一种封装板卡通道的健康状态检测方法技术

本发明专利技术公开了一种封装板卡通道的健康状态检测方法，尤其是缺乏历史数据的新故障发生情形。所述健康状态检测方法包括：记录外部激励信号，采用OPC技术获得板卡通道的内部转化数值，计算两者的差值构造健康数据下的误差时间序列，将误差时间序列采用滑动窗口分割，进而构建健康Hankel矩阵。人为设定健康状态冗余向量，在此基础上构造临界故障矩阵，与健康Hankel矩阵共同构成训练样本，建立概率神经网络，求取各个样本属于健康状态和故障状态的概率，最后基于贝叶斯决策理论，取每行概率最大值作为该样本的所属类。该方法在不破坏板卡的封装外壳情况下，直接利用外部健康时间序列信息进行板卡的健康状态检测，解决了由于没有历史数据导致新发生故障难以诊断的困难，提高了板卡通道的健康状态检测的准确性。板卡通道的健康状态检测的准确性。板卡通道的健康状态检测的准确性。

【技术实现步骤摘要】
一种封装板卡通道的健康状态检测方法


[0001]本专利技术涉及一种封装板卡通道的健康状态检测方法，尤其是缺乏历史数据的新故障发生情形。在不破坏板卡的封装外壳情况下，该方法可以直接利用外部时间序列信息进行板卡的健康状态检测。

技术介绍

[0002]工业系统一旦发生故障将导致大量产品报废，生产不正常终止，甚至发生事故。 因此工业系统的安全性问题一直是学者和相关研究人员关注的焦点。在实际系统中，传感器和执行器的信号通常是由控制系统的板卡通道进行采集和发送的，一旦板卡出现问题,将导致采集数据的不准确, 进而影响到分析与决策。为保证板卡运行的安全性和可靠性，板卡通常采用封闭外壳加以保护, 其内部故障通过产品给定的故障代码予以反映, 然而这些故障代码只能当故障发生时才能检测并显示出来，并且指示的故障现象有限。传统的检测方法是在定期检修或凭经验目测，对于怀疑有问题的板卡进行返场检修。但这些措施对于一些高可靠系统远远不够。近些年来基于数据驱动的方法迅速发展，基于数据驱动的方法不需要了解系统的内部结构和状态, 仅仅通过外部数据的分析,获取数据内所包含的信息，从而为封装板卡的检测提供了一种新的方式。然而基于数据驱动的方法需要有大量历史故障数据作为基础，受系统安全限制，通常难以获得大量的历史故障数据，尤其是对于一些新发生的故障不存在历史数据。本专利技术主要解决在缺乏历史故障数据的情况采用数据驱动方法进行封闭板卡通道的健康状态检测问题。

技术实现思路

[0003]本专利技术要解决的技术问题是，针对具有封闭外壳保护的板卡通道，采用概率神经网络和空矩阵相结合的方法得到板卡通道的隐含概率分布特征，进而采用贝叶斯决策方法得到板卡通道的健康状态。
[0004]本专利技术中所涉及到的：外部激励信号是指作用于板卡通道的已知输入信号，可以由信号发生器产生，也可以由其他过程通道产生；OPC技术是指Automation组织提供的第三方用户提供标准数据，用户通过遵循OPC 协议编写OPC Client即能够读取板卡通道内部寄存器的数据；矩阵X的空矩阵N是指满足 一种封装板卡通道的健康状态检测方法，包括：步骤一: 记录外部激励信号,并采用OPC技术获得板卡通道的内部转化数值, 按公式（1）构造健康数据下的误差时间序列按公式（1）构造健康数据下的误差时间序列
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（1）式中，k为采样时刻；步骤二: 设定滑动窗口的长度T，按照公式（2）构造深度为L的 Hankel 矩阵
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（2） 步骤三:设定b为人为设定的健康状态冗余向量, 为 的空矩阵, 为N的逆阵，按公式（3）构造临界故障矩阵
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（3）步骤四:规则1：输入层为滑动时间窗口的长度；规则2：模式层的神经元个数为输入样本的数目；规则3：求和输出层为2，分别表示健康状态和故障状态. 按照规则1，2，3建立概率神经网络PNN；步骤五：构造概率神经网络的训练样本，其中输入，输出为，其中0代表健康状态，1代表故障状态，归一化后的样本矩阵作为基准中心，表示为 ：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（4） 步骤六:将待测试时间序列按公式（2）转变为 Hankel 矩阵，并进行规一化，记作DD
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（5）步骤七：按公式（6）计算C与D的欧拉距离E，（6） 步骤八:假定模式层的激活函数为高斯函数，按公式（7）激活模式层的高斯函数，得到初始概率矩阵
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（7）步骤九：按公式（8）得到各个样本属于各类的概率S
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（8）步骤十：基于贝叶斯决策理论，取每行概率最大值作为该样本的所属类。
[0005]与现有技术相比，本专利技术的有益效果如下：1、本专利技术所述的健康状态检测方法是一种基于概率理论的数据驱动智能方法，通过引入概率神经网络，采用局部样本概率组合描述整个系统的概率分布，提高了检测的准确性；2、本专利技术提出了构造临界故障矩阵的方法，并与原有健康数据构成训练样本，解决新发生故障由于没有历史数据而无法训练的困难；3、本专利技术通过调整健康状态冗余向量来间接改变故障判断的阈值，而不是直接调整判断阈值，一方面可以根据系统的机理更灵活的调整参数，另一方面减少了数据中噪声的影响，降低了由于干扰所造成的误报；4、本专利技术不需要附加外部硬件设备，不需要破坏板卡的封装形式，只是通过软件算法能够检测出板卡通道的健康状态，从而大大降低了诊断成本。
附图说明
[0006]图1 是本专利技术一种针对封装板卡通道的健康状态检测方法的结构示意图；
具体实施方式
[0007]下面结合附图和具体实施例对本专利技术的技术方案作进一步详细描述，所描述的具体的实施例仅对本专利技术进行解释说明，并不用以限制本专利技术。
[0008]本专利技术的一种针对封装板卡通道新出现故障的检测方法，整个系统包括中控系统、外部激励信号源、数据获取单元、数据处理单元、概率神经网络和诊断输出六部分组成，其结构如图1所示：其中，所述中控系统包括服务器，操作站，通讯总线，电源，ＣＰＵ，各种板卡通道，服务器具有数据存储和数据操作权限，操作站用于现场值守人员操作，通讯总线连接服务器、操作站与ＣＰＵ，实现数据传输，板卡通道根据不同性质分为接收数据或输出数据，这里我们以接收数据为例。
[0009]所述外部激励信号源包括信号发生器、信号输入装置或其他可控输入信号；所述数据获取单元包括OPC Client, 或其他具有从服务器读取数据的软件或硬件装置；所述数据处理单元包括数据处理方法及其实施平台，完成误差时间序列、构造Hankel矩阵、归一化及构建临界故障矩阵；所述概率神经网络为根据数据处理单元处理后的数据所构建的与数据相对应的概率神经网络，包括软件实现或硬件实现；所述输出结果为所构建的概率神经网络的输出，分为健康和故障两种结果。
[0010]具体工作步骤如下：步骤一: 记录外部激励信号 ,并采用OPC技术获得板卡通道的内部转化
数值, 按公式（1）构造健康数据下的误差时间序列
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（1）式中，k为采样时刻；步骤二: 设定滑动窗口的长度T, 按照公式（2）构造深度为L的 Hankel矩阵
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（2）步骤三:设定b为人为设定的健康状态冗余向量, 为 的空矩阵,为N的逆阵，按公式（3）构造临界故障矩阵按公式（3）构造临界故障矩阵
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（3）步骤四:规则1：输入层为滑动时间窗口的长度；规则2：模式层本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种封装板卡通道的健康状态检测方法，其特征在于：步骤1: 记录外部激励信号,并采用OPC技术获得板卡通道的内部转化数值, 按公式（1）构造健康数据下的误差时间序列按公式（1）构造健康数据下的误差时间序列
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（1）式中，k为采样时刻；步骤2: 设定滑动窗口的长度T, 按照公式（2）构造深度为L的 Hankel 矩阵
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（2）步骤3:设定b为人为设定的健康状态冗余向量, 为的空矩阵, 为N的逆阵，按公式（3）构造临界故障矩阵公式（3）构造临界故障矩阵
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（3）步骤4:规则1：输入层为滑动时间窗口的长度；规则2：模式层的神经元个数为输入样本的数目；规则3：求和输出层为2，分别表示健康状态和故障状态. 按照规则1，2，3建立概率神经网络PNN；步骤5：构造概率神经网络的训练样本，其中输入，输出为，其中0代表健康状态，1代表故障状态，规一化后的样本矩阵作为基准中心，表示为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（4）步骤6:将待测试时间序列按公式（...

【专利技术属性】
技术研发人员：张大鹏，高志伟，黄文杰，
申请(专利权)人：天津大学，
类型：发明
国别省市：