[發(fā)明專利]一種基于多方法融合的儀器儀表故障檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201811516048.2
• 申請(qǐng)日: 2018-12-12
• 公開(kāi)（公告）號(hào): CN109683565A
• 公開(kāi)（公告）日: 2019-04-26
• 發(fā)明（設(shè)計(jì)）人: 李迅波;趙越;閆明明;彭旭樹(shù)
• 申請(qǐng)（專利權(quán)）人: 電子科技大學(xué)
• 主分類號(hào): G05B19/418
• 分類號(hào): G05B19/418
• 代理公司: 成都中亞專利代理有限公司 51126
• 代理人: 王崗

本發(fā)明在此提供一種基于多方法融合的儀器儀表故障檢測(cè)方法；在利用傳感器實(shí)時(shí)采集生產(chǎn)現(xiàn)場(chǎng)過(guò)程中的數(shù)據(jù)時(shí)，由于傳感器故障或者是被采集對(duì)象本身發(fā)生異常都會(huì)產(chǎn)生異常數(shù)據(jù)。我們提出一種基于數(shù)據(jù)驅(qū)動(dòng)的神經(jīng)網(wǎng)絡(luò)異常數(shù)據(jù)檢測(cè)方法。產(chǎn)生異常數(shù)據(jù)的時(shí)候，一方面可能是因?yàn)樯a(chǎn)工程中參數(shù)本身出現(xiàn)了異常，如溫度，電導(dǎo)率出現(xiàn)了異常，另一方面可能是因?yàn)閮x表設(shè)備本身出現(xiàn)了問(wèn)題造成的異常。本方法能夠?qū)崿F(xiàn)實(shí)時(shí)在線檢測(cè)，不用廠家每隔半年或者一年定期停產(chǎn)檢查表；同時(shí)實(shí)時(shí)在線監(jiān)測(cè)，實(shí)時(shí)掌握生產(chǎn)現(xiàn)場(chǎng)數(shù)據(jù)情況，利于提高生產(chǎn)質(zhì)量；并且節(jié)約了廠家，計(jì)量院的時(shí)間和人力。

技術(shù)領(lǐng)域

本發(fā)明涉及儀器儀表故障檢領(lǐng)域，具體來(lái)講是一種基于多方法融合的儀器儀表故障檢測(cè)算法。

背景技術(shù)

傳統(tǒng)儀器儀表校準(zhǔn)需要將儀表取下來(lái)，就存在讓生產(chǎn)企業(yè)停工送檢，耽擱了生產(chǎn)時(shí)間，送往計(jì)量院檢測(cè)校準(zhǔn)，或者計(jì)量院人員需要到生產(chǎn)現(xiàn)場(chǎng)進(jìn)行儀表檢測(cè)檢測(cè)校準(zhǔn)，費(fèi)時(shí)費(fèi)力。

發(fā)明內(nèi)容

因此，為了解決上述不足，本發(fā)明在此提供一種基于多方法融合的儀器儀表故障檢測(cè)方法；本方法能夠?qū)崿F(xiàn)實(shí)時(shí)在線檢測(cè)，不用廠家每隔半年或者一年定期停產(chǎn)檢查表；同時(shí)實(shí)時(shí)在線監(jiān)測(cè)，實(shí)時(shí)掌握生產(chǎn)現(xiàn)場(chǎng)數(shù)據(jù)情況，利于提高生產(chǎn)質(zhì)量；并且節(jié)約了廠家，計(jì)量院的時(shí)間和人力。

本發(fā)明是這樣實(shí)現(xiàn)的，構(gòu)造一種基于多方法融合的儀器儀表故障檢測(cè)方法，其特征在于：具有，

(1)生產(chǎn)數(shù)據(jù)異常的檢測(cè)：

在t時(shí)刻截取一段長(zhǎng)度為N的時(shí)間序列，D^t＝{x_t-N+1,…,x_t}；

其中，x表示采集的參數(shù)，

神經(jīng)網(wǎng)絡(luò)的輸入是長(zhǎng)度為L(zhǎng)的時(shí)間序列(L＜N)，輸出為第L+1個(gè)序列值；先將數(shù)據(jù)歸一化，再形成一段長(zhǎng)度為N-L的數(shù)據(jù)樣本，且第i個(gè)樣本的輸入為{x_t-N+i,…,x_t-N+L+i-1}，輸出為{x_t-N+L+i}，其中i＝1,2,…,N-L；按順序選取4/5的數(shù)據(jù)樣本進(jìn)行訓(xùn)練完成x_t+1的預(yù)測(cè)，剩下1/5的數(shù)據(jù)樣本用于計(jì)算模型殘差；對(duì)于新數(shù)據(jù)，落入通過(guò)殘差計(jì)算出來(lái)的檢測(cè)區(qū)間之內(nèi)，則正常，反之則異常。檢測(cè)出異常數(shù)據(jù)之后，利用當(dāng)前時(shí)刻的預(yù)測(cè)值來(lái)代替判斷為異常的數(shù)據(jù)，然后更新歷史數(shù)據(jù)，進(jìn)行下一輪的預(yù)測(cè)；

(2)儀器儀表故障檢測(cè)：

1)首先盡可能連續(xù)一段時(shí)間采集儀器儀表的各種數(shù)據(jù)，包括正常和異常數(shù)據(jù)，建立設(shè)備數(shù)據(jù)集；數(shù)據(jù)的采集可以通過(guò)設(shè)備的PLC來(lái)進(jìn)行收集，然后通過(guò)智能感知模塊將數(shù)據(jù)發(fā)送至服務(wù)器數(shù)據(jù)庫(kù)；

2)利用歷史數(shù)據(jù)和專家經(jīng)驗(yàn)建立知識(shí)庫(kù)和分類器；該模型首先利用現(xiàn)場(chǎng)生產(chǎn)人員豐富的經(jīng)驗(yàn)編寫基礎(chǔ)知識(shí)庫(kù)，庫(kù)中包含了大多數(shù)情況下的一些故障類型；

3)故障診斷，對(duì)于采集到的新數(shù)據(jù)，首先利用基于知識(shí)工程的方法來(lái)進(jìn)行故障診斷，若能成功診斷出故障類型，則給出診斷信息；

4)若診斷失敗，則利用基于數(shù)據(jù)驅(qū)動(dòng)的方法來(lái)進(jìn)行無(wú)監(jiān)督學(xué)習(xí)分類，利用SOM自組織神經(jīng)網(wǎng)絡(luò)，K-Means聚類算法對(duì)故障數(shù)據(jù)進(jìn)行學(xué)習(xí)聚類，形成新的案例，更新到之前建立的知識(shí)庫(kù)中。

本發(fā)明具有如下優(yōu)點(diǎn)：在利用傳感器實(shí)時(shí)采集生產(chǎn)現(xiàn)場(chǎng)過(guò)程中的數(shù)據(jù)時(shí)，由于傳感器故障或者是被采集對(duì)象本身發(fā)生異常都會(huì)產(chǎn)生異常數(shù)據(jù)。我們提出一種基于數(shù)據(jù)驅(qū)動(dòng)的神經(jīng)網(wǎng)絡(luò)異常數(shù)據(jù)檢測(cè)方法。產(chǎn)生異常數(shù)據(jù)的時(shí)候，一方面可能是因?yàn)樯a(chǎn)工程中參數(shù)本身出現(xiàn)了異常，如溫度，電導(dǎo)率出現(xiàn)了異常，另一方面可能是因?yàn)閮x表設(shè)備本身出現(xiàn)了問(wèn)題造成的異常。

本專利經(jīng)過(guò)上述實(shí)施之后具有如下優(yōu)點(diǎn)：

1、實(shí)時(shí)在線檢測(cè)，不用廠家每隔半年或者一年定期停產(chǎn)檢查表；