一种压缩机异常检测方法、装置和计算机可读存储介质制造方法及图纸

本申请实施例公开了一种压缩机异常检测方法、装置和计算机可读存储介质，该方法包括：获取待检测设备的第一现场运行数据，并识别第一现场运行数据所属工况；在第一现场运行数据所属工况对应的异常检测模型存在的情况下，将第一现场运行数据输入所属工况对应的异常检测模型进行异常检测，并输出检测结果；在检测结果符合预设条件的情况下，将第一现场运行数据加入训练数据集中，更新第一现场运行数据所属工况对应的异常检测模型；预设条件包括：检测结果中的异常值x大于或等于异常报警阈值t且小于或等于t的N倍。通过该实施例方案，实现了在不增加额外传感器，不需要额外故障实验的情况下，使得诊断模型在全工况下均具备较高准确性，并且可以提高训练数据质量，减少运算量。减少运算量。减少运算量。

【技术实现步骤摘要】
一种压缩机异常检测方法、装置和计算机可读存储介质


[0001]本申请实施例涉及电器设备异常检测技术，尤指一种压缩机异常检测方法、装置和计算机可读存储介质。

技术介绍

[0002]磁悬浮压缩机是冷水机组核心设备，及时发现磁悬浮压缩机异常情况可以有效的提升设备的可靠性。目前常见的异常检测方法从数据源可以分为：使用振动信号进行异常检测、使用温度、压力等进行异常检测；从检测方法可以分为：基于信号处理、基于物理模型或基于数据驱动等方法。使用振动传感器无疑增加了故障预警成本，足够准确的物理模型的开发及应用同样存在较大难度。

技术实现思路

[0003]本申请实施例提供了一种压缩机异常检测方法、装置和计算机可读存储介质，能够不增加额外传感器，不需要额外故障实验，使得诊断模型在全工况下均具备较高准确性，并且可以提高训练数据质量，减少运算量。
[0004]本申请实施例提供了一种压缩机异常检测方法，所述的方法可以包括：
[0005]获取待检测设备运行过程中的第一现场运行数据，并且识别所述的第一现场运行数据的所属工况；
[0006]在所述的第一现场运行数据的所属工况对应的异常检测模型已存在的情况下，将所述的第一现场运行数据输入到所属的工况所对应的异常检测模型来进行异常检测，并且输出检测结果；
[0007]当所述的检测结果符合设置的预设条件时，将所述第一现场运行数据加入训练数据集中，可以更新输入的第一现场运行数据所属的工况所对应的异常检测模型，从而可以在后续的异常检测当中使用更新以后的异常检测模型开进行异常检测；所述预设条件包括：所述检测结果中包含的异常值x大于或等于异常报警阈值t，并且小于或等于t的N倍；N为大于1的正整数；其中，N为大于1的正整数。
[0008]在本申请的示例性实施例中，所述的自动更新输入的第一现场运行数据相应工况对应的所述得异常检测模型，可以包括：
[0009]采用加入第一现场运行数据后的训练数据对相应工况所对应的异常检测模型重新进行训练，从而实现自动地更新该异常检测模型，将重新训练好的该异常检测模型作为所属工况对应的更新以后的异常检测模型。
[0010]在本申请的示例性实施例中，所述的方法还可以包括：在所述的异常检测模型每一次进行异常检测以后，输出所述的异常报警阈值t以及倍数N；所述的检测结果中包含所述的异常报警阈值t以及倍数N。
[0011]在本申请的示例性实施例中，所述将所述的第一现场运行数据输入到所属工况所对应的异常检测模型中进行异常检测，可以包括：
[0012]在所述的异常检测模型中对所述第一现场运行数据进行特征提取和归一化后，采用预先设置的主成分分析算法来对所述的第一现场运行数据执行数据分析，从而实现异常检测。
[0013]在本申请的示例性实施例中，所述的主成分分析算法可以用于检测输入所述的异常检测模型的一个或多个所述第一现场运行数据是否为异常数据；
[0014]在本申请的示例性实施例中，所述方法还可以包括:按照以下的方式获取所述的第一现场运行数据所属的工况所对应的异常检测模型：
[0015]调取预先已经创建并且已训练好的所述的第一现场运行数据所属的工况所对应的异常检测模型；或者，
[0016]直接创建并且训练所述的第一现场运行数据所属的工况所对应的异常检测模型。
[0017]在本申请的示例性实施例中，创建并训练不同工况下的异常检测模型，可以包括：
[0018]建立不同的工况对应的异常检测神经网络模型；
[0019]获取待检测设备在运行过程中的第二现场运行数据，并且识别所述的第二现场运行数据所属的工况，将获取的所述第二现场运行数据作为所识别出的工况对应的异常检测神经网络模型对应的训练数据；
[0020]对于每种工况下的异常检测神经网络模型，分别进行如下训练步骤：将该工况对应的训练数据输入该工况对应的异常检测神经网络模型中，对该异常检测神经模型进行训练，将训练好的异常检测神经模型作为该工况对应的异常检测模型。
[0021]在本申请的示例性实施例中，在将该工况对应的训练数据输入到相应工况下的异常检测神经网络模型当中进行训练之前，所述的方法还可以包括：
[0022]每次当加入新的训练数据以后，检测相应的工况下所述训练数据的数量是否已经达到预先设置的数量阈值；
[0023]当所述相应的工况下所述训练数据的数量已经达到了所述的数量阈值时，可以将所述的相应的工况下所述训练数据输入到相应工况下的所述异常检测神经网络模型当中进行训练；
[0024]当所述的相应的工况下所述训练数据的数量还未达到所述的数量阈值时，可以继续等待该工况下新的训练数据的加入。
[0025]在本申请的示例性实施例中，所述的待检测设备可以包括磁悬浮压缩机；所述的第一现场运行数据和所述的第二现场运行数据是所述磁悬浮压缩机正常运行时自带传感器获取的运行数据；所述第一现场运行数据和所述第二现场运行数据均可以包括但不限于以下的任意一种或者多种：
[0026]导叶开度反馈、二级排气压力、变频器反馈频率、吸气压力、AZ电流、FY电流、FX电流、RY电流、RX电流、FY位移、FX位移、RY位移、RX位移以及AZ位移。
[0027]在本申请的示例性实施例中，所述的方法还可以包括：
[0028]当全部的所述异常检测模型当中没有与所述的第一现场运行数据所属的工况对应的所述异常检测模型时，可以直接创建并训练与所述的第一现场运行数据所属的工况相对应的异常检测模型。
[0029]本申请实施例还提供了一种压缩机异常检测装置，可以包括但不限于处理器以及计算机可读的存储介质，所述的计算机可读的存储介质当中存储有指令，当所述的指令被
所述的处理器执行时，可以实现所述的压缩机异常检测方法。
[0030]本申请实施例还提供了一种计算机可读的存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述的压缩机异常检测方法。
[0031]与相关技术相比，本申请实施例可以包括：获取待检测设备运行过程中的第一现场运行数据，并且识别所述的第一现场运行数据的所属工况；在所述的第一现场运行数据的所属工况对应的异常检测模型已存在的情况下，可以将所述的第一现场运行数据输入到所属的工况所对应的异常检测模型来进行异常检测，并且输出检测结果；当所述的检测结果符合设置的预设条件时，将所述第一现场运行数据加入训练数据集中，可以自动更新输入的第一现场运行数据所属工况下的所述的异常检测模型，从而可以在后续的异常检测当中使用更新以后的异常检测模型开进行异常检测；所述预设条件包括：所述检测结果中包含的异常值x大于或等于异常报警阈值t，并且小于或等于t的N倍；其中，N为大于1的正整数。通过该实施例方案，实现了在不增加额外传感器，不需要额外故障实验的情况下，使得诊断模型在全工况下均具备较高准确性，并且可以提高训练数据质量，减少运算量。
[0032]本申请的其它特征和优点将在随后的说明书中阐述，并且，部分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种压缩机异常检测方法，其特征在于，所述方法包括：获取待检测设备的第一现场运行数据，并识别所述第一现场运行数据所属工况；在所述第一现场运行数据所属工况对应的异常检测模型存在的情况下，将所述第一现场运行数据输入所属工况对应的异常检测模型进行异常检测，并输出检测结果；在所述检测结果符合预设条件的情况下，将所述第一现场运行数据加入训练数据集中，更新所述第一现场运行数据所属工况对应的异常检测模型；所述预设条件包括：所述检测结果中包含的异常值x大于或等于异常报警阈值t，并且小于或等于t的N倍；N为大于1的正整数。2.根据权利要求1所述的压缩机异常检测方法，其特征在于，所述更新所述第一现场运行数据所属工况对应的异常检测模型，包括：采用加入所述第一现场运行数据后的训练数据对所属工况对应的异常检测模型进行重新训练，将重新训练好的异常检测模型作为所属工况对应的更新后的异常检测模型。3.根据权利要求2所述的压缩机异常检测方法，其特征在于，所述检测结果中包含所述异常报警阈值t和倍数N。4.根据权利要求1所述的压缩机异常检测方法，其特征在于，所述将所述第一现场运行数据输入所属工况对应的异常检测模型进行异常检测，包括：在所述异常检测模型中对所述第一现场运行数据进行特征提取和归一化后，采用预设的主成分分析算法对所述第一现场运行数据进行数据分析，实现异常检测。5.根据权利要求1所述的压缩机异常检测方法，其特征在于，所述方法还包括:按照以下方式获取所述第一现场运行数据所属工况对应的异常检测模型：调取预先创建并训练好的所述第一现场运行数据所属工况对应的异常检测模型，或者，创建并训练所述第一现场运行数据所属工况对应的异常检测模型。6.根据权利要求5所述的压缩机异常检测方法，其特征在于，创建并训练对应于不同工况的异常检测模型，包括：建立不同工况下的异常检测神经网络模型；获取待检测...

【专利技术属性】
技术研发人员：吴斌，范波，吴昕，杨斌，
申请(专利权)人：重庆美的通用制冷设备有限公司美的集团股份有限公司，
类型：发明
国别省市：