通用根因分析方法技术

本发明专利技术公开了一种通用根因分析方法，提出了基于虚拟尺度因子的根因分析方法，该方法可以计算变量对复杂故障指示量的贡献率，具有普适性高、通用性强等优点，不受故障指示量的复杂程度影响，只需要对输入变量可导即可计算贡献率。此外，上述基于虚拟尺度因子的根因分析方法，还可以与数据源进行结合，进一步提高计算变量对复杂故障指示量的贡献率的准确性。

【技术实现步骤摘要】
通用根因分析方法
本专利技术公开涉及故障诊断以及异常检测的
，尤其涉及一种通用根因分析方法。
技术介绍
当前，故障诊断、异常检测的技术种类众多，一般可分为基于模型的、基于信号分析的、基于专家知识的以及基于数据的。其中，基于数据的故障诊断技术因其无需建立机理模型、无需专家经验，仅需过程历史数据即可实现诊断模型的建立而发展迅速。基于数据的故障诊断方法一般构建故障指示量并给出指示量的控制线，当指示量的值超过控制线后认为有故障发生。而当一个故障被检测到以后，很自然地要关注引起故障的原因，或者说是哪个变量的异常引起了系统的故障，进而根据故障产生的原因制定相应的策略去消除这种故障。寻找异常变量这个过程叫做根因分析。贡献图是较早发展的根因分析方法，也是被广泛使用的有效方法，最早由Hopkins等人专利技术，并在1995年申请了商业应用的专利。该方法采用T2统计量和SPE统计量作为故障指示量，给出了基于T2统计量和SPE统计量的变量贡献计算方法。然而随着技术发展，故障指示量的结构越发复杂，上述变量贡献计算方法无法推及复杂故障指示量。因此，如何研发一种新型异常变量的寻找方法，成为人们亟待解决的问题。
技术实现思路
鉴于此，本专利技术提供了一种通用根因分析方法，以适用于复杂故障指示量中对于异常变量的查找。一方面，本专利技术提供了一种通用根因分析方法，该方法包括如下步骤：1)在故障指示量中引入虚拟尺度因子ε，获得带有虚拟尺度因子的故障指示量其中，所述故障指示量为观测变量x的连续可导的多元函数；2)基于所述带有虚拟尺度因子的故障指示量依据公式(a)计算获得变量贡献值，所述变量贡献值为在ε0＝(1,1,...,1)T处的Ci值；其中，m表示观测变量数；3)基于所述变量贡献值以及变量贡献的控制线依据公式(b)计算获得标准化的变量贡献；4)将所述标准化的变量贡献与统一的控制线进行比较，当所述标准化的变量贡献大于统一的控制线时，则对应的变量为异常变量。另一方面，本专利技术还提供了一种进一步改进的通用根因分析方法，该方法包括如下步骤：1)将观测变量x进行中心化后，依据故障指示量获得中心化的故障指示量其中，所述故障指示量为观测变量x的连续可导的多元函数，send表示数据源；2)在所述中心化的故障指示量中引入虚拟尺度因子ε，获得带有虚拟尺度因子的中心化故障指示量3)基于所述带有虚拟尺度因子的中心化故障指示量依据公式(a’)计算获得中心化变量贡献值，所述中心化变量贡献值为在ε0＝(1,1,...,1)T处的Ci值；其中，m表示观测变量数；4)基于所述中心化变量贡献值以及变量贡献的控制线依据公式(b)计算获得标准化的中心化变量贡献；5)将所述标准化的中心化变量贡献与统一的控制线进行比较，当所述标准化的中心化变量贡献大于统一的控制线时，则对应的变量为异常变量。所述变量贡献的控制线具体为：在置信限α下，第i个变量贡献的控制线；其中，且n表示采样个数、h表示平滑参数、K(z)表示概率密度函数、t表示核概率密度函数的输入参量、表示第j个样本的第i个变量贡献值。进一步优选，所述概率密度函数K(z)满足如下条件：进一步优选，所述概率密度函数K(z)具体为：进一步优选，所述数据源send具体为：使用龙格库塔公式进行微分方程(c)的求解：其中，s代表流线方向的变量；且所述微分方程求解的停止条件为：其中，δ为人为设定的有理数，所述微分方程的初始种子为观测变量x，当求解停止时的s值即为数据源send。本专利技术提供的通用根因分析方法中，提出了基于虚拟尺度因子的根因分析方法，该方法可以计算变量对复杂故障指示量的贡献率，具有普适性高、通用性强等优点，不受故障指示量的复杂程度影响，只需要对输入变量可导即可计算贡献率。此外，上述基于虚拟尺度因子的根因分析方法，还可以与数据源进行结合，进一步提高计算变量对复杂故障指示量的贡献率的准确性。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本专利技术公开。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本专利技术的实施例，并与说明书一起用于解释本专利技术的原理。为了更清楚地说明本专利技术实施例或现有技术中的技术方案，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，对于本领域普通技术人员而言，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他的附图。图1为应用OC-SVM(OneClassSupportingVectorMachine)检测故障时，对应的故障指示量和控制线图；图2为应用OC-SVM检测故障时，原始数据散点图和置信区域图；图3为采用OC-SVM对多模式数据建模，采用虚拟尺度因子方法计算贡献率图；图4为采用OC-SVM对多模式数据建模，采用加入数据源更新的贡献率图；图5为采用虚拟尺度因子根因分析方法移除最高贡献率变量后的故障指示量、控制线、故障消除采样及未消除采样图；图6为采用加入数据源后更新的根因分析方法移除最高贡献率变量后的故障指示量、控制线、故障消除采样及未消除采样图。具体实施方式下面结合具体的实施方案对本专利技术进行进一步的解释，但是并不用于限制本专利技术的保护范围。为了实现对于复杂故障指示量中对于异常计算变量的查找，本实施方案共提供了两种通用根因分析方法，一种是基于虚拟尺度因子的根因分析方法，另一种是将虚拟尺度因子与数据源进行结合的根因分析方法。以下将对上述两种根因分析方法进行逐一说明和介绍。从一般形式上来看，故障指示量都可以看作是观测变量的连续可导的多元函数，m代表观测变量数，这里统一以来代表故障指示量，以便于后续说明。(一)关于基于虚拟尺度因子的根因分析方法，具体是通过如下步骤实现的：步骤1：在故障指示量中引入虚拟尺度因子ε，获得带有虚拟尺度因子的故障指示量该步骤采用虚拟尺度因子法引入了虚拟尺度的概念，令每一个变量乘以一个虚拟尺度因子ε＝(ε1,ε2,...,εm)T,进而获得带有虚拟尺度因子的指示量步骤2：基于步骤1中的带有虚拟尺度因子的故障指示量计算获得变量贡献值；变量贡献值实质上是度量一个故障指示量对其观测变量的敏感性，其中，变量贡献值为故障指示量对虚拟尺度因子的偏导数绝对值在ε0＝(1,1,...,1)T处的Ci值，且Ci的具体计算公式具体如下：步骤3：基于步骤2中的变量贡献值以及变量贡献的控制线依据公式(2)计算获得标准化的变量贡献；步骤4：将标准化的变量贡献与统一的控制线进行比较，当标准化的变量贡献大于统一的控制线时，则对应的变量为异常变量；具体而言，通过采用标准化的变量贡献可以将所有变量贡献绘制在一起，并给出统一的控制线1，贡献值大于1的变量被认为本文档来自技高网...

【技术保护点】
1.一种通用根因分析方法，其特征在于，包括如下步骤：/n1)在故障指示量θ(x)中引入虚拟尺度因子ε，获得带有虚拟尺度因子的故障指示量θ(x·ε)，其中，所述故障指示量θ(x)为观测变量x的连续可导的多元函数；/n2)基于所述带有虚拟尺度因子的故障指示量θ(x·ε)，依据公式(a)计算获得变量贡献值，所述变量贡献值为在ε

【技术特征摘要】
1.一种通用根因分析方法，其特征在于，包括如下步骤：
1)在故障指示量θ(x)中引入虚拟尺度因子ε，获得带有虚拟尺度因子的故障指示量θ(x·ε)，其中，所述故障指示量θ(x)为观测变量x的连续可导的多元函数；
2)基于所述带有虚拟尺度因子的故障指示量θ(x·ε)，依据公式(a)计算获得变量贡献值，所述变量贡献值为在ε0＝(1,1,...,1)T处的Ci值；



其中，m表示观测变量数；
3)基于所述变量贡献值以及变量贡献的控制线依据公式(b)计算获得标准化的变量贡献；



4)将所述标准化的变量贡献与统一的控制线进行比较，当所述标准化的变量贡献大于统一的控制线时，则对应的变量为异常变量。


2.一种通用根因分析方法，其特征在于，包括如下步骤：
1)将观测变量x进行中心化后，依据故障指示量θ(x)，获得中心化的故障指示量θ(x-send)，其中，所述故障指示量θ(x)为观测变量x的连续可导的多元函数，send表示数据源；
2)在所述中心化的故障指示量θ(x-send)中引入虚拟尺度因子ε，获得带有虚拟尺度因子的中心化故障指示量θ((x-send)·ε)；
3)基于所述带有虚拟尺度因子的中心化故障指示量θ((x-send)·ε)，依据公式(a’)计算获得中心化变量贡献值，所述中心化变量贡献值为在ε0＝(1...

【专利技术属性】
技术研发人员：杜文友，陈昊，周唯，
申请(专利权)人：沈阳航空航天大学，
类型：发明
国别省市：辽宁;21