【技术实现步骤摘要】
一种基于多指标集群分析的设备状态监测方法
本专利技术涉及设备状态监测
,尤其是一种基于多指标集群分析的设备状态监测方法。
技术介绍
常规的设备状态监测方法通常是针对单一设备运行过程数据设置固定阈值进行监测,参考中国专利公开号为CN112732516A的一种设备监控方法及系统,根据设备类型和每种类型的设备对应的关键属性信息创建不同类型的设备对应的设备监控模板;通过顺序标识对相同类型的设备对应的主设备监控模板和子设备监控模板进行主键关联;接收监控请求机构发送的监控请求,并当根据监控请求机构的机构信息确定允许监控被监控主设备和被监控子设备时,根据被监控设备的类型分别调用主设备监控模板和子设备监控模板,完成所述监控设备的实例化;通过设备运行系统实时地获取被监控主设备和被监控子设备的运行信息,将所述运行信息和设备监控模板中的同属性的监控属性阈值进行比较,获取比较结果,并根据比较结果确定被监控主设备和被监控子设备的运行状态,这样做在进行设备状态监测过程中具有较明确的指向性,但是在实际过程中为了减少虚报的发生,固定阈值一般设置的较为宽松,这导致了当设备状态衰减到一定程度时才发现设备的异常,此时需要在短时间内进行相关设备停运、维修人员安排、备料、调配修理窗口、进行设备修理等流程。因此,基于固定阈值进行单一设备的监测存在两个缺陷:一是采用常规方法(阈值监测)发现的设备异常程度已经较高,为了避免进一步恶化往往需要紧急停机然后再耗时安排人力物力进行设备维修,增加生产成本;二是以单一设备为目标的设备监测具有强烈的局限性,忽略设备之间的 ...
【技术保护点】
1.一种基于多指标集群分析的设备状态监测方法,其特征是,包括以下步骤:/nS1,数据预处理,将不同量级的数据统一到同一尺度;/nS2,建立设备集群的正常样本矩阵;/nS3,选取特征指标,计算特征系数,所述特征指标至少包含1个;/nS4,将特征系数引入集群分析算法筛选出异常设备。/n
【技术特征摘要】 【专利技术属性】
1.一种基于多指标集群分析的设备状态监测方法,其特征是,包括以下步骤:
S1,数据预处理,将不同量级的数据统一到同一尺度;
S2,建立设备集群的正常样本矩阵;
S3,选取特征指标,计算特征系数,所述特征指标至少包含1个;
S4,将特征系数引入集群分析算法筛选出异常设备。
2.根据权利要求1所述的一种基于多指标集群分析的设备状态监测方法,其特征是,所述特征系数包括正常工况偏离系数、实时趋势变化差异系数和分布相似性系数。
3.根据权利要求2所述的一种基于多指标集群分析的设备状态监测方法,其特征是,所述正常工况偏离系数的计算过程如下:
采集监测对象各测点实时运行数据,分别对设备集群的每个设备采集到的实时样本与每组正常样本计算欧式距离,选取最小值作为正常工况偏离系数,实测值与第i个正常样本之间的加权欧氏距离如下所示:
其中u代表欧式距离,q表示测点权重,Z1表示标准化因子是一个常数,y表示实时数据,x表示正常样本,n表示采集测点编号;
第j个设备的正常工况偏离系数为实时值与各正常样本欧氏距离数组的最小值,用wj,1表示。
4.根据权利要求2所述的一种基于多指标集群分析的设备状态监测方法,其特征是,所述实时趋势变化差异系数的计算过程如下:
采集设备集群的实时运行数据与最近设定时间内的历史运行数据标准化后一起输入实时趋势计算算法以识别其趋势变化情况,并结合识别结果对相关趋势进行编码:趋势平稳为0,趋势上升为1,趋势下降为-1,趋势阶跃陡升为2,趋势阶跃陡降为-2。
5.根据权利要求4所述的一种基于多指标集群分析的设备状态监测方法,其特征是,所述实时趋势计算算法包括以下步骤:
待识别数据总长度为l,设定参数总体趋势基元为“不变”、“上升”、“下降”、“正阶跃”和“负阶跃”,
利用最小二乘法线性拟合每一段数据,记录斜率k与第s时刻纵坐标为xs,
对于拟合好的线性公式根据新的测点并记录拟合值与实际值的残差E并进行累加,当残差累加达到一定阈值Ecusum时再等待最新的一段数据重新进行拟合;
根据前一段拟合直线与后一段拟合直线提取特征值l,ld,ls,特征值计算公式如下:
s代表开始点,e代表结束点,i表示所拟合的第i段曲线,t表示时刻,根据特征值l,ld,ls以及设定阈值vtc和vts通过决策树识别对应数据趋势识别结果,通过vtc识别数据是否出现阶跃,通过vts表示识别数据是否存在显著的趋势项;
根据趋势识别结果获取第j个设备的实时趋势编码数组为Tj,
所有设备趋势识别结果编码矩阵为T,
对各设备趋势变化结果进行整合:
技术研发人员:潘凡,赵彤,孙丰诚,蔡一彪,段腾飞,倪军,
申请(专利权)人:杭州安脉盛智能技术有限公司,
类型:发明
国别省市:浙江;33
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。