一种工况分类方法技术

本发明专利技术公开了一种工况分类方法，该方法包括：确定需要分析的工况变量；工况变量间的相关性分析；工况变量间的相似性分析；确定输入工况变量与输出工况变量；工况变量标准化；处理输入工况变量；工况分类。本发明专利技术(1)可以改善无标签的工况分类效果。(2)具有较好的外推能力，模型适应性强。(3)可以在大范围内描述非线性特性。

A classification method of working conditions

【技术实现步骤摘要】
一种工况分类方法
本专利技术涉及一种工况分类方法。
技术介绍
随着现代生产设备日益向大型、复杂、精密方向发展。现代工业过程生产规模的不断扩大，企业生产系统的自动化水平和集成化程度也在不断提高。企业功能复杂化和规模集成化，使各个生产单元间关系复杂，耦合现象严重。这些趋势可能影响设备安全和工作性能引发一系列生产事故，最终影响产品质量和物耗能耗。在大型化、复杂化的工业过程中，不断检测过程的变化和故障信息是十分必要的。生产单元中存在很多变量，也存在着大量的数据。随着各种状态监测系统的出现，大量的实际数据被采集，但是95％的数据只采集了一个数值，没有任何标签，我们并不知道数据是否异常，所以需要从海量数据中进行统计和分类，以区分不同时刻、不同数据所处的工况，以进一步分析数据所处模块、系统的健康状况。近几年，对于无标签数据普遍采用特征提取方法结合一些机器学习方法对工况进行分类。CN107679734A公开了一种基于聚类方法的无标签数据分类预测的方法。CN106834662B中公开了一种利用模糊C均值聚类算法对烧结过程参数的工况分类方法。CN107516107A中公开了一种利用K均值聚类算法在离线状态下将车辆行驶工况分类方法。但上述方法至少存在如下缺陷：采用基于数据聚类的方法，数据模型大多只能在小的工况变化范围内有效，外推能力较差；模型效果过度依赖建模数据的质量；模型参数缺乏物理意义。
技术实现思路
为了解决上述技术问题，本专利技术的目的在于提供一种工况分类方法。本专利技术通过以下技术方案来实现：一种工况分类方法，包括以下步骤：S1:确定需要分析的工况变量；S2:对工况变量间的相关性分析；S3：对工况变量间的相似性分析；S4:确定输入工况变量与输出工况变量；S5:对工况变量进行标准化；S6:处理输入工况变量；S7:进行工况分类。其中，所述工况分类根据采用数值范围、数量范围和数值范围与数量范围结合考虑的概率密度划分方法进行划分。优选地，所述工况分类会对概率低于0.3的工况进行合并。优选地，所述工况变量间的相关性分析是根据专家经验在所有工况变量之间发现工况之间的相关性。优选地，所述处理输入工况变量中在M个输入工况变量中，根据概率分布找出m1个快变化工况变量和m2个慢变化工况变量，且m1+m2＝M。优选地，所述慢变化工况变量需要进行积分操作，然后与快变化工况变量进行合并排序。本专利技术具有如下有益效果：(1)可以改善无标签的工况分类效果。(2)具有较好的外推能力，模型适应性强。(3)可以在大范围内描述非线性特性。附图说明为了更清楚地说明本专利技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。图1是本专利技术的工况分类流程图。图2是本专利技术的机组简化示意图。图3是本专利技术处理输入工况变量的流程图。图中：1、叶轮；2、主轴承；3、主轴；4、齿轮箱；5、联轴器；6、发电机。具体实施方式下面将结合本专利技术实施例中的附图，对专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术的实施例，本领域普通技术人员在没有做出创造性劳动的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。参考说明书附图1，其应用于某大型风电场中的一组风机为例，对该方法进行详细说明。S1.确定需要分析的工况变量；具体地，如说明书附图2所示为某机组的简化示意图，机组的传动链部分包括了：叶轮(含叶片和轮毂)、主轴、主轴承、齿轮箱、联轴器和发电机部分，每一个部分都安装多个传感器实时监测其运行状态，比如，主轴承安装有温度传感器和振动传感器(加速度计)以监测轴承温度和振动情况。通过分布图可以确定如下数据需求表：序号参数序号参数1齿轮箱转速(r/s)9机舱温度(℃)2叶轮转速(r/s)10非驱动端轴承温度(℃)3发电机转速(r/s)11驱动端轴承温度(℃)4环境温度(℃)12绕组温度(1-6)(℃)5风速(m/s)13水冷系统出口温度(℃)6风向(°)14端口电压(V)7励磁电流(A)15有功功率(kw)8励磁电压(V)表1为机组的周期性状态量从表1我们可以分析出外部变量为环境温度、风速、风向，内部变量分为温度变量(绕组温度、机舱温度、非驱动端轴承温度、驱动端轴承温度、水冷系统出口温度)、转速变量(发电机转速、齿轮箱转速、叶轮转速)和其他变量(励磁电流、励磁电压、端口电压、有功功率)。S2.工况变量间的相关性分析；具体地，该机组一共确定将要对20个变量进行分析，由于绕组温度1-6几乎一样，因此只取绕组温度1用于分析，共计15个变量。对15个变量进行相关性分析，对变量是否服从正态分布得出结论。(1)两者的相关性对部分变量(如环境温度、机舱温度、风向)而言，正态相关和非正态相关系数没什么差距，可将这类变量视为服从正态分布；(2)对部分变量(如驱动端轴承温度、非驱动端轴承温度、叶轮转速、风速)而言，大部分正态相关和非正态相关系数差距不大，小部分差距较大，可将这类变量视为具备一部分的正态分布特性；(3)对部分变量(如水冷系统温度、绕组温度1、有功功率、端口电压、励磁电流、励磁电压、叶轮转速、发电机转速、齿轮箱转速)而言，大部分正态相关和非正态相关系数差距非常大，可将这类变量认定为非正态分布。S3.工况变量间的相似性分析；具体地，然后以非正态相关系数为准，寻找变量间的相似性，尝试发现特性相似或一致的变量，并实现变量的维度降低。为了更清洗地发现规律，删去正态相关系数，只把非正态相关系数单独取出来进行观察，得出以下结论：(1)有功功率、端口电压、叶轮转速、发电机转速、齿轮箱转速的与其他变量的非正态相关性表现几乎一样，且端口电压、叶轮转速、发电机转速、齿轮箱转速的曲线趋势相近，另外，有功功率是根据端口电压计算的，因此有功功率和端口电压的相关性表现一致但曲线幅值存在差异也比较合理，因此这5个变量可只取其一，只保留叶轮转速；(2)从相关性数值上看，励磁电流和励磁电压的相关性十分接近，且励磁电流与励磁电压的相关性高达0.9，且两者的曲线趋势相近，因此可只取其一，另外，励磁电流和励磁电压和其他变量的相关性都很小，因此可删去；(3)环本文档来自技高网...

【技术保护点】
1.一种工况分类方法，其特征在于，所述方法包括以下步骤：/nS1:确定需要分析的工况变量；/nS2:对工况变量间的相关性分析；/nS3：对工况变量间的相似性分析；/nS4:确定输入工况变量与输出工况变量；/nS5:对工况变量进行标准化；/nS6:处理输入工况变量；/nS7:进行工况分类。/n其中，所述工况分类根据采用数值范围、数量范围和数值范围与数量范围结合考虑的概率密度划分方法进行划分。/n

【技术特征摘要】
1.一种工况分类方法，其特征在于，所述方法包括以下步骤：
S1:确定需要分析的工况变量；
S2:对工况变量间的相关性分析；
S3：对工况变量间的相似性分析；
S4:确定输入工况变量与输出工况变量；
S5:对工况变量进行标准化；
S6:处理输入工况变量；
S7:进行工况分类。
其中，所述工况分类根据采用数值范围、数量范围和数值范围与数量范围结合考虑的概率密度划分方法进行划分。


2.根据权利要求1所述的工况分类方法，其特征在于，所述工况分类会对概...

【专利技术属性】
技术研发人员：陈豪，陈松航，刘哲夫，连明昌，王森林，张丹，王耀宗，
申请(专利权)人：泉州装备制造研究所，
类型：发明
国别省市：福建;35