[發明專利]一種氣象雷達狀態評估和故障監測方法

有效

• 申請號: 201910978096.1
• 申請日: 2019-10-15
• 公開（公告）號: CN110703214B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 王大林;曾聿赟
• 申請（專利權）人: 和塵自儀(嘉興)科技有限公司
• 主分類號: G01S7/40
• 分類號: G01S7/40
• 代理公司: 常州佰業騰飛專利代理事務所(普通合伙) 32231
• 代理人: 常瑩瑩

1.一種氣象雷達狀態評估和故障監測方法，其特征在于，首先采用數據重構分析模塊對雷達的在線監測參數進行分析，若分析結果未發現異常，則給出雷達處于正常運行狀態的結果并輸出；若分析結果認為雷達偏離正常狀態，則調用報警信號分析模塊進行報警信號的分析，若報警分析同樣認為雷達處在異常狀態，則輸出雷達狀態異常的結果，并給出預警，若報警分析未發現異常，則仍認為雷達處于正常狀態；

所述的數據重構分析模塊用于對正常運行狀態下的監測數據進行分析，采用重構算法建立參數間相關關系的模型，然后采用建立的相關模型對在線監測數據進行檢驗，若發現監測數據與相關模型出現顯著偏離，則可判斷雷達當前的狀態偏離了正常運行狀態，從而實現異常狀態的探測；

所述數據重構分析模塊用于對正常運行狀態下的監測數據進行分析的方法包括以下步驟：

S1、數據采集

設計數據接口，從雷達運行狀態監測數據的歷史數據庫中獲取歷史數據；

S2、數據預處理

根據數據的實際情況，對獲取的數據進行必要的預處理，提高數據質量；

S3、關鍵參數篩選

根據報警數據和維修記錄，提取出雷達處于某種或某些故障狀態及異常狀態的數據點，并給予相應的標記，再提取數量相當的正常狀態下的數據點，給予相應標記；采用逐步回歸方法，以雷達監測數據為輸入，對數據點的標記為輸出建立模型，由逐步回歸系數得到各個監測參數與雷達狀態的相關程度，從中篩選出相關性較高的一組參數作為后續分析的數據；

S4、重構模型構建

在上一步篩選出的一組監測參數中，選取與雷達狀態相關程度最高的一個參數作為待重構參數，記為y，其他參數作為重構模型的輸入參數，稱為關系參數，記為xi，i＝1,2,…,M，采用LSTM算法建立參數的重構模型；

具體的建模過程為：首先從歷史數據中選取雷達正常運行狀態的數據，然后選定合適的建模時間窗口大小T，對每個時刻點t，以該點的待重構參數yt為輸出，該點往前T時間內關系參數的時間序列構成的矩陣Xt作為輸入：

構建訓練數據集，將訓練數據集進一步分為訓練集和驗證集兩部分，將訓練集輸入LSTM中進行網絡的訓練，得到參數的重構模型：

y＝f(X)

統計重構模型在驗證集上的預測誤差，并基于此確定預測誤差閾值eth；

S5、在線數據獲取及預處理

在雷達在線運行的過程中，通過數據接口從在線監測傳感器上獲取實時監測數據，對在線監測數據進行與S2完全相同的預處理，其中進行數據歸一化或標準化時采用與訓練階段完全相同的參數；預處理后提取其中的待重構參數和關系參數進行后續處理；

S6、基于重構模型的在線狀態判別

在每個監測時刻點上，采用與訓練過程相同大小的時間窗，取其前T時間內的關系參數時間序列構成的矩陣X，輸入到訓練過程構建的重構模型中，得到當前時刻點下待重構參數的預測值：

通過比較重構模型的預測值與其實際測量值之間的差別得到重構模型的預測誤差，與S4中確定的誤差閾值進行比較，統計一段時間內預測誤差超過誤差閾值的時間比例，若其超過給定值α，則判定雷達當前處于異常工作狀態，反之則認為雷達處在正常狀態；

所述報警信號分析模塊進行報警信號的分析的流程包括以下步驟：

(1)、數據采集

設計數據接口，從雷達歷史數據庫中獲取一定時間范圍內的報警記錄和故障記錄；

(2)、報警統計分析

結合雷達故障記錄，選定一個故障報警關聯時間窗口長度T₁，統計每種報警A_i的若干統計特征以表征該報警的緊急程度，具體包括：

N_i，數據中該報警出現的總次數；

P1_i，該報警出現在真實故障前T₁時間內的頻度，即

其中Nf_i為該報警在所有故障前T₁時間內的出現的總次數；

P2_i，所有故障發生前T₁時間內出現該報警的故障頻度，即

其中N_F是故障發生的總次數，N_Fi為所有故障中前T₁時間內出現過該報警的故障次數；

(3)、報警評分與分級

分別建立三項統計特征的評分函數，根據特征的取值計算相應的得分，由三項指標的得分加和得到報警A_i的總得分，根據總得分值對各個報警進行分級；

將報警級別為：關鍵報警KA、高重要度報警HI、低重要度報警LI和無關報警NA；

(4)、伴隨關系分析

對每個屬于KA的報警信號，取一關聯分析時間窗口T₂，統計時間窗口內的所有報警，按發生次數排序，取發生次數最多的10個報警作為KA的伴隨報警；將所有KA的伴隨報警整合在一起，構建KA關聯報警組；

(5)、基于報警信號分析的雷達狀態判斷

在線運行中，取一報警統計時間窗口T₃，獲取當前時刻往前T₃時間內所有發生的報警信號及級別，對報警信號進行分級統計，得到各級報警的發生次數，建立判定邏輯，根據報警信號的分級統計量的取值對雷達在線運行狀態進行判別；

可行的狀態判別邏輯如下：

若KA級報警發生次數大于或等于2次，則認為當前雷達狀態異常，即將發生故障；

若KA級報警發生1次，HI級報警占比大于50％或KA關聯報警占比大于50％，則認為當前雷達狀態異常，即將發生故障；

若KA級報警發生0次，HI級報警占比大于80％且KA關聯報警占比大于80％，則認為當前雷達狀態異常，即將發生故障；

其他情況，認為雷達狀態正常。