The invention provides an instrument fault detection method based on multi-method fusion. When using sensors to collect real-time data in the production field, abnormal data will be generated due to sensor fault or abnormal occurrence of the collected object itself. \u6211\u4eec\u63d0\u51fa\u4e00\u79cd\u57fa\u4e8e\u6570\u636e\u9a71\u52a8\u7684\u795e\u7ecf\u7f51\u7edc\u5f02\u5e38\u6570\u636e\u68c0\u6d4b\u65b9\u6cd5\u3002 When generating abnormal data, on the one hand, it may be due to the abnormal parameters in production engineering, such as temperature and conductivity, on the other hand, it may be due to the abnormal instrument equipment itself. This method can realize real-time on-line detection without periodic stop-production checklist every six months or a year; at the same time, real-time on-line monitoring, real-time grasp of the production site data, is conducive to improving the quality of production; and saves the time and manpower of manufacturers and Metrology institutes.
【技术实现步骤摘要】
一种基于多方法融合的仪器仪表故障检测方法
本专利技术涉及仪器仪表故障检领域,具体来讲是一种基于多方法融合的仪器仪表故障检测算法。
技术介绍
传统仪器仪表校准需要将仪表取下来,就存在让生产企业停工送检,耽搁了生产时间,送往计量院检测校准,或者计量院人员需要到生产现场进行仪表检测检测校准,费时费力。
技术实现思路
因此,为了解决上述不足,本专利技术在此提供一种基于多方法融合的仪器仪表故障检测方法;本方法能够实现实时在线检测,不用厂家每隔半年或者一年定期停产检查表;同时实时在线监测,实时掌握生产现场数据情况,利于提高生产质量;并且节约了厂家,计量院的时间和人力。本专利技术是这样实现的,构造一种基于多方法融合的仪器仪表故障检测方法,其特征在于:具有,(1)生产数据异常的检测:在t时刻截取一段长度为N的时间序列,Dt={xt-N+1,…,xt};其中,x表示采集的参数,神经网络的输入是长度为L的时间序列(L<N),输出为第L+1个序列值;先将数据归一化,再形成一段长度为N-L的数据样本,且第i个样本的输入为{xt-N+i,…,xt-N+L+i-1},输出为{xt-N+L+i},其中i=1,2,…,N-L;按顺序选取4/5的数据样本进行训练完成xt+1的预测,剩下1/5的数据样本用于计算模型残差;对于新数据,落入通过残差计算出来的检测区间之内,则正常,反之则异常。检测出异常数据之后,利用当前时刻的预测值来代替判断为异常的数据,然后更新历史数据,进行下一轮的预测;(2)仪器仪表故障检测:1)首先尽可能连续一段时间采集仪器仪表的各种数据,包括正常和异常数据,建立设备数据集;数 ...
【技术保护点】
1.一种基于多方法融合的仪器仪表故障检测方法,其特征在于:具有,(1)生产数据异常的检测:在t时刻截取一段长度为N的时间序列,D
【技术特征摘要】
1.一种基于多方法融合的仪器仪表故障检测方法,其特征在于:具有,(1)生产数据异常的检测:在t时刻截取一段长度为N的时间序列,Dt={xt-N+1,…,xt};其中,x表示采集的参数,神经网络的输入是长度为L的时间序列(L<N),输出为第L+1个序列值;先将数据归一化,再形成一段长度为N-L的数据样本,且第i个样本的输入为{xt-N+i,…,xt-N+L+i-1},输出为{xt-N+L+i},其中i=1,2,…,N-L;按顺序选取4/5的数据样本进行训练完成xt+1的预测,剩下1/5的数据样本用于计算模型残差;对于新数据,落入通过残差计算出来的检测区间之内,则正常,反之则异常。检测出异常数据之后,利用当前时刻的预测值来代替判断为异常的...
【专利技术属性】
技术研发人员:李迅波,赵越,闫明明,彭旭树,
申请(专利权)人:电子科技大学,
类型:发明
国别省市:四川,51
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。