【技术实现步骤摘要】
本专利技术涉及一种基于马尔可夫过程特征统计的故障检测方法，属于数据统计。
技术介绍
1、在暖通空调中大约42％的制冷能耗、以及26％的维修费用是设备故障造成。据估计，暖通空调故障会导致能源浪费、以及无法满足人的舒适度需求。因此，暖通空调的故障诊断非常重要。目前的故障诊断方法主要是离线方法，不容易实现故障的快速诊断，另外，由于诊断精度高，目前在针对暖通空调的故障诊断领域，深度学习方法得到广泛的使用，然而这些深度模型基本是纯数据驱动方法，缺乏对诊断结果的解释，目前落实于实际当中的应用效果不佳。
技术实现思路
1、本专利技术所要解决的技术问题是提供一种基于马尔可夫过程特征统计的故障检测方法，对与故障相关各目标属性误差进行分析，以连续异常报警次数为依据，实现目标机器故障的检测。
2、本专利技术为了解决上述技术问题采用以下技术方案：本专利技术设计了一种基于马尔可夫过程特征统计的故障检测方法，基于目标机器上与故障相关的各个目标属性，分别针对各目标属性，执行如下步骤a至步骤b，获得各目标属性分别对应的数据估算模型与连续异常报警次数；进而分别针对各目标属性，实时执行步骤i至步骤v，若存在达到对应连续异常报警次数的目标属性，则判定目标机器存在故障，否则判定目标机器不存在故障；
3、步骤a.基于目标机器上与目标属性相关的各个分析属性，根据历史正常工作数据，针对预设神经网络进行训练，获得用于计算目标属性的正常估算数据的数据估算模型；
4、步骤b.应用数据估算模型获得目
5、步骤i.初始化目标属性异常次数＝0，并进入步骤ii；
6、步骤ii.根据当前时刻目标属性相关各个分析属性的数据，应用目标属性所对应的数据估算模型进行处理，获得当前时刻目标属性的正常估算数据，并结合当前时刻目标属性的检测数据，获得当前时刻目标属性对应的差值，然后进入步骤iii；
7、步骤iii.基于预设置信估算范围数值l，根据目标属性分别对应自上一时刻起向历史时间方向l个时刻的差值，获得当前时刻目标属性对应的置信下限、置信上限，并构成对应置信区间，然后进入步骤iv；
8、步骤iv.判断当前时刻目标属性对应的差值是否跳出其对应的置信区间，是则针对目标属性异常次数进行加1更新，并进入步骤v；否则待进入下一时刻，返回步骤i；
9、步骤v.判断目标属性异常次数是否大于或等于目标属性对应的连续异常报警次数，是则判定目标属性达到对应连续异常报警次数，并待进入下一时刻，返回步骤i；否则待进入下一时刻，返回步骤ii。
10、作为本专利技术的一种优选技术方案：所述步骤a包括如下步骤a1至步骤a2；
11、步骤a1.采用相关性分析法，获得目标机器上预设各个属性中与目标属性相关的各个分析属性，然后进入步骤a2；
12、步骤a2.获得目标机器正常工作所对应预设历史时段下各时间点的各分析属性数据、以及目标属性数据，并以各分析属性数据为输入、以目标属性数据为输出，针对预设神经网络进行训练，获得目标属性所对应的数据估算模型，用于计算目标属性的正常估算数据。
13、作为本专利技术的一种优选技术方案：所述步骤b包括步骤b1至步骤b7；
14、步骤b1.根据目标属性相关的各个分析属性，基于目标机器正常工作所对应预设历史时段下连续各时间点的各分析属性数值，应用数据估算模型，计算获得目标属性对应该连续各时间点的正常估算数据，并结合目标属性对应该连续各时间点的正常检测数据，获得目标属性对应该连续各时间点的差值，构成目标属性对应的连续差值，然后进入步骤b2；
15、步骤b2.根据预设置信估算范围数值l，初始化定义j＝l+1，并进入步骤b3；
16、步骤b3.根据如下公式：
17、
18、
19、计算获得目标属性对应顺序第j-l个差值xj-l至顺序第j-1个差值的xj-1的平均数方差并按计算获得目标属性所对应顺序第j个差值xj对应的置信下限lclj、置信上限uclj；其中，k表示预设系数；
20、同理基于目标属性对应顺序第j-l+1个差值xj-l+1至顺序第j个差值的xj的平均数方差计算获得目标属性所对应顺序第j+1个差值xj+1对应的置信下限lclj+1、置信上限uclj+1；然后进入步骤b4；
21、步骤b4.根据如下公式：
22、
23、计算获得目标属性对应顺序第j个差值位于其置信区间[lclj,uclj]的事件aj发生的概率p(aj)，则获得目标属性对应顺序第j个差值跳出其置信区间[lclj,uclj]的事件aj发生的概率同理获得目标属性对应顺序第j+1个差值位于其置信区间[lclj+1,uclj+1]的事件aj+1发生的概率p(aj+1)，然后进入步骤b5；
24、步骤b5.根据如下公式：
25、
26、计算获得目标属性对应顺序第j个差值位于其置信区间[lclj,uclj]的事件aj发生、且目标属性对应顺序第j+1个差值位于其置信区间[lclj+1,uclj+1]的事件aj+1发生的概率p(aj+1,aj)，然后进入步骤b6；
27、步骤b6.根据如下公式：
28、
29、计算获得当目标属性对应顺序第j个差值跳出其置信区间[lclj,uclj]的事件aj发生，则目标属性对应顺序第j+1个差值也跳出其置信区间[lclj+1,uclj+1]的事件aj+1发生的概率然后进入步骤b7；
30、步骤b7.针对j的值进行加1更新，通过马尔可夫性质得到并判断的结果是否小于预设误报概率上限值，是则返回步骤b3；否则以j时刻作为系统发生故障的时刻，并以k作为目标属性对应的连续异常报警次数。
31、作为本专利技术的一种优选技术方案：所述步骤iii中，根据目标属性分别对应自上一时刻起向历史时间方向l个时刻的差值，首先获得该l个差值的平均数方差然后按计算获得目标属性对应的置信下限lcl、置信上限ucl；最后构成目标属性对应的置信区间[lcl,ucl]，其中，k表示预设系数。
32、作为本专利技术的一种优选技术方案：所述目标机器为空调机组，空调机组上与故障相关的各个目标属性包括送风湿度wa,sup、回风湿度wa,rn、冷冻水流速vchwcc、混风焓值ea,mix、回风风扇的压升prrf、回风风扇转速混风温度ta,mix、混风湿度wa,mix、混风流量ma,mix和新风流速va,oa。
33、本专利技术所述一种基于马尔可夫过程特征统计的故障检测方法，采用以上技术方案与现有技术相比，具有以下技术效果：
34、本专利技术所设计一种基于马尔可夫过程特征统计的故障检测方法，分别针对目标机器上与故障相关的各个目标属性，以目标属性的误差作为本文档来自技高网...
【技术保护点】
1.一种基于马尔可夫过程特征统计的故障检测方法，其特征在于：基于目标机器上与故障相关的各个目标属性，分别针对各目标属性，执行如下步骤A至步骤B，获得各目标属性分别对应的数据估算模型与连续异常报警次数；进而分别针对各目标属性，实时执行步骤i至步骤v，若存在达到对应连续异常报警次数的目标属性，则判定目标机器存在故障，否则判定目标机器不存在故障；
2.根据权利要求1所述一种基于马尔可夫过程特征统计的故障检测方法，其特征在于：
3.根据权利要求1所述一种基于马尔可夫过程特征统计的故障检测方法，其特征在于：所述步骤B包括步骤B1至步骤B7；
4.根据权利要求1所述一种基于马尔可夫过程特征统计的故障检测方法，其特征在于：所述步骤iii中，根据目标属性分别对应自上一时刻起向历史时间方向L个时刻的差值，首先获得该L个差值的平均数方差然后按计算获得目标属性对应的置信下限LCL、置信上限UCL；最后构成目标属性对应的置信区间[LCL,UCL]，其中，k表示预设系数。
5.根据权利要求1至4中任意一项所述一种基于马尔可夫过程特征统计的故障检测方法，其特征
...【技术特征摘要】
1.一种基于马尔可夫过程特征统计的故障检测方法，其特征在于：基于目标机器上与故障相关的各个目标属性，分别针对各目标属性，执行如下步骤a至步骤b，获得各目标属性分别对应的数据估算模型与连续异常报警次数；进而分别针对各目标属性，实时执行步骤i至步骤v，若存在达到对应连续异常报警次数的目标属性，则判定目标机器存在故障，否则判定目标机器不存在故障；
2.根据权利要求1所述一种基于马尔可夫过程特征统计的故障检测方法，其特征在于：
3.根据权利要求1所述一种基于马尔可夫过程特征统计的故障检测方法，其特征在于：所述步骤b包括步骤b1至步骤b7；
4.根据权利要求1所述一种基于马尔可夫过程特征统计的故障检测方...
【专利技术属性】
技术研发人员：严颖，章伟杰，蔡骏，蔡昊洋，顾启航，连静，陈亮，范志勇，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。