一种改进深度森林故障检测方法、系统、设备及存储介质技术方案

本发明专利技术公开了一种改进深度森林故障检测方法、系统、设备及存储介质，包括：获取天然气场站的数据；将所述天然气场站的数据输入到训练及测试后的故障检测模型中，以判断天然气场站是否发生故障，其中，故障检测模型通过改进后的深度森林算法构建而成，该方法、系统、设备及存储介质的故障检测的准确性较高。及存储介质的故障检测的准确性较高。及存储介质的故障检测的准确性较高。

【技术实现步骤摘要】
一种改进深度森林故障检测方法、系统、设备及存储介质


[0001]本专利技术属于数据分析领域，涉及一种改进深度森林故障检测方法、系统、设备及存储介质。

技术介绍

[0002]天然气本质上属于一种具备着清洁性、便利性以及高效性的特征，使得越来越多的国家都加大了对天然气资源的开发力度，各种天然气产品也相继问世，为天然气化工创建出了更加优异的发展前景。近年来，天然气工业逐渐向着大型化、智能化及复杂化发展。在此前提下，实际天然气生产和储运中的过程运行也更加复杂，发生故障的可能性及对应破坏性也随之增大，故障检测系统的研发工作势在必行。
[0003]系统中的故障可以理解为系统至少一个特性或是参数出现较大的偏差，超出了可接受的范围。近年来以故障检测、故障辨识、故障模式识别、故障决策和容错控制为主要研究内容的故障诊断技术已经成为工程监控和复杂系统自动化研究的重要领域。为提高设备或系统的安全性和可靠性，故障检测与诊断技术(fault detection and diagnos，FDD)应运而生。故障检测主要判断设备或系统是否发生了故障和指明发生故障的时间。目前故障检测技术分为三类，基于过程模型、基于知识模型和基于数据的模型。基于过程模型的方法的展现形式要以数学结构和参数，通常是动态的过程模型。于连续时间的线性过程，模型可以是差分方程或z
‑
传递函数，相应的离散时间(采样后)模型有脉冲响应、脉冲响应(加权函数)的微分方程。对于故障检测，一般的微分方程或差分方程是主要适用的。基于过程模型方法包括状态估计、参数估计和等价空间等。基于知识的诊断推理的主要方法是在知识的层次上,以知识处理技术为基础,实现辩证逻辑与数理逻辑的集成,符号处理与数值处理的统一,推理过程与算法过程的统一。采用的方法有：专家系统方法、图搜索、模糊推理方法、模式识别方法、定性观测器、定性仿真和神经元网络方法等。实际工业过程往往受大量空间上具有相关性的变化信号交互作用因此引起基于多变量统计技术故障诊断方法的研究从而产生了数据驱动(data
‑
driven)方法。随着机器学习和智能制造技术的飞速发展，数据驱动的故障检测方法成为近年来的研究热点。基于数据驱动的方法包括多元统计分析、信号处理、机器学习和深度学习等。
[0004]从2017年，周志华等人提出深度森林，深度学习的研究也有了另一个思维方向上的扩展。目前深度森林算法已经广泛应用在各种故障检测领域，并且取得了优异的成绩。深度森林算法共有两个阶段的工作构成，分别是:多粒度扫描阶段(multi
‑
grained scanning)和级联森林阶段(cascade forest)。多粒度扫描采用滑动窗口结构从高维扫描局部上下文，根据不同的随机森林学习输入数据的表示，可以产生多个不同维度的特征实例，从而提高模型的表征学习能力。采样过程为：首先选择不同尺寸的滑动窗口分别对原始特征进行扫描，然后将相同尺寸窗口得到的特征子向量提取出来，分别将其输入随机森林和完全随机森林进行训练，完全随机森林与随机森林的区别在于，完全随机森林中的每棵树随机选择一个特征，在树的节点进行特征空间的划分，且树的生长规则为直到每个叶结
点只包含相同类别的实例或不超过10个实例。最后将所有随机森林输出的概率向量进行拼接，该拼接向量即为转换后的特征表征向量。级联森林阶段的每一级都由多个不同类型的森林模型组成。深度森林算法利用级联森林阶段对数据特性逐层进行处理，加强了算法的表征学习能力，有利于提高预测精准度。级联森林的每层结构包含不同的基础森林分类器，多个不同类型的森林分类器结合可以充分学习输入特征向量的特征信息，从而提高模型的整体性能。
[0005]但是在传统深度森林的级联森林模型中，每层级联结构的森林对最终的预测结果都有相同的贡献，最后会使分类分布的结果对拟合量敏感，会对故障检测模型的性能造成影响，因此故障检测的准确性较差。

技术实现思路

[0006]本专利技术的目的在于克服上述现有技术的缺点，提供了一种改进深度森林故障检测方法、系统、设备及存储介质，该方法、系统、设备及存储介质的故障检测的准确性较高。
[0007]为达到上述目的，本专利技术采用如下技术方案：
[0008]本专利技术一方面，本专利技术所述的改进深度森林故障检测方法包括：
[0009]获取天然气场站的数据；
[0010]将所述天然气场站的数据输入到训练及测试后的故障检测模型中，以判断天然气场站是否发生故障，其中，故障检测模型通过改进后的深度森林算法构建而成。
[0011]还包括：
[0012]收集天然气场站的历史数据；
[0013]对天然气场站的历史数据进行整理，将每一次收集的数据组成一维向量，并通过相应的类别对故障数据进行标记，得若干带有标签的样本；
[0014]将所有带有标签的样本分为训练集及测试集；
[0015]基于改进后的深度森林算法构建故障检测模型；
[0016]对训练集及测试集使用多粒度扫描，得训练集及测试集的类概率表征向量样本集；
[0017]在训练集中使用三次k折交叉验证，以训练故障检测模型，得每层的权重向量W＝(w
1 w2ꢀ…ꢀ
w
t
)
T
；
[0018]使用测试集的类概率表征向量样本集测试所述故障检测模型，得训练及测试后的故障检测模型。
[0019]还包括：对故障检测结果进行显示。
[0020]还包括：当天然气场站发生故障时，则通过报警模块进行报警。
[0021]还包括：对深度森林算法进行改进，得改进后的深度森林算法。
[0022]对深度森林算法进行改进的具体过程为：
[0023]设训练数据集中有P个类别的实例，每层各森林的权重通过k折交叉验证进行估计，采用随机抽样将训练集分割成k个子样本集，其中一个子样本集被保留作为验证随机森林的数据集，其他k
‑
1个子样本集用于训练，交叉验证重复k次，每个子样本集验证一次，每次得到一个随机森林的分类精确度，则训练验证完每层级联森林，得分类精度矩阵，根据分类精度矩阵，求取每个森林的平均分类精度，选择具有最大概率的类作为分类结果。
[0024]本专利技术所述的改进深度森林故障检测系统包括：
[0025]数据导入模块，用于获取天然气场站的数据；
[0026]故障检测模块，用于将所述天然气场站的数据输入到训练及测试后的故障检测模型中，以判断天然气场站是否发生故障，其中，故障检测模型通过改进深度森林算法构建而成。
[0027]本专利技术所述的计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述改进深度森林故障检测方法的步骤。
[0028]本专利技术所述的计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述改进深度森林故障检测方法的步骤。
[0029]本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种改进深度森林故障检测方法，其特征在于，包括：获取天然气场站的数据；将所述天然气场站的数据输入到训练及测试后的故障检测模型中，以判断天然气场站是否发生故障，其中，故障检测模型通过改进后的深度森林算法构建而成。2.根据权利要求1所述的改进深度森林故障检测方法，其特征在于，还包括：收集天然气场站的历史数据；对天然气场站的历史数据进行整理，将每一次收集的数据组成一维向量，并通过相应的类别对故障数据进行标记，得若干带有标签的样本；将所有带有标签的样本分为训练集及测试集；基于改进后的深度森林算法构建故障检测模型；对训练集及测试集使用多粒度扫描，得训练集及测试集的类概率表征向量样本集；在训练集中使用三次k折交叉验证，以训练故障检测模型，得每层的权重向量W＝(w
1 w2ꢀ…ꢀ
w
t
)
T
；使用测试集的类概率表征向量样本集测试所述故障检测模型，得训练及测试后的故障检测模型。3.根据权利要求1所述的改进深度森林故障检测系统，其特征在于，还包括：对故障检测结果进行显示。4.根据权利要求1所述的改进深度森林故障检测系统，其特征在于，还包括：当天然气场站发生故障时，则通过报警模块进行报警。5.根据权利要求1所述的改进深度森林故障检测方法，其特征在于，还包括：对深度森林算法进行改进，得改...

【专利技术属性】
技术研发人员：边根庆，杨登智，
申请(专利权)人：西安建筑科技大学，
类型：发明
国别省市：