一种基于掘进机电控数据的故障检测方法技术

本发明专利技术涉及数据处理技术领域，具体涉及一种基于掘进机电控数据的故障检测方法。方法包括：基于掘进机的各子设备当前时间段内各采集时刻的运行数据构建第一图结构，对第一图结构中的节点进行聚类，基于各聚类簇中的节点获得各节点对应的影响指标，进而确定待去除节点，计算与待去除节点相连的各节点的分配权重；基于与待去除节点相连的各节点的节点值和分配权重确定对应的目标节点值，进而获得目标图结构；基于目标图结构中各节点的节点值、各节点与相连节点之间的边权值，获得故障概率值，进而判断各子设备是否为疑似出现故障的子设备。本发明专利技术提高了掘进机子设备的故障检测精度。本发明专利技术提高了掘进机子设备的故障检测精度。本发明专利技术提高了掘进机子设备的故障检测精度。

【技术实现步骤摘要】
一种基于掘进机电控数据的故障检测方法


[0001]本专利技术涉及数据处理
，具体涉及一种基于掘进机电控数据的故障检测方法。

技术介绍

[0002]随着科学技术的发展，具有多功能自动化的掘进机被普遍应用到各个领域，该类掘进机由多个子设备组成，进而实现煤岩的截割、行走、喷雾灭尘等诸多功能。该类掘进机在各个子设备中安装不同类型的传感器，用于采集掘进机工作过程中的多种类型的数据，进而实现对掘进机工况信息的实时监测，若出现故障，则能够检测出掘进机的故障位置。
[0003]现有的掘进机子设备的故障检测方法是根据监测数据值与阈值之间的差异来判断各子设备是否出现故障，由于掘进机中的各个子设备之间存在着联系，即各个子设备之间互相影响，因此若一个子设备发生故障，则与该子设备存在关联的其它子设备同样会产生运行异常，对应的传感器采集的数据都会发生异常，例如掘进机的截割电机发生异常时，会使得温度迅速升高，导致液压油缸的油温油压出现异常。因此在判断掘进机中的各子设备是否发生故障时，若仅通过监测数据值与阈值之间的差异来进行判定，会造成极大的误差，检测精度较低。

技术实现思路

[0004]为了解决现有方法对掘进机的子设备进行故障检测时存在的检测精度较低的问题，本专利技术的目的在于提供一种基于掘进机电控数据的故障检测方法，所采用的技术方案具体如下：本专利技术提供了一种基于掘进机电控数据的故障检测方法，该方法包括以下步骤：实时获取掘进机的每个子设备的运行数据；基于掘进机正常运行过程中各子设备在目标时间段内各采集时刻的运行数据构建标准图结构，基于所述标准图结构和掘进机的各子设备当前时间段内各采集时刻的运行数据构建第一图结构；图结构中的节点为掘进机的各子设备，节点值为对应子设备在对应时间段内所有采集时刻的运行数据的均值，边权值为对应两个子设备的运行数据的相关性；采用谱聚类算法对第一图结构中的节点进行聚类获得各聚类簇，基于各聚类簇中的节点获得各聚类簇内的各节点对应的影响指标，根据所述影响指标获取各聚类簇中的待去除节点；基于第一图结构中与待去除节点相连的各节点和待去除节点之间的边权值以及所述影响指标，得到第一图结构中与待去除节点相连的各节点的分配权重；基于第一图结构中与待去除节点相连的各节点的节点值和所述分配权重确定第一图结构中与待去除节点相连的各节点对应的目标节点值，将待去除节点进行去除并基于所述目标节点值对所对应节点的节点值进行更新获得目标图结构；基于目标图结构中各节点的节点值、目标图结构中各节点与相连节点之间的边权
值和标准图结构，得到目标图结构中各节点对应的故障概率值；基于所述故障概率值获取疑似出现故障的子设备。
[0005]优选的，所述将待去除节点进行去除并基于所述目标节点值对所对应节点的节点值进行更新获得目标图结构，包括：将第一图结构中的所有待去除节点进行去除，将与待去除节点相连的各节点对应的目标节点值作为对应节点新的节点值对所对应节点的节点值进行更新，将去除待去除节点且更新完节点值的图结构记为第二图结构；采用谱聚类算法对第二图结构中的节点进行聚类获得第二图结构中的各聚类簇，获取谱聚类过程中拉普拉斯矩阵中的每个特征向量的特征值；若任意两个特征向量的特征值的差值的绝对值均小于差异阈值，则停止对图结构中节点的去除；若存在两个特征向量的特征值的差值的绝对值大于等于差异阈值，则获取第二图结构中的待去除节点，对第二图结构中与待去除节点相连的节点的节点值进行更新，获得第三图结构；以此类推，直到谱聚类过程中获取的拉普拉斯矩阵中任意两个特征向量的特征值均小于差异阈值为止，将最终获得的图结构记为目标图结构。
[0006]优选的，第一图结构中任意两个节点之间的边权值的获取过程为：将其中一个节点对应的子设备记为第一子设备，将另一个节点对应的子设备记为第二子设备；基于第一子设备在当前时间段内各采集时刻的运行数据和第二子设备在当前时间段内各采集时刻的运行数据，计算第一子设备和第二子设备在当前时间段内对应的皮尔逊相关系数；将所述皮尔逊相关系数的绝对值作为对应两个节点之间的边权值。
[0007]优选的，所述基于各聚类簇中的节点获得各聚类簇内的各节点对应的影响指标，包括：对于第b个聚类簇内的第个节点：计算第b个聚类簇内节点的总数量与常数1的差值，记为第一差值；计算第b个聚类簇内与第个节点相连的节点的数量与所述第一差值的比值，记为第一指标；将所述第一指标与第b个聚类簇内的第个节点对应的聚集性大小的乘积作为第b个聚类簇内的第个节点对应的影响程度；对所述影响程度进行归一化处理，将归一化结果作为第b个聚类簇内的第个节点对应的影响指标。
[0008]优选的，所述根据所述影响指标获取各聚类簇中的待去除节点，包括：分别获取各聚类簇中影响指标最大的节点，记为待去除节点。
[0009]优选的，所述基于第一图结构中与待去除节点相连的各节点和待去除节点之间的边权值以及所述影响指标，得到第一图结构中与待去除节点相连的各节点的分配权重，包括：采用如下公式计算第个待去除节点所在的聚类簇中与第个待去除节点相连的第个节点的分配权重：
其中，为第个待去除节点所在的聚类簇中与第个待去除节点相连的第个节点的分配权重，为第个待去除节点所在的聚类簇中与第个待去除节点相连的第个节点和第个待去除节点之间的边权值，为第个待去除节点的影响指标，为第个待去除节点所在的聚类簇中与第个待去除节点相连的第个节点的影响指标，为第个待去除节点所在的聚类簇中与第个待去除节点相连的节点的总数量，为第个待去除节点所在的聚类簇中与第个待去除节点相连的第个节点和第个待去除节点之间的边权值，为调整参数，为取绝对值。
[0010]优选的，所述基于第一图结构中与待去除节点相连的各节点的节点值和所述分配权重确定第一图结构中与待去除节点相连的各节点对应的目标节点值，包括：对于第一图结构中与第个待去除节点相连的第个节点：计算第一图结构中的第个待去除节点的节点值与第一图结构中第个待去除节点在标准图结构中对应的节点值的差值的绝对值，记为第一绝对值；计算所述第一绝对值和第一图结构中与第个待去除节点相连的第个节点的分配权重的乘积，记为第一乘积；将所述第一乘积和第一图结构中与第个待去除节点相连的第个节点的节点值之和作为第一图结构中与第个待去除节点相连的第个节点对应的目标节点值。
[0011]优选的，采用如下公式计算目标图结构中各节点对应的故障概率值：其中，为目标图结构中第个节点对应的故障概率值，为目标图结构中第个节点的节点值，为目标图结构中第个节点在标准图结构中对应的节点值，为目标图结构中与第个节点相连的节点的个数，为目标图结构中与第个节点相连的第个节点与第个节点之间的边权值，为目标图结构中与第个节点相连的第个节点与第个节点在标准图结构中对应的边权值，为线性归一化函数，为取绝对值。
[0012]优选的，所述基于所述故障概率值获取疑似出现故障的子设备，包括：按照故障概率值从大到小的顺序对目标结构图中的节点进行排序，将前预设个数的故障概率值所对应的节点对应的子设备作为疑似出现故障的子设备。
[0013]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于掘进机电控数据的故障检测方法，其特征在于，该方法包括以下步骤：实时获取掘进机的每个子设备的运行数据；基于掘进机正常运行过程中各子设备在目标时间段内各采集时刻的运行数据构建标准图结构，基于所述标准图结构和掘进机的各子设备当前时间段内各采集时刻的运行数据构建第一图结构；图结构中的节点为掘进机的各子设备，节点值为对应子设备在对应时间段内所有采集时刻的运行数据的均值，边权值为对应两个子设备的运行数据的相关性；采用谱聚类算法对第一图结构中的节点进行聚类获得各聚类簇，基于各聚类簇中的节点获得各聚类簇内的各节点对应的影响指标，根据所述影响指标获取各聚类簇中的待去除节点；基于第一图结构中与待去除节点相连的各节点和待去除节点之间的边权值以及所述影响指标，得到第一图结构中与待去除节点相连的各节点的分配权重；基于第一图结构中与待去除节点相连的各节点的节点值和所述分配权重确定第一图结构中与待去除节点相连的各节点对应的目标节点值，将待去除节点进行去除并基于所述目标节点值对所对应节点的节点值进行更新获得目标图结构；基于目标图结构中各节点的节点值、目标图结构中各节点与相连节点之间的边权值和标准图结构，得到目标图结构中各节点对应的故障概率值；基于所述故障概率值获取疑似出现故障的子设备。2.根据权利要求1所述的一种基于掘进机电控数据的故障检测方法，其特征在于，所述将待去除节点进行去除并基于所述目标节点值对所对应节点的节点值进行更新获得目标图结构，包括：将第一图结构中的所有待去除节点进行去除，将与待去除节点相连的各节点对应的目标节点值作为对应节点新的节点值对所对应节点的节点值进行更新，将去除待去除节点且更新完节点值的图结构记为第二图结构；采用谱聚类算法对第二图结构中的节点进行聚类获得第二图结构中的各聚类簇，获取谱聚类过程中拉普拉斯矩阵中的每个特征向量的特征值；若任意两个特征向量的特征值的差值的绝对值均小于差异阈值，则停止对图结构中节点的去除；若存在两个特征向量的特征值的差值的绝对值大于等于差异阈值，则获取第二图结构中的待去除节点，对第二图结构中与待去除节点相连的节点的节点值进行更新，获得第三图结构；以此类推，直到谱聚类过程中获取的拉普拉斯矩阵中任意两个特征向量的特征值均小于差异阈值为止，将最终获得的图结构记为目标图结构。3.根据权利要求1所述的一种基于掘进机电控数据的故障检测方法，其特征在于，第一图结构中任意两个节点之间的边权值的获取过程为：将其中一个节点对应的子设备记为第一子设备，将另一个节点对应的子设备记为第二子设备；基于第一子设备在当前时间段内各采集时刻的运行数据和第二子设备在当前时间段内各采集时刻的运行数据，计算第一子设备和第二子设备在当前时间段内对应的皮尔逊相关系数；将所述皮尔逊相关系数的绝对值作为对应两个节点之间的边权值。4.根据权利要求1所述的一种基于掘进机电控数据的故障检测方法，其特征在于，所述基于各聚类簇中的节点获得各聚类簇内的各节点对应的影响指标，包括：对于第b个聚类簇内的第个节点：计算第b个聚类簇内节点的总数量与常数1的差值，记为第一差...

【专利技术属性】
技术研发人员：庄奎斌，逄志明，张楠，
申请(专利权)人：山东拓新电气有限公司，
类型：发明
国别省市：