[發明專利]基于模糊規則的煤礦生產多維度數據異常概率預測方法

在審

• 申請號: 202011075748.X
• 申請日: 2020-10-10
• 公開（公告）號: CN112381110A
• 公開（公告）日: 2021-02-19
• 發明（設計）人: 孫俊東;常俊;劉勝志;楊彥飛;李艷;杜垣江;賈子熙
• 申請（專利權）人: 神華北電勝利能源有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N7/02
• 代理公司: 沈陽科威專利代理有限責任公司 21101
• 代理人: 張琇

一種基于模糊規則的煤礦生產多維度數據異常概率預測方法,涉及工業數據異常檢測領域。該預測方法，首先建立異常檢測模型，通過樣本數據對異常檢測模型進行訓練，最后利用異常檢測模型對礦山的采煤設備故障、輸送設備故障進行提前預警。這種方法有效地實現了異常數據的檢測，并在一定程度上實現了在真實異常發生前提供預警的功能，具有較強的通用性和擴展性。

技術領域

本發明涉及工業數據異常檢測領域，特別涉及一種基于模糊規則的煤礦生產多維度數據異常概率預測方法。

背景技術

在煤礦生產的過程中，由于機器設備的長時間運行，機器設備常常會發生故障，這為生產安全帶來了一定的隱患。在工業生產中，對機器設備的故障進行及時的檢測是十分重要的。現有的研究方法通常是在故障發生之后，對故障進行檢測，因而存在一定的滯后性。若在設備故障發生之前，對機器發生故障的可能性進行預測并進行風險提示，則可以有效的降低設備的故障率，為企業降低損失。

對于機器設備的故障檢測，常用的方法為基于統計模型的方法、基于距離的方法、基于密度的方法、基于聚類的方法。這些方法通常只適用于低維空間的異常檢測，且計算復雜度較高。對于高維空間的異常檢測，這些模型通常表現較差。

發明內容

針對現有技術存在的不足，本發明的目的是提供一種基于模糊規則的煤礦生產多維度數據異常概率預測方法。

本發明所采用的技術方案是：一種基于模糊規則的煤礦生產多維度數據異常概率預測方法，其技術要點是，包括以下步驟：

數據預處理的步驟，首先獲取樣本數據，主要包括機組軸承溫度、電機工作電流值、電壓值、電機轉速、運行輸出功率、電機轉矩、傳送帶空轉率以及傳送帶的震動頻率，然后對樣本數據進行預處理；

獲取數據異常程度值的步驟，讀取預處理后的樣本數據，選擇邏輯回歸模型(LR)、支持向量機模型(SVM)、決策樹模型(DecisionTree)或隨機森林模型(Randomforest)中的任一個，計算樣本數據的異常程度值；

建立異常檢測模型的步驟，對樣本數據的異常程度值進行分類，確定異常程度級別，根據模糊規則建立異常檢測模型；通過異常檢測模型獲取樣本數據的異常概率值，根據異常概率值與正常概率的比較結果，確定損失函數，用于優化和調整最初的異常檢測模型；

對煤礦生產多維度數據進行檢測的步驟，利用異常檢測模型對實時采集到的煤礦生產多維度數據進行檢測，對可能發生的采煤設備故障、輸送設備故障進行預警。

上述方案中，所述的模糊規則是指：

設z為異常程度值，則所述的異常程度級別分為：

若z0.3，則表示異常程度非常小A；

若0.3≤z0.5，則表示異常程度較小B；

若0.5≤z0.8，則表示異常程度較大C；

若z≥0.8,則表示異常程度非常大D；

將異常等級進行分級，0級表示正常，1級表示異常；

設x表示異常程度值，y表示異常等級，定義模糊規則如下：

規則1：如果異常程度值在0到0.3之間，那么將異常等級定為0級；

規則2：異常程度值在0.3到0.5，異常等級定為0級；

規則3：異常程度值在0.5到0.8，異常程度定為1級；

規則4：異常程度值在0.8到1，異常等級定為1。