【技术实现步骤摘要】
一种机械部件的异常状态检测方法及检测系统
本专利技术属于数据分析
，具体涉及一种机械部件的异常状态检测方法及检测系统。
技术介绍
机械部件的异常可以通过振动或者温度的变化来表征，在多数设备都有安装振动或温度传感器对机械部件的一个或多个位置进行测量，并通过一套监测系统采集数据。振动或温度异常，体现在多方面，包括数值的异常，也包括与周围相关变量的关系的改变。机械设备因为内外因素，造成振动或温度的异常，多为机械设备故障发生的早期表征。现有的机械部件异常检测技术包括阈值判定法，就是通过在监控系统中对监测测点数据设定阈值进行判断，以诊断机械部件是否存在异常。这种方法在绝大多数的机械设备的控制系统中都存在广泛应用，但是通常传感器的测点的影响因素诸多，比如发电机轴承的温度传感器受其工况、外界环境温度、相邻的机械设备温度影响，单独的阈值检测方法容易在正常的情况下引起误报；而另一种方法如申请号为CN201310592830.3的专利采用了一种基于概率统计的温升异常检测方法。这种方法使用了温升而不是温度作为特征，但是其缺陷在于使用高斯分布来处理温升数据，而温升的分布并不一定服从...
【技术保护点】
1.一种机械部件的异常状态检测方法，其特征在于：选择并采集监测段外的机械部件的特征值以TF‑IDF加权算法得到基准值，再采集监测段内实时特征值并将基准值带入得到结果并与设定阈值比较预判是否出现异常。
【技术特征摘要】
1.一种机械部件的异常状态检测方法，其特征在于：选择并采集监测段外的机械部件的特征值以TF-IDF加权算法得到基准值，再采集监测段内实时特征值并将基准值带入得到结果并与设定阈值比较预判是否出现异常。2.根据权利要求1所述的一种机械部件的异常状态检测方法，其特征在于：所述监测段外基准值包括由每个特征值对应的IDF值组成的IDF数据表和所有特征值的TF-IDF向量的均值组成的基线向量。3.根据权利要求2所述的一种机械部件的异常状态检测方法，其特征在于：所述采集监测段外数据进行计算为训练步骤，采集监测段内实时特征值进行计算为预测过程；训练步骤：通过选择机械部件的监测特征值进行离散化处理，处理后以恒定时间间隔升序排序设定时间窗口并滑动时间窗口，所有时间窗口作为文档组成特征值的语料库；采用TF-IDF加权算法计算生成所有特征值的IDF数据表和由所有特征值的TF-IDF向量取均值组成的基线向量；预测过程：将实时生产或预测的监测特征值同样进行离散化处理后将训练步骤中的所有特征值IDF和基线向量带入，以相同时间间隔循环抽取时间窗口数据并对照训练步骤中得到的IDF数据表查询IDF值计算该特征的TF-IDF值，并计算该时间窗口的特征向量；计算实时特征向量与基线向量的矢量距离，并与设定阈值对比判定。4.根据权利要求3所述的一种机械部件的异常状态检测方法，其特征在于：所述TF-IDF加权算法具体步骤为：先计算每个特征值的归一化频率TF，其计算公式为：式中，TFi,j为特征值i在对应时间窗口中的归一化词频，ni,j为特征值i在第j个时间窗口中出现的频次，分母∑knk,j为所有特征值在第j个时间窗口中出现的频次之和；然后计算该特征值的你想文档频率IDF，其计算公式为：式中，IDFi为该特征值i的逆向文档频率，|W|为所有时间窗口的总数，|{j:t...
【专利技术属性】
技术研发人员：谢鹏，李杰，刘宗长，金超，晋文静，史喆，
申请(专利权)人：北京天泽智云科技有限公司，
类型：发明
国别省市：北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。