[發明專利]基于工業大數據圖半監督新類挖掘的故障診斷方法

有效

• 申請號: 201711053861.6
• 申請日: 2017-10-31
• 公開（公告）號: CN107861481B
• 公開（公告）日: 2019-12-10
• 發明（設計）人: 張穎偉;劉帥;李旭光
• 申請（專利權）人: 東北大學
• 主分類號: G05B19/418
• 分類號: G05B19/418;G06F17/16
• 代理公司: 21109 沈陽東大知識產權代理有限公司
• 代理人: 劉曉嵐

本發明提供一種基于工業大數據圖半監督新類挖掘的故障診斷方法，涉及故障監測與診斷技術領域。基于工業大數據圖半監督新類挖掘的故障診斷方法，首先采集工業生產過程的數據，并對其進行降維處理；然后對數據點按已標記數據點和未標記數據點進行初始標簽標記，并計算軟標簽矩陣，通過軟標簽矩陣對故障數據的類別進行診斷；最后對新故障類型重新進行診斷，直到發現所有新的故障類型。本發明的基于工業大數據圖半監督新類挖掘的故障診斷方法，實現了對原有故障類型的識別以及未知故障類型的發現，大大降低了故障類型的誤報警率，同時提高了故障檢測的準確性。

技術領域

本發明涉及故障監測與診斷技術領域，尤其涉及一種基于工業大數據圖半監督新類挖掘的故障診斷方法。

背景技術

隨著現代工業的迅速發展，現代企業中生產設備日趨大型化、連續化、高速化和自動化，設備的結構與組成十分復雜，生產規模非常龐大，各部門之間的聯系也特別密切。實際的生產過程有線性的、非線性的、時不變的、時變的等，對于不同的生產過程所具有的特征，應選用不同的故障監測方法，這樣才能有效地檢測到故障。基于圖的半監督故障診斷算法可以準確識別各種不同類別的故障。

半監督算法，如圖1所示，指既利用標記數據也利用未標記數據來建立學習模型，最終通過該模型能夠預測輸入數據的標記。半監督分為兩類：歸納半監督和直推半監督，定義分別為：

歸納半監督：給定訓練集歸納半監督的目的是學習得到一個函數f：X→Y，使得該函數能夠很好地預測訓練集以外的輸入數據的標記。

直推半監督：給定訓練集直推半監督的目的是學習得到一個函數f：X^l+u→Y^l+u，使得該函數能夠很好地預測訓練集中未標記樣本的標記。

實際工業過程中將會產生大量的生產過程數據，但是對所有數據進行人工標記顯然是不現實的，所以應用半監督算法，即少量數據進行人工標記并保留大多數數據處于未標記狀態，對于復雜的工業故障診斷是十分可取的。在眾多半監督算法中，基于圖的半監督學習算法最大的特點就是用圖來表示數據之間的關系，其中圖的結點表示數據點，點與點之間存在著邊，這些邊被賦予權重，權重代表數據點之間的相似度。最終從圖學得一個用于對未標記數據進行分類標記的實值函數。

故障診斷算法的具體工業背景是電熔鎂爐的生產過程。電熔鎂爐生產過程得到的最終產品是電熔鎂砂。電熔鎂砂是一種廣泛應用于化學、航天、冶金等領域的重要耐火材料，在我國，主要利用三相交流電熔鎂爐來生產電熔鎂砂。電熔鎂爐實際上是一種埋弧爐，屬于礦熱爐而不是電弧爐，其主要以熔融狀態下電流通過物料所產生的物料電阻熱為主要熱源，同時伴有電弧熱，它的熱量集中，能有效的將物料加熱到熔點2800℃以上，有利于熔煉電熔鎂砂。電熔鎂爐的設備主要包括：變壓器、電路短網、電極、電極升降裝置及爐體等。

目前傳統的基于圖的半監督故障診斷算法對于在電熔鎂爐生產過程的已知故障類別的診斷具有很好的效果，但是由于傳感器漂移、設備老化、原材料變化和催化劑活性降低等原因，使得過程總是在不斷地發生緩慢變化，這樣也就可能導致新的故障類型的產生。目前傳統的基于圖的半監督故障診斷算法在發現新類型的故障方面的性能還是較差的，無法準確發現新類型的故障。

發明內容

針對現有技術的缺陷，本發明提供一種基于工業大數據圖半監督新類挖掘的故障診斷方法，挖掘電熔鎂爐生產過程的新故障類型。

一種基于工業大數據圖半監督新類挖掘的故障診斷方法，包括以下步驟：

步驟1：采集工業生產過程中的數據，并將采集到的數據進行降維處理，生成一個包含多種數據類型的工業生產過程的大數據池；

步驟2：從工業生產過程的大數據池中隨機選取n個采樣數據，對采樣數據進行初始標簽的標記，具體方法為：