【技术实现步骤摘要】
本专利技术涉及设备检测，尤其涉及一种基于t-test数据分析的辊子故障预警方法。
技术介绍
1、如果样本总体呈正态分布，当样本总体的标准差未知，且样本容量＜30时，样本平均数与总体平均数的离差统计量呈t分布。t-test数据分析是利用t分布理论来推论差异发生的概率，进而比较两组数据的平均数差异是否显著。t-test基于两个样本的分布服从正态分布的假设之上，其零假设是两个样本总体的均值相同。
2、该方法应用于连铸机扇形段辊子健康状态监测，由于辊子发生故障的概率较小，可以收集的故障案例相对不足，因此难以利用故障样本数据进行建模；同时，由于当前可利用的有效数据仅有辊子电机的电流数据，数据维度低，利用单参数阈值进行状态判断的合理性欠佳，判断准确性和鲁棒性容易受到干扰，例如冲击数据，容易引起不必要的误报。
3、以连铸机弧形段辊子为例，如表1所示的案例情况统计所示，截止2022年7月，共计获得有记录的故障案例两次，其中6月12日的故障被判定为准确报警，6月28日的故障被判定为错误报警。通过数据分析，获得如图1a和图1b所示的数据分布情况，其中，案例1所对应的数据明显有数据整体上升的趋势，案例2所对应的数据上升趋势不明显，有数据突跳。可见，针对单参数设定阈值容易导致误报。
4、表1连铸机弧形段部分案例统计
5、
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t-test数据分析的辊子故障预警方法，本方法对辊子电机较长周期的电流信号数据
2、为解决上述技术问题，本专利技术基于t-test数据分析的辊子故障预警方法包括如下步骤：
3、步骤一、收集辊子对应驱动电机的电流数据，数据间隔为10s，将数据按时间顺序重新排列，保证数据的有效性，并将空值数据和零值数据剔除，保留非零的工作状态数据；
4、步骤二、按照检维修记录标记故障时间点对数据进行标记，将故障时间前t天至故障时间点的数据标记为故障数据，故障时间t天以前的数据标记为正常数据，在正常数据中选择一段正常工况下的数据作为基准数据，任选一段数据作为对比数据；
5、步骤三、构造观测特征向量，选择某一时刻前t′天时间的数据作为观测样本，数据长度为l，并采用滑窗方式将数据划分成d个大小相同的窗口，窗口分别记为w1，w2，…，wd，步长为p，分别计算窗口内数据的标准差值σ1，σ2，…，σd，构建特征向量f＝[σ1，σ2，…，σd]；
6、步骤四、构造基准向量，采用基准数据作为样本，数据长度为lb，并按步骤三滑窗方式构建基准向量fb＝[σb1，σb2，......，σbd]；
7、步骤五、准备案例及数据，构建不同案例的基准向量fb1，fb2,fb3，…，fbn，以及对应的观测特征向量f1,f2,f3，…，fn；
8、步骤六、采用双总体t-test函数，分别验证[fx1，f1]，[fb2，f2]，…，[fbn，fn]数组的方差齐性，先对样本进行方差齐性检验，设定t-test的方差齐性参数，如果方差齐性检验结果大于设定的方差齐性参数为true，反之，方差齐性检验结果为false；将方差齐性检验结果输入t-test函数，输出p-value值，如果p-value值大于0.05则接受零假设，fb和f样本均值相同，分布相同；反之，p-value小于0.05则拒绝零假设，fb和f样本均值不相同，分布不相同；
9、步骤七、构建记忆矩阵，采用mset算法，利用正常数据以驱动电机为基础对象建立报警模型，选择基准数据，采用随机撒点的方式选择一定长度的数据样本m条，每条的长度为l′，l′＜l，采用滑窗方式构建样本的特征向量，分别记为fs1，fs2，…，fsm；构建记忆矩阵d＝[fs1，fs2，…，fsm]；
10、步骤八、报警值计算，将某一时间点前t′时间的数据作为观测数据，采用滑窗方式计算观测数据的特征向量fobs，特征向量作为报警模型输入，根据mset算法，结合记忆矩阵计算得出估计特征向量fest，并组合欧式距离和余弦距离计算观测特征向量fobs和估计特征向量fest的相似度值sobs，通过与预设的相似度阈值st相比较，若sobs＜st时输出报警。
11、由于本专利技术基于t-test数据分析的辊子故障预警方法采用了上述技术方案，即本方法收集辊子对应驱动电机的电流数据，将空值数据和零值数据剔除，保留非零的工作状态数据；按检维修记录划分故障数据、正常数据、基准数据以及对比数据；通过观测样本构造观测特征向量，采用基准数据作为样本构造基准向量，构建不同案例的基准向量以及对应的观测特征向量；采用双总体t-test分别验证对应的基准向量与观测特征向量；构建记忆矩阵，采用mset算法建立模型；计算观测特征向量fobs和估计特征向量fest的相似度值sobs，与相似度阈值比较，得到报警输出。本方法对辊子电机较长周期的电流信号数据进行分析，构造高维度特征向量，利用t-test方法验证构造的特征向量的有效性，实现对不同状态下辊子电机电流数据分布的识别，解决信号单一，且诊断单一信号设定阈值报警产生过多误报的问题，提升报警模型的鲁棒性。
本文档来自技高网...【技术保护点】
1.一种基于T-test数据分析的辊子故障预警方法，其特征在于本方法包括如下步骤：
【技术特征摘要】
1.一种基于t-test数据分析的辊子故障...
【专利技术属性】
技术研发人员：吴杰，范中明，龚敬群，
申请(专利权)人：宝武装备智能科技有限公司，
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。