[發明專利]基于多周期分段滑動窗口標準差的故障診斷方法

有效

• 申請號: 202011329488.4
• 申請日: 2020-11-24
• 公開（公告）號: CN112506687B
• 公開（公告）日: 2022-03-01
• 發明（設計）人: 何金輝;宋佶聰;王浩磊;李哲
• 申請（專利權）人: 四川長虹電器股份有限公司
• 主分類號: G06F11/07
• 分類號: G06F11/07;G06F17/16;G06F17/15;G06F17/18
• 代理公司: 四川省成都市天策商標專利事務所(有限合伙) 51213
• 代理人: 陳藝文

本發明公開了一種基于多周期分段滑動窗口標準差的故障診斷方法，通過對連續周期的電流幅值數據進行分段多參數指標的卷積池化，得到了該段周期的數據特征值列表，并通過計算特征數據列表的標準差確定了設備運行的波動區間P；實測數據的滑動窗口處理后的標準差與P匹配，從而進行設備故障預測，算法簡單有效，有利于電器設備進行故障診斷。

技術領域

本發明涉及非侵入式監測系統下電器設備故障診斷技術領域，特別是一種基于多周期分段滑動窗口標準差的故障診斷方法。

背景技術

目前，企業生產運行都會使用到各種不同的電器，而電器在運行過程中可能會出現故障，而一旦發生故障可能會對企業的生產運營造成巨大經濟損失，更為嚴重的是可能造成安全隱患。于是生產經營者就會思考，如何能夠提前獲取設備即將發生故障的數據，提前預警，達到降低損失的目的。

當前設備故障診斷預警，一般是通過人工智能的算法；或者是機器學習算法，或者是深度學習算法，這些算法都需要大量的異常數據，而且前期需要人工標注數據標簽，訓練模型時間長，另外對于某些貴重設備，獲取異常數據極為困難。

發明內容

為解決現有技術中存在的問題，本發明的目的是提供一種基于多周期分段滑動窗口標準差的故障診斷方法，用于解決企業生產中設備突然出現故障造成損失、貴重設備沒有異常數據可以對比分析的困難，從而更好的為生產服務。

為實現上述目的，本發明采用的技術方案是：一種基于多周期分段滑動窗口標準差的故障診斷方法，包括以下步驟：

步驟1、采集電器設備正常運行時An個周期的電流幅值數據作為樣本數據，對各周期樣本數據分別進行歸一化處理；

步驟2、將樣本數據轉換為二維矩陣數據，即橫向為其中某一周期完整數據，縱向為各周期對應點數據，初始化列表L，Ln，Lm，設置滑動窗口大小為m*n，滑動步長s；

步驟3、對二維矩陣按照m*n的窗口大小進行數據處理，計算當前窗口數據的參數；

步驟4、將步驟3的參數作為卷積核數據并按m*n排列為二維矩陣，卷積核與對應的m*n窗口數據進行卷積計算，得到新的矩陣后按最大值進行池化處理，將池化處理后的值加入列表Ln中；

步驟5、判斷當前m*n窗口是否為矩陣列尾部，非尾部則按步長s滑動并返回執行步驟3，否則執行下一步；

步驟6、判斷當前m*n窗口是否為矩陣行底部，非矩陣行底部則將列表Ln加入列表L中，換行初始化列表Ln并返回執行步驟3；如果當前為矩陣行底部，則執行下一步；

步驟7、遍歷列表L，對子列表數據計算標準差，得到標準差波動范圍，設置波動變異閾值為f，波動范圍乘以變異閾值f即可得到設備正常運行的標準差區間P；

步驟8、采集實測數據，并按樣本數據的計算步驟得到池化后的數據列表Lm，計算列表Lm的標準差std，判斷標準差std是否在標準差區間P的區間內，是則設備運行正常，否則設備預警，流程結束。

作為本發明的進一步改進，在步驟3中，所述的參數包括均值、標準差、最大值、最小值、極差值、斜率、均方根和變異系數，且當參數數據數量不足m*n時，尾部以0補齊。

本發明的有益效果是：

本發明可以在不需要異常數據的情況下進行故障診斷，不需要前期大量數據的處理工作，設備不需要集成昂貴的人工智能算法模塊組件，可以集成到設備終端，算法簡單有效。

附圖說明

圖1為本發明實施例的流程框圖；

圖2為本發明實施例中矩陣數據的滑動示意圖。

具體實施方式

下面結合附圖對本發明的實施例進行詳細說明。