一种基于变量分块的故障监测方法及系统与流程

本公开涉及故障监控相关，具体的说，是涉及一种基于变量分块的故障监测方法及系统。

背景技术：

1、本部分的陈述仅仅是提供了与本公开相关的背景技术信息，并不必然构成在先技术。

2、在现代工业生产中，生产设备故障是不可避免的，这些故障可能会导致生产线停机，给企业带来严重的经济损失。因此，及时发现故障并采取措施非常重要。传统的故障检测方法通常需要依靠经验和直觉，存在误差率高、检测效率低等问题。基于数据的故障检测技术可以帮助企业及时发现和解决设备故障，减少生产线停机时间和维修成本，提高生产效率和设备可靠性。同时，该技术还可以提供数据支持，帮助企业优化生产流程，提高生产效率和质量，增强市场竞争力。

3、而基于数据的故障检测技术，利用现代计算机技术和数据分析方法，能够更准确地识别生产设备中的故障，提高故障检测效率和准确性。常见的技术方案主要包含如下几个步骤：数据采集、数据预处理、特征提取、构建机器学习算法训练模型以及通过模型进行故障分类。

4、发明人在研究中发现，在实际生产过程中大部分数据不满足高斯分布的假设，由于传统机器学习方法如主成分分析法(pca)、偏最小二乘回归分析(pls)方法检测指标控制限的确定需要数据满足高斯分布假设，而实际的生产系统大多是非线性系统，不满足高斯分布的假设，难以满足高精度的故障检测需求。另外，大部分传统的故障检测方法采用全局建模策略，但随着现代工业结构复杂度的提高，操作单元数量的增加以及变量间关系的多样化，全局建模策略容易忽略局部信息，并且计算量大，从而导致模型的监控能力不佳。

技术实现思路

1、本公开为了解决上述问题，提出了一种基于变量分块的故障监测方法及系统，将数据按照相关性进行分块处理，有效减小各子块模型的计算负担，并且能够实现局部信息的有效处理，提高了故障监测的准确性。

2、为了实现上述目的，本公开采用如下技术方案：

3、一个或多个实施例提供了一种基于变量分块的故障监测方法，包括如下步骤：

4、获取待监测系统的运行变量数据；

5、计算变量数据之间的相关性，基于相关性进行聚类，将变量划分为多个变量数据块；

6、将分块后的变量数据，按照分块分别传输至基于对应变量块数据训练后的故障检测模型，得到对应每个变量数据块的故障检测结果；所述故障检测模型采用基于局部临近标准化的fd-knn故障检测模型；

7、融合所有故障检测模型的检测结果，确定待监测系统是否发生故障。

8、一个或多个实施例提供了一种基于变量分块的故障监测系统，包括数据采集器以及处理器：

9、所述数据采集器，用于采集待检测设备的运行变量数据；

10、处理器被配置为用于执行上述的一种基于变量分块的故障监测方法的步骤。

11、一个或多个实施例提供了一种基于变量分块的故障监测系统，包括：

12、数据获取单元：被配置为用于获取待监测系统的运行变量数据；

13、数据分块单元：被配置为用于计算变量数据之间的相关性，基于相关性进行聚类，将变量划分为多个变量数据块；

14、分块检测单元：被配置为用于将分块后的变量数据，按照分块分别传输至基于对应变量块数据训练后的故障检测模型，得到对应每个变量数据块的故障检测结果；所述故障检测模型采用基于局部临近标准化的fd-knn故障检测模型；

15、融合单元：被配置为用于融合所有故障检测模型的检测结果，确定待监测系统是否发生故障。

16、一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成上述方法所述的步骤。

17、与现有技术相比，本公开的有益效果为：

18、本公开的方法融合数据分块以及采用局部临近标准化，使得数据的识别范围逐步缩小，更加有效地提取了数据中的局部信息，从而提高故障检测的准确率，通过局部标准化处理能够实现非高斯分布的数据处理。

19、相比全局模型，通过划分子块构建多个模型，可以将全局的计算量分配到不同的子块中，有效减小各子块模型的计算负担，从而节省运行时间；并且，同一分块数据的具有较高的相关性，能够提高故障检测的准确性；同时子块划分也可以提高模型的容错能力，将故障缩小到一个特定的子块范围，一个或多个子块的异常情况几乎不会影响其他子块的检测结果；采用标准距离提取了样本的局部标准差信息，实现了局部数据处理，提高了故障的检测的准确性。

20、本公开的优点以及附加方面的优点将在下面的具体实施例中进行详细说明。

技术特征：

1.一种基于变量分块的故障监测方法，其特征在于，包括如下步骤：

2.如权利要求1所述的一种基于变量分块的故障监测方法，其特征在于：将变量划分为多个变量数据块的方法，包括如下步骤：

3.如权利要求2所述的一种基于变量分块的故障监测方法，其特征在于：

4.如权利要求2所述的一种基于变量分块的故障监测方法，其特征在于：

5.如权利要求1所述的一种基于变量分块的故障监测方法，其特征在于：基于局部临近标准化的fd-knn故障检测模型进行故障判断的过程如下：

6.如权利要求5所述的一种基于变量分块的故障监测方法，其特征在于：

7.如权利要求1所述的一种基于变量分块的故障监测方法，其特征在于：基于贝叶斯融合每个变量数据块对应的故障检测模型的检测结果，得到最终的检测结果。

8.一种基于变量分块的故障监测系统，其特征在于：包括数据采集器以及处理器：

9.一种基于变量分块的故障监测系统，其特征在于，包括：

10.一种电子设备，其特征在于，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求1-7任一项方法所述的步骤。

技术总结
本公开涉及故障监控技术领域，提出了一种基于变量分块的故障监测方法及系统，包括如下步骤：获取待监测系统的运行变量数据；计算变量数据之间的相关性，基于相关性进行聚类，将变量划分为多个变量数据块；将分块后的变量数据，按照分块分别传输至基于对应变量块数据训练后的故障检测模型，得到对应每个变量数据块的故障检测结果；所述故障检测模型采用基于局部临近标准化的FD‑KNN故障检测模型；融合所有故障检测模型的检测结果，确定待监测系统是否发生故障。本公开通过将数据按照相关性进行分块处理，有效减小各子块模型的计算负担，并且能够实现局部信息的有效处理，提高了故障监测的准确性。

技术研发人员：苏照阳,李凡平,石柱国
受保护的技术使用者：以萨技术股份有限公司
技术研发日：
技术公布日：2024/1/15