一种储粮管理场景温度传感器故障诊断方法及其诊断装置制造方法及图纸

本发明专利技术公开了一种储粮管理场景温度传感器故障诊断方法及其诊断装置。该诊断方法包括以下步骤：将储粮管理场景中的温度传感器预测诊断分为两个等级，并确定温度传感器数据集；建立温度传感器的故障诊断模型；将采集到的样本数据划分为训练集和测试集；对训练集的数据进行标准化处理，进行建模，对极端梯度提升算法模型训练获得故障检测模型；先对测试集的数据标准化处理，再进行故障检测，最后根据检测结果，判断出温度传感器是否为故障传感器。本发明专利技术能够帮助管理人员发现故障传感器并对其进行修理，有利于节省人工成本，提高管理效率。该方法有利于消除储粮安全隐患，减少因传感器故障带来的粮食损失，具有较高的使用价值。

【技术实现步骤摘要】
一种储粮管理场景温度传感器故障诊断方法及其诊断装置
本专利技术涉及储粮管理
的一种诊断方法，尤其涉及一种储粮管理场景温度传感器故障诊断方法，还涉及一种储粮管理场景温度传感器故障诊断装置。
技术介绍
粮食安全是关系国运民生的压舱石，是维护国家安全的重要基础。对于中国这样一个发展中大国，粮食安全更是治国理政的头等大事，保障国家粮食安全这根弦任何时候都不能松。温度传感器作为粮情信息化系统重要部件，在管理不到位情况影响下，直接导致无法知晓粮仓温度实时变化，久而久之便导致粮食的变质，造成了不可挽回的损失。而现有的粮仓中温度传感器故障诊断方法对传感器分类效果不佳，准确度低，不能满足粮站的粮仓内部传感器故障诊断的需求。
技术实现思路
为解决现有的温度传感器故障诊断方法对传感器分类效果不佳，准确度低的技术问题，本专利技术提供一种储粮管理场景温度传感器故障诊断方法及其诊断装置。本专利技术采用以下技术方案实现：一种储粮管理场景温度传感器故障诊断方法，其包括以下步骤：(1)将储粮管理场景中的温度传感器预测诊断分为两个等级，并本文档来自技高网...

【技术保护点】
1.一种储粮管理场景温度传感器故障诊断方法，其特征在于，其包括以下步骤：/n(1)将储粮管理场景中的温度传感器预测诊断分为两个等级，并确定温度传感器数据集；其中，所述温度传感器数据集中包括各个温度传感器的温度历史数据的特征向量与其标签信息所组成的序列；/n(2)根据所述温度传感器数据集，建立所述温度传感器的故障诊断模型且模型建立方法包括以下步骤：/n(2.1)将所述故障诊断模型的目标函数定义为损失函数与正则项的组成；/n(2.2)设定初始基分类器预测值为0，并确定其他的基分类器预测值的函数；/n(2.3)通过所述基分类器预测值对所述目标函数进行多次迭代，确定迭代后的目标函数；/n(2.4)先通...

【技术特征摘要】
1.一种储粮管理场景温度传感器故障诊断方法，其特征在于，其包括以下步骤：
(1)将储粮管理场景中的温度传感器预测诊断分为两个等级，并确定温度传感器数据集；其中，所述温度传感器数据集中包括各个温度传感器的温度历史数据的特征向量与其标签信息所组成的序列；
(2)根据所述温度传感器数据集，建立所述温度传感器的故障诊断模型且模型建立方法包括以下步骤：
(2.1)将所述故障诊断模型的目标函数定义为损失函数与正则项的组成；
(2.2)设定初始基分类器预测值为0，并确定其他的基分类器预测值的函数；
(2.3)通过所述基分类器预测值对所述目标函数进行多次迭代，确定迭代后的目标函数；
(2.4)先通过二阶近似对所述迭代后的目标函数进行优化，获得优化后的目标函数，再通过删除决策树的复杂性函数中的常数项，对所述优化后的目标函数进行重写，获得重写后的目标函数，并确定目标函数最小值；
(2.5)先通过比较所述决策树分裂中分割前后的目标函数，计算分割的信息增益，再利用所述决策树分裂完成时最终叶子节点具有的信息量构建所述温度传感器的故障分裂树以挖掘故障数据中的隐藏特征信息；以及
(2.6)利用所述隐藏特征信息，建立所述故障诊断模型；
(3)将采集到的样本数据划分为训练集和测试集；
(4)先对所述训练集的数据进行标准化处理，再使用所述故障诊断模型对标准化处理后的数据进行建模以获得极端梯度提升算法模型，最后对所述极端梯度提升算法模型进行训练，获得所述传感器的故障检测模型；以及
(5)先使用(4)中的标准化参数对所述测试集的数据进行标准化处理，再使用所述故障检测模型对标准化处理后的所述测试集数据进行故障检测，最后根据检测结果，判断出所述温度传感器是否为故障传感器。


2.如权利要求1所述的储粮管理场景温度传感器故障诊断方法，其特征在于，所述温度传感器数据集为：
D＝{(x1,y1),(x2,y2),...,(xn,yn)}
式中，xi∈Rl，yi∈{1,-1},i＝1,2,...,n，n为正整数；xi为所述温度传感器数据集中第i个传感器温度历史数据的特征向量，yi为所述温度传感器对应的标签信息，且用1表示故障传感器，-1表示正常传感器；
所述故障诊断模型的目标函数为：
Ot＝L(θ)+Ω(θ)
式中，L(θ)表示损失函数，Ω(θ)表示正则项，θ表示参数。


3.如权利要求2所述的储粮管理场景温度传感器故障诊断方法，其特征在于，所述初始基分类器预测值定义为其中xi、是所述温度传感器数据集中的特征向量和标签信息；
第t个基分类器预测值为：



式中，t为正整数，fk(xi)表示kth估计函数，ft(xi)表示第t次迭代的估计函数。


4.如权利要求3所述的储粮管理场景温度传感器故障诊断方法，其特征在于，所述迭代后的目标函数为：



式中，l(，)是一个可微分的损失函数，用于测量预测值和目标值之间的差异；Ω用于表示所述决策树的复杂性。


5.如权利要求4所述的储粮管理场景温度传感器故障诊断方法，其特征在于，所述优化后的目标函数为：



式中，gi表示损失函数的一阶导数，表示求导函数；hi表示损失函数的二阶导数。


6.如权利要求5所述的储粮管理场景温度传感器故障诊断方法，其特征在于，设置T每个决策树的叶子是ω1,ω2,...,ωγ...

【专利技术属性】
技术研发人员：张红伟，谢国豪，王康，戚晓东，崔逊龙，赵安祥，
申请(专利权)人：安徽大学，
类型：发明
国别省市：安徽;34