄利克雷混合模型初始聚集参数α；(4)运用正常数据特征相空间训练得到基于狄利克雷混合模型的统计分布模型，模型数自学习结果为T，并将该模型设定为基准模型；(5)计算正常数据模型间距离，自学习报警门限；(6)将模型数...

【技术特征摘要】
1.一种基于狄利克雷混合模型的转动机械运行状态异常检测方法，其特征在于包括如下步骤：(1)采集机组正常工况运行数据和实时工况运行数据：通过安装在机械上的传感器采集表征机组运行状态的数据，数据包括正常工况数据和实时工况数据，每种工况数据推荐样本数为50-150组；(2)提取数据特征，构造特征相空间：提取能反映机组状态监测数据变化的多种特征，包括时域特征和频域特征，并构造特征相空间；(3)设定狄利克雷混合模型初始聚集参数α；(4)运用正常数据特征相空间训练得到基于狄利克雷混合模型的统计分布模型，模型数自学习结果为T，并将该模型设定为基准模型；(5)计算正常数据模型间距离，自学习报警门限；(6)将模型数设定为T，训练实时数据统计分布模型；(7)计算正常数据和实时数据特征相空间模型间的距离；(8)判断距离是否超过设定的报警门限，超过报警门限则报警，反之，继续采集数据。2.根据权利要求1所述方法，其特...

【专利技术属性】
技术研发人员：马波，张颖，江志农，赵祎，
申请(专利权)人：北京化工大学，
类型：发明
国别省市：北京;11