一种基于贡献值和因果图的故障定位方法技术

本发明专利技术公开了一种基于贡献值和因果图的故障定位方法，先输入设备历史监测数据，发现故障后，首先计算每维数据特征的贡献值，依据贡献值对监测变量进行排序，判断最大贡献值对应的变量可否判断为故障变量，若不可则将贡献值较大的变量视为待选变量集，计算转移熵绘制因果图，从而确定故障变量，最后输出故障变量；本发明专利技术方法通过特征排序对变量进行了筛选，大大降低了因果图分析的复杂性，由于使用因果图分析了变量的相互影响，故障定位的准确性相较于贡献值方法也得到了提升。于贡献值方法也得到了提升。于贡献值方法也得到了提升。

【技术实现步骤摘要】
一种基于贡献值和因果图的故障定位方法


[0001]本专利技术涉及故障诊断
，具体涉及一种综合T2贡献值排序和转移熵因果图的故障定位方法。

技术介绍

[0002]随着现代科技的发展，制造设备的效率得到了极大的提升。尽管设备的可靠性也有了很大进步，但偶发的故障依旧不可避免。这些偶发的故障不仅会影响设备的正常运行，严重的甚至会造成安全事故。因此，对设备状态进行实时感知，及时发现故障和故障产生的原因至关重要。
[0003]故障定位指的是当检测出故障后，对设备采集数据进行综合分析，确定和故障最相关的传感器变量，帮助操作人员能够及时分析出故障原因，尽快恢复设备的正常运行。
[0004]传统的贡献值侧重于对每个变量进行分析，计算单个变量对故障结果的贡献程度。方法虽然简单，却没有考虑系统变量间的内部耦合影响，准确性有待提升。而因果图方法分析变量间的因果关系，然后绘制成网络节点图，用箭头表示变量间的影响和被影响关系，通过分析因果图，确认故障发生的根本变量。由于变量众多，导致计算分析十分复杂。

技术实现思路

>[0005]针对现本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于贡献值和因果图的故障定位方法，其特征在于：步骤如下S1，输入设备历史监测数据，判断是否发生故障，否则结束；S2，在发现故障后，计算每个监测变量的贡献值，依据贡献值对监测变量进行排序；S3，判断最大贡献值对应的变量可否判断为故障变量：如果排序第一的特征贡献值远超后面，那么该特征就是故障变量，输出故障变量并结束；反之，将其放入待选变量集合F中：在从排序第一的特征到排序第N的特征中，如果第i个特征的贡献值远超第i+1个，则待选变量集合F仅包含前i维特征，反之则待选变量集合F包含了所有前N个维特征，计算待选变量集合F中所有特征两两之间的转移熵；S4，根据待选变量集合F的转移熵绘制因果图，分析因果图从而确定故障变量；S5，输出故障变量。2.根据权利要求1所述的一种基于贡献值和因果图的故障定位方法，其特征在于，所述的步骤S1中使用主成分分析方法进行故障定位；计算历史监测数据的T2统计量，然后分析每个监测变量对T2统计量的贡献程度并进行比较，判断出贡献程度越大的监测变量越有可能引起故障；所述的主成分分析方法通过对历史监测数据进行坐标变换，留下方差最大的前几个主元方向，从而实现对原始高维数据的降维。3.根据权利要求2所述的一种基于贡献值和因果图的故障定位方法，其特征在于，所述的主成分分析降维的流程如下：令X＝(x1,x2...x
n
)
Τ
表示n个m维监测变量组成的原始数据样本矩阵，m表示总传感器的个数，n为样本个数，对每维监测变量进行标准化处理；使用表示样本协方差矩阵，{λ1,λ2...λ
a
}为Y的前a个最大的特征值，a≤m，则{p1,p2...p
a<...

【专利技术属性】
技术研发人员：郑敬浩，范强，何亦舟，刘松，谭海，
申请(专利权)人：武汉华中天经通视科技有限公司，
类型：发明
国别省市：