System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及数据处理,具体涉及一种大口径电动半球阀的驱动电机状态分析方法及系统。
技术介绍
1、半球阀是控制流体传输速度的新型阀门,通过半球阀中的驱动电机能够远程准确控制半球阀的开启程度,能够在恶劣的环境下不方便进行人工操作时提高工作效率和人员安全性。驱动电机的运行状态直接影响了半球阀的工作效果,若驱动电机出现异常,会导致半球阀的开闭程度不准确,影响流体传输。故为了保证生产作业的正常进行,需要对驱动电机的运行状态进行分析检测。
2、对驱动电机的运行状态检测可通过现有的k均值聚类算法进行分析,对采集的运行数据进行聚类,确定异常数据的聚类簇,根据异常数据的聚类簇的数据特征判断驱动电机的异常程度。由于采集的运行数据中异常数据和正常数据之间的差异性较小,并且在聚类过程中计算数据点之间的距离特征时每个数据点贡献的权重相同,不能够增加异常数据与正常数据之间的差异,导致难以选取合适的聚类中心,聚类效果的精确性差;使得驱动电机的运行状态分析结果的准确性低。
技术实现思路
1、为了解决上述通过现有k均值聚类算法导致聚类效果不精确,影响驱动电机的运行状态检测不准确的技术问题,本专利技术的目的在于提供一种大口径电动半球阀的驱动电机状态分析方法及系统,所采用的技术方案具体如下:
2、获取监测半球阀的驱动电机的运行状态序列;根据所述运行状态序列通过k均值聚类算法聚类获得不同的运行状态簇;根据运行状态簇中的数据分布特征和运行状态簇之间的距离特征获得簇类可信度;
3、根据所
4、根据波动特征值在所述异常波动区间中的位置特征获得数据点的距离权重;根据所述距离权重和所述簇类可信度获得数据点的聚类距离权重;
5、根据运行状态序列和数据点的聚类距离权重通过k均值聚类算法聚类获得不同的最终状态簇;根据所述最终状态簇中的数据分布特征对驱动电机状态进行检测。
6、进一步地,所述根据运行状态簇中的数据分布特征和运行状态簇之间的距离特征获得簇类可信度的步骤包括:
7、计算所述运行状态簇和距离最近的其他运行状态簇的聚类中心之间的欧氏距离并归一化,获得所述运行状态簇的簇间距离特征值;
8、以所述运行状态簇的聚类中心为分割点,将经过分割点并以所述运行状态簇和距离最近的其他运行状态簇的聚类中心连线的垂直方向的直线作为分割线;
9、将所述运行状态簇中的数据点根据分割线划分为两个数据集,将最接近距离最近的其他运行状态簇的数据集作为第一数据集,另一个数据集作为第二数据集;计算第二数据集和第一数据集中数据点数量的差值,获得数量差异特征值;当所述数量差异特征值为正数时,将所述数量差异特征值正相关映射并计算与所述簇间距离特征值的乘积,获得所述运行状态簇的簇类可信度;当所述数量差异特征值不为正数时,将所述数量差异特征值归一化并计算与所述簇间距离特征值的乘积,获得所述运行状态簇的簇类可信度。
10、进一步地,所述根据所述运行状态序列中数据点的邻域的数据变化特征获得数据点的波动特征值的步骤包括:
11、计算运行状态序列中数据点在每个维度的预设邻域范围内的数值的方差的平均值,获得数据点的波动特征值。
12、进一步地,所述根据所述概率密度函数曲线与正态分布曲线的差异特征获得相似度的步骤包括:
13、根据动态时间规整算法计算概率密度函数曲线与正态分布曲线的动态时间规整距离并负相关映射,获得概率密度函数曲线与正态分布曲线的相似度。
14、进一步地,所述根据所述相似度和正态分布曲线获得波动特征值的异常波动区间的步骤包括:
15、计算预设第一常数与预设第二常数的差值,获得区间差异值,计算所述区间差异值与所述相似度的乘积,获得区间调整系数;计算预设第三常数与所述区间调整系数的和值,获得区间参数值;计算所述运行状态簇中的数据点的波动特征值的平均值和标准差,计算所述标准差与所述区间参数值的乘积,获得区间调整值;计算所述区间调整值和所述平均值的和值,获得正常区间范围值;将所述运行状态簇中的波动特征值的最大值至正常区间范围值的闭区间作为运行状态簇中波动特征值的异常波动区间。
16、进一步地,所述根据波动特征值在所述异常波动区间中的位置特征获得数据点的距离权重的步骤包括:
17、计算异常波动区间中的波动特征值与所述正常区间范围值的差值并归一化,获得波动特征值对应的数据点的权重调整值,计算预设第四常数与所述权重调整值的和值,获得数据点的距离权重。
18、进一步地,所述根据所述距离权重和所述簇类可信度获得数据点的聚类距离权重的步骤包括:
19、将所述簇类可信度正相关映射,获得权重系数;计算所述权重系数与数据点的距离权重的乘积,获得数据点的聚类距离权重。
20、进一步地,所述根据所述最终状态簇中的数据分布特征对驱动电机状态进行检测的步骤包括:
21、在最终状态簇中确定异常数据所在的最终状态簇,计算异常数据所在的最终状态簇中的数据点在运行状态序列中的平均时间间隔,获得异常频率特征值;当所述异常频率特征值超过预设频率阈值时,驱动电机运作状态存在异常。
22、本专利技术还提出了一种大口径电动半球阀的驱动电机状态分析系统,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序实现任意一项一种大口径电动半球阀的驱动电机状态分析方法的步骤。
23、本专利技术具有如下有益效果:
24、在本专利技术中,通过聚类获得运行状态簇能够对驱动电机的运行状态进行初步分类,获得簇类可信度能够对运行状态簇的聚类效果进行判断,并分析驱动电机是否存在异常,从而根据簇类可信度提高最终距离的准确性。获取波动特征值能够确定数据点的异常程度,从而增加异常数据在聚类过程中的距离长度;获取相似度能够分析概率密度函数曲线和正态分布曲线的相似程度,能够更准确地确定波动特征值的异常波动区间,确定聚类过程中需要增加距离权重的数据点,提高聚类准确性。根据数据点的距离权重和簇类可信度获得聚类距离权重能够增加聚类过程中异常数据和其他数据之间的距离特征,改变聚类中心的选取,提高聚类准确性;最终根据最终状态簇对驱动电机进行状态分析,提高驱动电机状态分析的可靠性和准确性。
本文档来自技高网...【技术保护点】
1.一种大口径电动半球阀的驱动电机状态分析方法,其特征在于,所述方法包括以下步骤:
2.根据权利要求1所述的一种大口径电动半球阀的驱动电机状态分析方法,其特征在于,所述根据运行状态簇中的数据分布特征和运行状态簇之间的距离特征获得簇类可信度的步骤包括:
3.根据权利要求1所述的一种大口径电动半球阀的驱动电机状态分析方法,其特征在于,所述根据所述运行状态序列中数据点的邻域的数据变化特征获得数据点的波动特征值的步骤包括:
4.根据权利要求1所述的一种大口径电动半球阀的驱动电机状态分析方法,其特征在于,所述根据所述概率密度函数曲线与正态分布曲线的差异特征获得相似度的步骤包括:
5.根据权利要求1所述的一种大口径电动半球阀的驱动电机状态分析方法,其特征在于,所述根据所述相似度和正态分布曲线获得波动特征值的异常波动区间的步骤包括:
6.根据权利要求5所述的一种大口径电动半球阀的驱动电机状态分析方法,其特征在于,所述根据波动特征值在所述异常波动区间中的位置特征获得数据点的距离权重的步骤包括:
7.根据权利要求1所述的一种大
8.根据权利要求1所述的一种大口径电动半球阀的驱动电机状态分析方法,其特征在于,所述根据所述最终状态簇中的数据分布特征对驱动电机状态进行检测的步骤包括:
9.一种大口径电动半球阀的驱动电机状态分析系统,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序实现如权利要求1-8任意一项所述方法的步骤。
...【技术特征摘要】
1.一种大口径电动半球阀的驱动电机状态分析方法,其特征在于,所述方法包括以下步骤:
2.根据权利要求1所述的一种大口径电动半球阀的驱动电机状态分析方法,其特征在于,所述根据运行状态簇中的数据分布特征和运行状态簇之间的距离特征获得簇类可信度的步骤包括:
3.根据权利要求1所述的一种大口径电动半球阀的驱动电机状态分析方法,其特征在于,所述根据所述运行状态序列中数据点的邻域的数据变化特征获得数据点的波动特征值的步骤包括:
4.根据权利要求1所述的一种大口径电动半球阀的驱动电机状态分析方法,其特征在于,所述根据所述概率密度函数曲线与正态分布曲线的差异特征获得相似度的步骤包括:
5.根据权利要求1所述的一种大口径电动半球阀的驱动电机状态分析方法,其特征在于,所述根据所述相似度和正态分布曲线获得波动特征值的...
【专利技术属性】
技术研发人员:辛福选,张渊,白建旺,张晓,宋建奎,宋晓慧,于德江,黄燕,李艳青,葛海洲,臧巨轮,周胜辉,李泽莹,阎哲义,
申请(专利权)人:天津市塘沽第一阀门有限公司,
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。