基于数据驱动的柴油机安保参数预测方法技术

本申请公开了一种基于数据驱动的柴油机安保参数预测方法，包括如下步骤：步骤S1：采集安保参数，所述安保参数包括安保基础参数与安保扩展参数；步骤S2：对所述安保基础参数通过单值预测模型进行参数预测并得出单值预测结果；步骤S3：对所述安保扩展参数通过多元预测模型进行参数预测并得出多元预测结果；步骤S4：对所述单值预测结果与所述多元预测结果进行拟合分析，确定柴油机安保参数数据极限与趋势劣化度，判定柴油机安全状态并确定报警信息。并且采用单值预测模型和多元预测模型结合，避免因数据波动造成敏感性预测的问题，使得预测方法更为方便和稳定。得预测方法更为方便和稳定。得预测方法更为方便和稳定。

【技术实现步骤摘要】
基于数据驱动的柴油机安保参数预测方法


[0001]本申请涉及柴油机安全预测
，具体而言涉及一种基于数据驱动的柴油机安保参数预测方法。

技术介绍

[0002]柴油机安全状态趋势预测是指根据柴油机历史监测数据，对未来一段时间内的柴油机安全状态进行预测。目前状态预测的方法总体上可分为基于物理模型和基于数据驱动两大类。由于柴油机机械设备大型，结构复杂，建立精准的柴油机物理模型实现预测是十分困难的，基于数据驱动的方法可以弱化柴油机经验知识的作用。
[0003]现阶段柴油机安全状态预测主要存在两个问题：一是预测结果的准确性，二是预测结果的真实性。
[0004]因此，现有技术存在缺陷，急需改进。

技术实现思路

[0005]本申请的目的在于提供一种基于数据驱动的柴油机安保参数预测方法，以解决现有技术中柴油机安保参数预测结果准确性与真实性较低的问题。
[0006]本申请实施例提供一种基于数据驱动的柴油机安保参数预测方法，包括如下步骤：
[0007]步骤S1：采集安保参数，所述安保参数包括安保基础参数与安保扩展参数；
[0008]步骤S2：对所述安保基础参数通过单值预测模型进行参数预测并得出单值预测结果；
[0009]步骤S3：对所述安保扩展参数通过多元预测模型进行参数预测并得出多元预测结果；
[0010]步骤S4：对所述单值预测结果与所述多元预测结果进行拟合分析，确定柴油机安保参数数据极限与趋势劣化度，判定柴油机安全状态并确定报警信息。
[0011]可选地，在本申请一实施例中，所述步骤S2包括：
[0012]步骤S21：通过灰色预测模型对所述安保基础参数进行逐步预测，获得第一预测数值；
[0013]步骤S22：通过指数平滑预测模型对所述安保基础参数进行间步预测，获得第二预测数值；
[0014]步骤S23：将所述第一预测数值与所述第二预测数值分别与实际参数数值进行比对分析，得出预测数据差值，以预测数据差值较小的数值作为初步结果，并将预测数据差值较大的数值作为辅助参数，以对所述初步结果进行修正调整，得出所述单值预测结果。
[0015]可选地，在本申请一实施例中，所述步骤S21包括：
[0016]步骤S211：对采集的所述安保基础参数进行数据处理；其中，
[0017]将已获取的所述安保基础参数描述为X，X为该参数已采集的等时间间隔的n个时
间序列数据：
[0018]X
(0)
＝{X
(0)
(1),X
(0)
(2),
…
X
(0)
(n)}
[0019]对数据进行差值去噪处理，将已采集数据处理成保持变化趋势对比的平滑曲线；
[0020]设置预测数据量m，并根据数据量m对数据进行处理；
[0021][0022]步骤S212：对采集的所述安保基础参数进行数据进行累加；其中，
[0023]利用平滑处理后的监测参数数据(记为X
(0)
)计算一次累加得到：
[0024]X
(1)
＝{X
(t)
(1),X
(1)
(2),
…
X
(1)
(n)}；其中，
[0025]步骤S213：白化现有数据；其中，
[0026]若累加序列X
(1)
满足光滑性要求，则由X
(1)
构造的原始序列为：
[0027]z
(1)
＝{z
(1)
(2),z
(1)
(3),
…
,z
(1)
(n)}
[0028]其中：z
(1)
(k)＝αX
(1)
(k
‑
1)+(1
‑
α)X
(1)
(k)，k＝1,2,
…
,n
[0029]α为发展系数，其大小反映序列X
(0)
和X
(1)
的发展趋势，于是得到GM(1,1)的白化微分方程：
[0030][0031]其中：u为灰色作用量，经离散化可得：
[0032]X
(0)
(k)+az
(1)
(k)＝u
[0033]步骤S214：求解参数α和u；其中，
[0034]经白化后的已有数据可根据参数α和u预测灰色参数，求解灰参数α和u，格式为列向量，且
[0035][0036]采用最小二乘法对α和u进行估计，得到：
[0037]步骤S215：建立预测公式，以获得预测数值；其中，
[0038]根据获得的灰色参数α和u，根据输入参数累加序列X
(1)
预建立预测公式：
[0039][0040]其中：k＝0,1,
…
,n；
[0041]利用时间响应方程计算拟合值计算后进行减运算还原：
[0042][0043]其中：k＝0,1,
…
,n,
[0044]可选地，在本申请一实施例中，所述步骤S22包括：
[0045]步骤S221：对采集的所述安保扩展参数进行数据处理，使数据在保留变化趋势下尽量平滑；
[0046]步骤S222：趋势警报；其中，
[0047]对数据进行一阶差分处理，并寻找差分变化波动点，该点为趋势变化剧烈时间点，进行记录；
[0048]步骤S223：间步数据筛选；其中，
[0049]采用逐步预测，利用一定跨度比进行前期数据选择，短期数据的预测利用短期历史数据，并采用一定时间跨度比，预测时步增长的同时，增加用于拟合的历史数据的时序长度；
[0050]设输入参数时间观测序列为：x1,x2,
…
,x
t
，共t个时间序列数据，设定间步跨度为s，则根据数据间隔等比例增加时间跨度，若预测未来时间k内的时间，则筛选数据标准为：
[0051][0052]步骤S224：建立三阶指数平滑预测；其中，
[0053]一次指数平滑：
[0054][0055]x
t
为t时刻的实测数值，为t时刻的一次指数平滑值，表示t
‑
1时刻的一次指数平滑值，α为平滑指数，平滑指数与模型拟合精度有关，经过寻优对比，本模型中α＝0.5；
[0056]根据一次指数平滑公式，建立迭代方法有：
[0057][0058]式中右下角标表示当前时间，将迭代结果带入平滑公式得到t时刻的平滑公式：
[0059][0060]二次指数平滑：
[0061]在建立一阶指数平滑基础上再进行一次指数平滑：
[0062][0063]式中为一阶指数平滑值，为时刻二阶指数平滑值，根据二阶指数平滑公式，仍可得到迭代：
[0064本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数据驱动的柴油机安保参数预测方法，其特征在于，包括如下步骤：步骤S1：采集安保参数，所述安保参数包括安保基础参数与安保扩展参数；步骤S2：对所述安保基础参数通过单值预测模型进行参数预测并得出单值预测结果；步骤S3：对所述安保扩展参数通过多元预测模型进行参数预测并得出多元预测结果；步骤S4：对所述单值预测结果与所述多元预测结果进行拟合分析，确定柴油机安保参数数据极限与趋势劣化度，判定柴油机安全状态并确定报警信息。2.如权利要求1所述的基于数据驱动的柴油机安保参数预测方法，其特征在于，所述步骤S2包括：步骤S21：通过灰色预测模型对所述安保基础参数进行逐步预测，获得第一预测数值；步骤S22：通过指数平滑预测模型对所述安保基础参数进行间步预测，获得第二预测数值；步骤S23：将所述第一预测数值与所述第二预测数值分别与实际参数数值进行比对分析，得出预测数据差值，以预测数据差值较小的数值作为初步结果，并将预测数据差值较大的数值作为辅助参数，以对所述初步结果进行修正调整，得出所述单值预测结果。3.如权利要求2所述的基于数据驱动的柴油机安保参数预测方法，其特征在于，所述步骤S21包括：步骤S211：对采集的所述安保基础参数进行数据处理；其中，将已获取的所述安保基础参数描述为X，X为该参数已采集的等时间间隔的n个时间序列数据：X
(0)
＝{X
(0)
(1)，X
(0)
(2)，
…
X
(0)
(n)}对数据进行差值去噪处理，将已采集数据处理成保持变化趋势对比的平滑曲线；设置预测数据量m，并根据数据量m对数据进行处理；步骤S212：对采集的所述安保基础参数进行数据进行累加；其中，利用平滑处理后的监测参数数据(记为X
(0)
)计算一次累加得到：X
(1)
＝{X
(t)
(1)，X
(1)
(2)，
…
X
(1)
(n)}；其中，步骤S213：白化现有数据；其中，若累加序列X
(1)
满足光滑性要求，则由X
(1)
构造的原始序列为：z
(1)
＝{z
(1)
(2)，z
(1)
(3)，...，z
(1)
(n)}其中：z
(1)
(k)＝aX
(1)
(k
‑
1)+(1
‑
α)X
(1)
(k)，k＝1，2，
…
，nα为发展系数，其大小反映序列X
(0)
和X
(1)
的发展趋势，于是得到GM(1，1)的白化微分方程：其中：u为灰色作用量，经离散化可得：X
(0)
(k)+az
(1)
(k)＝u步骤S214：求解参数α和u；其中，
经白化后的已有数据可根据参数α和u预测灰色参数，求解灰参数α和u，格式为列向量，且采用最小二乘法对α和u进行估计，得到：步骤S215：建立预测公式，以获得预测数值；其中，根据获得的灰色参数α和u，根据输入参数累加序列X
(1)
预建立预测公式：其中：k＝0，1，
…
，n；利用时间响应方程计算拟合值计算后进行减运算还原：其中：k＝0，1，
…
，n，4.如权利要求2所述的基于数据驱动的柴油机安保参数预测方法，其特征在于，所述步骤S22包括：步骤S221：对采集的所述安保扩展参数进行数据处理，使数据在保留变化趋势下尽量平滑；步骤S222：趋势警报；其中，对数据进行一阶差分处理，并寻找差分变化波动点，该点为趋势变化剧烈时间点，进行记录；步骤S223：间步数据筛选；其中，采用逐步预测，利用一定跨度比进行前期数据选择，短期数据的预测利用短期历史数据，并采用一定时间跨度比，预测时步增长的同时，增加用于拟合的历史数据的时序长度；设输入参数时间观测序列为：x1，x2，
…
，x
t
，共t个时间序列数据，设定间步跨度为s，则根据数据间隔等比例增加时间跨度，若预测未来时间k内的时间，则筛选数据标准为：步骤S224：建立三阶指数平滑预测；其中，一次指数平滑：x
t
为t时刻的实测数值，为t时刻的一次指数平滑值，表示t
‑
1时刻的一次指数平滑值，α为平滑指数，平滑指数与模型拟合精度有关，经...

【专利技术属性】
技术研发人员：沈璐璐，陈力，曹士杰，聂晓崧，张孝双，郑泉，
申请(专利权)人：中国船舶重工集团公司第七一一研究所，
类型：发明
国别省市：