一种基于聚类算法的设备状态监测方法技术

本发明专利技术公开了一种基于聚类算法的设备状态监测方法，包括以下步骤：步骤10，数据聚类分析，进行模型训练；步骤20，设备状态与报警定义，通过聚类算法将监测参数的特征空间以数据簇的形式进行分割后，对每个数据簇定义相应的设备状态，在需要报警的状态上定义报警类型和级别；步骤30，在线实时状态监测，完成数据簇与状态、报警的对应关系定义后，将模型部署在设备上开展实时状态监测与分析。本发明专利技术通过综合分析多个监测参数的方式对设备的运行状态进行评估，避免了单一参数阈值方法无法考虑参数间相关关系的问题，可提高设备状态在线评估的准确性，并更加及时地对设备出现的异常问题进行探测。

A method of equipment condition monitoring based on clustering algorithm

【技术实现步骤摘要】
一种基于聚类算法的设备状态监测方法
本专利技术涉及设备健康管理
，具体涉及一种基于聚类算法的设备状态监测与异常探测方法。
技术介绍
工业系统中通常会对关键系统和设备设置一系列传感器以实时监测其在线状态。现有技术中，对设备的状态评判和异常报警多采用单一监测参数的固定阈值方法，即对每个传感器设定一定的阈值范围，超出阈值时进行报警。由于不同监测参数之间通常存在相关关系，设备的实际健康状态往往体现在多个监测参数的综合表现上。单一参数阈值方法由于未考虑这种相关关系，易出现误报警、漏报警等问题，不利于对设备健康状态的实时掌握。综合地利用多个与设备状态相关的监测参数进行设备健康评估，从参数的相关变化模式中探测设备与其正常状态之间的偏离，可有效提高设备健康状态评估与异常探测的精度，为设备健康管理的实施提供更为准确的参考。
技术实现思路
鉴于以上存在的技术问题，本专利技术用于提供一种基于聚类算法的设备状态监测方法。为解决上述技术问题，本专利技术采用如下的技术方案：利用聚类方法对设备监测数据的特征空间进行分割，并进行状态和报警定义，根据在线监测数据对数据簇的隶属度判断设备当前状态的归属，包括以下步骤：步骤10，数据聚类分析，进行模型训练，具体步骤包括：步骤101，数据采集，从当前设备或同类设备的历史运行数据库中采集历史运行数据，数据尽可能覆盖多个工况；步骤102，对采集的原始数据进行数据预处理，包括数据清洗、特征提取、特征选择和数据归一化；步骤103，根据贝叶斯信息准则，并结合相关经验，求解如下最小化优化问题，确定聚类分析中数据簇的个数N：BIC＝klnN-2lnL其中k为模型参数的个数，N为样本数量，L为样本在当前模型下的似然函数。步骤104，采用高斯混合聚类算法或k-Means算法对预处理后的数据进行分析，将其划分为N个数据簇。步骤20，设备状态与报警定义，通过聚类算法将监测参数的特征空间以数据簇的形式进行分割后，对每个数据簇定义相应的设备状态，在需要报警的状态上定义报警类型和级别，具体步骤如下：步骤201，统计每个数据簇的聚类中心、各特征的变化范围、以及数据簇覆盖的时间范围，其中聚类中心由下式计算：其中Ck为第k个数据簇，vk为其聚类中心，Mk为其包含的数据点的数量；步骤202，结合设备的运行机理、业务人员的运行经验等对数据簇进行标签化：对每个数据簇，根据统计得到的特征变化范围，判断对应的设备运行状态(如正常运行、异常、故障等)，在有设备运行记录的情况下，可根据数据簇覆盖的时间范围对其对应的运行状态进行进一步的验证；步骤203，参考设备运行管理规程等信息，筛选出需要报警的设备异常状态，并在相应的数据簇上定义报警类型和级别；步骤30，在线实时状态监测，完成数据簇与状态、报警的对应关系定义后，将模型部署在设备上开展实时状态监测与分析，具体步骤如下：步骤301，对实时监测数据进行与步骤102一致的预处理，将其转换至特征空间，在进行特征归一化时，采用与步骤102相同的归一化参数；步骤302，采用如下公式计算当前数据对聚类得到的各个数据簇的隶属度：其中uik为数据xi对第k个数据簇Ck的隶属度，σ为模型参数，dik为数据xi到第k个数据簇聚类中心vk的欧几里得距离。找到隶属度最高的数据簇作为当前数据所隶属的数据簇；步骤303，由所属数据簇定义的运行状态，得到设备当前的运行状态，在数据簇对应有报警时，输出相应报警信号；步骤304，在线监测的同时积累运行数据，积累达到一定数量时将其加入训练数据中，重新进行步骤10和步骤20对数据簇及对应状态进行更新，达到更新模型的目的。采用本专利技术具有如下的有益效果：1、通过综合分析多个监测参数的方式对设备的运行状态进行评估，避免了单一参数阈值方法无法考虑参数间相关关系的问题，可提高设备状态在线评估的准确性，并更加及时地对设备出现的异常问题进行探测；2、采用聚类算法将参数空间中不同的数据分布模式与设备的运行状态对应起来，具有较强的可解释性，有利于支持生产过程中的运营管理决策；3、通过定期更新训练数据和重新训练模型，使得模型具备自学习能力，能及时将生产过程中出现的新模式纳入模型范围，不断提升模型对设备状态的分析性能。附图说明图1为本专利技术实施例的基于聚类算法的设备状态监测方法的步骤流程图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术须部署于对状态相关的主要参数具有在线监测措施的设备或系统上，在线监测系统采集的数据通过数据库进行存储与管理，参照图1，所示为本专利技术实施例的基于聚类算法的设备状态监测方法的步骤流程图。实施过程可分为三大步骤：步骤10：数据聚类分析，进一步包括：步骤101，数据收集。根据数据库的表结构设计并实现数据接口，从当前设备或同类设备历史数据库中选取多种不同工况下的历史数据；步骤102，根据所采集历史数据的实际情况，对原始数据进行清洗，主要包括但不限于时间对标、异常值剔除、缺失值处理、滤波、降噪等。根据包含的数据种类，结合设备运行机理和工程经验等，确定作为后续分析输入的特征量，编写相应的特征提取接口，从清洗后的原始数据中提取特征，并对特征做归一化处理；步骤103，确定聚类分析中使用的数据簇个数N：对归一化后的特征数据，构建如下贝叶斯信息准则函数：BIC＝klnN-2lnL其中k为模型参数的个数，N为样本数量，L为样本在当前模型下的似然函数。通过求解最小化BIC问题得到数据簇个数N的取值，并结合工程经验对数据中包含的不同工况的数据进行估计，根据估计结果对N的取值进行确认，在两者差别较大时，通过对数据结构的进一步分析及相关领域专家的判断确定N的值；步骤104，采用高斯混合模型或k-Means算法，将数据簇个数取为N，对预处理后的数据进行分析，将其划分为N个数据簇。步骤20：设备状态与报警定义，通过聚类算法将监测参数的特征空间以数据簇的形式进行分割后，对每个数据簇定义相应的设备状态，在需要报警的状态上定义报警类型和级别，具体步骤如下：步骤201，编写数据统计分析模块，统计每个数据簇的聚类中心、各特征的变化范围、以及数据簇覆盖的时间范围，其中聚类中心由下式计算：其中Ck为第k个数据簇，vk为其聚类中心，Mk为其包含的数据点的数量。统计结果存入数据库中；步骤202，结合设备的运行机理、业务人员的运行经验等对数据簇进行标签化：对每个数据簇，根据统计得到的特征变化范围，判断对应的设备运行状态(如正常运行、异常、故障等)，在有设备运行记录的情况下，可根据数据本文档来自技高网...

【技术保护点】
1.一种基于聚类算法的设备状态监测方法，其特征在于，利用聚类算法对设备监测数据的特征空间进行分割，并进行状态和报警定义，根据在线监测数据对数据簇的隶属度判断设备当前状态的归属，包括以下步骤：/n步骤10，数据聚类分析，进行模型训练；/n步骤20，设备状态与报警定义，通过聚类算法将监测参数的特征空间以数据簇的形式进行分割后，对每个数据簇定义相应的设备状态，在需要报警的状态上定义报警类型和级别；/n步骤30，在线实时状态监测，完成数据簇与状态、报警的对应关系定义后，将模型部署在设备上开展实时状态监测与分析。/n

【技术特征摘要】
1.一种基于聚类算法的设备状态监测方法，其特征在于，利用聚类算法对设备监测数据的特征空间进行分割，并进行状态和报警定义，根据在线监测数据对数据簇的隶属度判断设备当前状态的归属，包括以下步骤：
步骤10，数据聚类分析，进行模型训练；
步骤20，设备状态与报警定义，通过聚类算法将监测参数的特征空间以数据簇的形式进行分割后，对每个数据簇定义相应的设备状态，在需要报警的状态上定义报警类型和级别；
步骤30，在线实时状态监测，完成数据簇与状态、报警的对应关系定义后，将模型部署在设备上开展实时状态监测与分析。


2.如权利要求1所述的基于聚类算法的设备状态监测方法，其特征在于，
所述的步骤10，具体步骤包括：
步骤101，数据采集，从当前设备或同类设备的历史运行数据库中采集历史运行数据，数据尽可能覆盖多个工况；
步骤102，对采集的原始数据进行数据预处理，包括数据清洗、特征提取、特征选择和数据归一化；
步骤103，根据贝叶斯信息准则，并结合相关经验，确定聚类分析中数据簇的个数N；
步骤104，利用聚类算法对预处理后的数据进行分析，将其划分为N个数据簇。


3.如权利要求1所述的基于聚类算法的设备状态监测方法，其特征在于，
所述的步骤20，具体步骤包括：
步骤201，统计每个数据簇的聚类中心、各特征的变化范围、以及数据簇覆盖的时间范围；
步骤202，参考设备的运行特性、运行记录等信息，确定每个数据簇所对应的设备运行状态，对数据簇进行标签化；
步骤203，参考设备运行管理规程等信息，筛选出需要报警的设备异常状态，并在相应的数据簇上定义报警类型和级别。


4.如权利要求1所述的基于聚类算...

【专利技术属性】
技术研发人员：王大林，
申请(专利权)人：和尘自仪嘉兴科技有限公司，
类型：发明
国别省市：浙江;33