【技术实现步骤摘要】
设备健康阶段检测的自适应收集方法、系统、装置和介质
本专利技术涉及智能制造以及数据挖掘领域,尤其涉及一种设备健康阶段检测的自适应收集方法、系统、装置和介质。
技术介绍
在智能制造背景下,大量设备数据时刻由传感器收集,以数据流的形式呈现,数据流形式的健康数据具有速度快、容量大、特征分析困难、时序相关性高、分布变化点模糊等特点,在使用传统机器学习框架时,无法处理数据流中存在的概念漂移现象,即数据的分布并非稳定不变的,而是随着时间发生变化。概念漂移发生时,数据分布发生变化,使得模型性能下降,在设备健康预测任务上,存在明显的概念漂移现象,因此利用概念漂移理论对设备进行健康阶段检测是可行的,可通过概念漂移检测技术对健康数据流进行健康阶段检测及划分。其中,健康阶段指,对一个设备而言存在磨合期、平稳运行期、快速损坏期等阶段分期,在不同的阶段设备的损耗值有所不同,设备健康变化的规律也有随不同,因此根据阶段的不同,算法的参数也要做相应的调整,这便是检测的目的。当前的设备健康检测手段,没有考虑对健康数据进行阶段划分,而是直接处理整个数据集,尽管采取了增量学习、剪枝等手段,但仍存在训练压力大、模型精度不高、预测速度慢等局限性,未充分考虑设备随着运行时间增大及工作环境的不同,其设备健康呈现阶段性,不同设备健康阶段存在差异性的特点。当前的方法使用整个数据集而不加以划分地进行训练,存在特征提取困难、可解释不佳的问题。主动检测并适应是较为流行的概念漂移处理方法,其中以监控模型性能的方法具有模型无关性,有着更好的泛用能力,其中的典型 ...
【技术保护点】
1.一种设备健康阶段检测的自适应收集方法,其特征在于,包括以下步骤:/n获取设备的数据流,采用基于滑动窗口及蓄水池采样对数据流进行状态提取,获得概念表示;/n根据概念表示对数据流进行自适应健康阶段检测,获得健康阶段数据;/n对健康阶段数据进行融合处理,以增大各健康阶段的训练数据。/n
【技术特征摘要】
1.一种设备健康阶段检测的自适应收集方法,其特征在于,包括以下步骤:
获取设备的数据流,采用基于滑动窗口及蓄水池采样对数据流进行状态提取,获得概念表示;
根据概念表示对数据流进行自适应健康阶段检测,获得健康阶段数据;
对健康阶段数据进行融合处理,以增大各健康阶段的训练数据。
2.根据权利要求1所述的一种设备健康阶段检测的自适应收集方法,其特征在于,所述采用基于滑动窗口及蓄水池采样对数据流进行状态提取,包括:
采用预设模型对数据流进行长期状态Et与短期状态SGVt提取;
根据短期状态SGVt,使用滑动窗口获得短期波动σc,t,使用蓄水池采样获得长期波动σr,t。
3.根据权利要求2所述的一种设备健康阶段检测的自适应收集方法,其特征在于,所述采用预设模型对数据流进行长期状态Et与短期状态SGVt提取,包括:
使用新样本权值衰减的统计量表示长期状态,即统计自模型训练以来的累计平均误差率:
其中,εt为当前健康阶段第t次推理的误差,t指当前健康阶段中处理的样本/实例计数器;
设定旧样本权值衰减模式,采用Savitzky-Golay滤波作为短期状态估计器;
确定拟合多项式的阶数order和拟合区间宽度width,计算出衰减系数cm,m=-(width-1)/2,-(width-1)/2+1,...,0,1,...,(width-1)/2;
对最新的width个样本使用衰减系数加权求和获得短期状态SGVt。
4.根据权利要求3所述的一种设备健康阶段检测的自适应收集方法,其特征在于,所述根据短期状态SGVt,使用滑动窗口获得短期波动σc,t,使用蓄水池采样获得长期波动σr,t,包括:
为了评估短期状态SGVt的长期波动σr,t,使用蓄水池采样对短期状态SGVt采样,计算采样池内的方差,为了快速计算蓄水池方差,如果当前值SGVnew被蓄水池采样算法选中,通过下式更新:
其中,Nr是蓄水池大小,Sumt是蓄水池中SGV之和,SGVrm是被替换的值,Sumrm是替换前的和,Sumnew是替换后的值;
为了评估短期状态SGVt的短期波动σc,t,使用滑动窗口计算近期方差,更新的方式如下:
其中,Nc是滑动窗口的大小。
5.根据权利要求2所述的一种设备健康阶段检测的自适应收集方法,其特征在于,所述根据概念表示对数据流进行自适应健康阶段检测,获得健康阶段数据,包括:
通过检测长期状态Et与短期状态SGVt的差异,判断是否发生概念漂移,若差异大于阈值则判定发生概念漂移:
SGVt-Et>kd·σr,t
其中,σr,t是蓄水池内的方差,kd是设定的敏感度;
检测到概念漂移发生时,认为数据流转移到了新的阶段,使用Bretrain的数据重新训练模型,并新建一个阶段缓冲区Bi+1,将保存训练数据的缓冲区Br...
【专利技术属性】
技术研发人员:张平,蓝曦,李方,郭炜森,
申请(专利权)人:华南理工大学,
类型:发明
国别省市:广东;44
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。