一种融合报警事件和趋势事件的序列相似性分析方法技术

本发明专利技术公开了一种融合报警事件和趋势事件的序列相似性分析方法，方法包括以下步骤：针对设备过程信号，从幅值上提取报警序列；

【技术实现步骤摘要】
一种融合报警事件和趋势事件的序列相似性分析方法


[0001]本专利技术涉及工业过程故障监测与诊断领域，尤其涉及一种融合报警事件和趋势事件的序列相似性分析方法
。

技术介绍

[0002]随着工业系统设备的更新换代，设备之间的连接愈发复杂，使得控制系统的复杂性日益增长，导致监控过程中的决策任务变得困难
。
为了避免意外停机，需要利用收集到的过程数据信息进行对比分析
。
在报警系统中，当过程信号的数据超出设定的报警阈值时视为发生报警
。
故障的发在通常会产生一系列的规律报警或趋势变化
。
报警条件通常伴随着过程信号的异常变化作为前兆，这些变化不仅反映在过程信号的幅度上，还反映其方向上
。
因此，幅值变化和趋势变化都是过程信号不可忽略的特征
。
由于相同故障可能会引起相似的报警或者趋势变化序列，可以引入序列相似性分析来有效区分不同故障
。
[0003]现有面向复杂工业过程的事件序列相似性分析方法主要针对报警序列，其反映的是过程数据的幅值变化特征
。
目前，报警序列的相似性分析方法的研究内容主要包括成对序列的相似性分析
、
多序列比对
、
跨设备的序列比对
、
报警序列在线比对及预测方法等
。
上述方法都是通过对过程信号设定报警阈值来生成报警信号，然后按时间顺序提取报警事件进而得到报警序列；最后将其与历史报警序列数据库做相似性比对，同一故障的报警序列往往具有较高的相似度，进而通过聚类或者分类方法区分故障
。
[0004]但由于设备的复杂化，其内部变量之间的强耦合性，同一变量在不同故障下可能导致相似的报警信号，这会导致不同故障的报警序列相似度较高难以区分的情况
。
因此，为了获得更优的故障区分效果，设计一种融合报警事件和趋势事件的序列相似性分析方法，以提高运行过程中的决策效率和生产率
。

技术实现思路

[0005]为了解决上述问题，本专利技术提供了一种融合报警事件和趋势事件的序列相似分析方法，以实现故障区分
。
面向实际工业过程采集的原始数据，经过数据预处理得到质量较高的分析数据；通过设定报警阈值，生成多值报警信号后提取报警事件；使用定性趋势分析的方法提取预处理后的过程信号的趋势特征，生成定性趋势信号后提取趋势事件；将报警事件和趋势事件进行融合得到多特征事件和序列；采用改进的史密斯
‑
沃特曼算法
(Simth
‑
Waterman,SW)
进行序列比对得到不同序列之间的相似度大小；采用层次聚类方法对不同故障的特征融合序列进行聚类，用于故障区分
。
[0006]本专利技术方法包括以下步骤：
[0007]S1、
针对设备过程信号，从幅值上提取报警序列；
[0008]S2、
针对设备过程信号，从方向上提取趋势序列；
[0009]S3、
融合所述报警序列与所述趋势序列，得到融合序列；
[0010]S4、
对融合序列进行相似性计算和聚类分析，得到不同故障类别
。
[0011]本专利技术提供的有益效果是：在不同故障的报警序列高度相似难以区分时能实现更好的故障区分，可以满足实际工业实时监测及诊断的决策需求
。
附图说明
[0012]图1是本专利技术方法流程示意图；
[0013]图2是报警序列的相似性热力图；
[0014]图3是融合序列的相似性热力图；
[0015]图4是报警序列的层次聚类图；
[0016]图5是融合序列的层次聚类图；
[0017]图6是报警序列和的局部最优匹配图；
[0018]图7是融合序列和的局部最优匹配图
。
具体实施方式
[0019]为使本专利技术的目的
、
技术方案和优点更加清楚，下面将结合附图对本专利技术实施方式作进一步地描述
。
[0020]请参考图1，图1是本专利技术系统结构示意图
。
[0021]本专利技术提供了一种融合报警事件和趋势事件的序列相似性分析方法，包括：
[0022]S1、
针对设备过程信号，从幅值上提取报警序列；
[0023]步骤
S1
具体如下：
[0024]S11、
对过程信号采用小波去噪，得到时间序列数据
x(t)
＝
[x(1),x(2),
…
,x(N)]；根据时间序列数据，得到多报警状态
x
a
(t)
；所述多报警状态包括：高报警状态
、
低报警状态和正常状态；
[0025]S12、
从多报警状态中，采用
ε
采样的闭合延迟定时器，消除抖振报警，得到消除抖振报警后的状态；
[0026]S13、
从消除抖振报警后的状态中分别提取单个过程变量的报警事件，后按事件先后顺序排列整合所有报警事件，构成报警序列
。
[0027]作为一种实施例而言，工厂一般通过对设备中众多过程变量的数据进行收集
、
提取与分析，以此尽可能安全地监控系统运行状态
。
监测设备将过程数据的当前值与设定的报警阈值进行比较，当其数据大于或者小于报警阈值时，视为发生报警
。
[0028]典型的二值报警信号为：发生报警视为1，正常为
0。
二值报警信号有两种表达形式，一是将整个报警期间都视为发生报警，其他视为正常，二是只将报警发生时刻视为发生报警，其他时间视为正常
。
报警信号的生成时常会伴随着抖振报警的出现，可能会导致提取到的报警序列并不准确，进而影响序列比对的相似度结果
。
为避免相似性分析误差较大，应首先移除抖动警报
。
消除干扰报警得到关键性报警后再提取报警事件和报警序列
。
[0029]步骤具体如下：
[0030](1)
报警信号的生成：过程数据通过小波去噪得到时间序列数据
x(t)
＝
[x(1),x(2),
…
,x(N)]，取一定样本数量
n
的正常运行数据，其均值为
[0031][0032]利用3δ
原则进行报警阈值
(T
U
为报警阈值上限，
T
L
为报警阈值下限
)
的设置
。
令
λ
＝3，
T
U
、T
L
的计算公式如下
[0033][0034]本专利技术采取多报警状态：高报警
(1)、
低报警
(
‑
1)、
...

【技术保护点】

【技术特征摘要】
1.
一种融合报警事件和趋势事件的序列相似性分析方法，其特征在于：包括以下步骤：
S1、
针对设备过程信号，从幅值上提取报警序列；
S2、
针对设备过程信号，从方向上提取趋势序列；
S3、
融合所述报警序列与所述趋势序列，得到融合序列；
S4、
对融合序列进行相似性计算和聚类分析，得到不同故障类别
。2.
如权利要求1所述的一种融合报警事件和趋势事件的序列相似性分析方法，其特征在于：步骤
S1
具体如下：
S11、
对过程信号采用小波去噪，得到时间序列数据
x(t)
＝
[x(1),x(2),
…
,x(N)]
；根据时间序列数据，得到多报警状态
x
a
(t)
；所述多报警状态包括：高报警状态
、
低报警状态和正常状态；
S12、
从多报警状态中，采用
ε
采样的闭合延迟定时器，消除抖振报警，得到消除抖振报警后的状态；
S13、
从消除抖振报警后的状态中分别提取单个过程变量的报警事件，后按事件先后顺序排列整合所有报警事件，构成报警序列
。3.
如权利要求1所述的一种融合报警事件和趋势事件的序列相似性分析方法，其特征在于：步骤
S2
具体为：
S21、
利用均值和方差法检验过程信号的平稳性，得到非平稳时间序列；
S22、
对非平稳时间序列，利用
PLR
进行趋势提取，得到趋势分段；
S23、
根据趋势分段，对趋势进行定性分类，包括快速上升
、
上升
、
下降
、
快速下降和平稳五种趋势；
S24、
分别提取单个过程变量在故障期间的趋势事件，后按时间先后顺序整合所有趋势事件，构成趋势序列，并对趋势序列，按趋势分段进行合并
。4.
如权利要求1所述的一种融合报警事件和趋势事件的序列相似性分析方法，其特征在于：步骤
S3
具体如下：
S31、
构建特征事件
f
i
＝
(t
f
,X
f
)
，所述特征事件指在某时刻某种特征发生变化，包括报警状态变化和趋势变化；其中，
i
＝
1,2,
…
N
f
，
N
f
为融合序列包含的特征事件总数，
t
f
为特征发生时刻，
X
f
为特征类别；
S32、
所述融合序列为：
S
f
＝
<f1f2…
f
Nf
>。5.
如权利要求4所述的一种融合报警事件和趋势事件的序列相似性分析方法，其特征在于：步骤
S4
具体为：
S41、
对多种融合序列，采用改进
SW
法进行相互比对，得到相似度矩阵；
S42、
根据相似度矩阵，采用层次聚类法进行聚类，得到不同类别
。6.
如权利要求5所述的一...

【专利技术属性】
技术研发人员：胡文凯，王哲，黎育朋，万雄波，曹卫华，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：