【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)屬于故障報(bào)警，具體涉及一種設(shè)備異常報(bào)警方法。
技術(shù)介紹
1、隨著物聯(lián)網(wǎng)（iot）、大數(shù)據(jù)分析、人工智能等先進(jìn)技術(shù)的廣泛應(yīng)用，各類生產(chǎn)設(shè)備的運(yùn)行狀態(tài)監(jiān)測(cè)和故障預(yù)測(cè)變得日益重要。在生產(chǎn)過(guò)程中，任何關(guān)鍵設(shè)備的意外停機(jī)或性能下降都可能導(dǎo)致生產(chǎn)線中斷、產(chǎn)品質(zhì)量問(wèn)題甚至安全事故，嚴(yán)重影響企業(yè)的生產(chǎn)效率和經(jīng)濟(jì)效益。
2、傳統(tǒng)的設(shè)備維護(hù)主要依賴定期檢修和人工巡檢，但這種方法往往存在滯后性和低效率的問(wèn)題，不能及時(shí)發(fā)現(xiàn)并處理突發(fā)性設(shè)備故障。因此，基于實(shí)時(shí)數(shù)據(jù)采集與智能分析的設(shè)備異常報(bào)警方法應(yīng)運(yùn)而生，它通過(guò)集成傳感器網(wǎng)絡(luò)獲取設(shè)備運(yùn)行過(guò)程中的各種參數(shù)，例如現(xiàn)有常用的一種監(jiān)控方法，通過(guò)使用傳感器和監(jiān)控系統(tǒng)來(lái)監(jiān)測(cè)設(shè)備的運(yùn)行狀態(tài)，并在發(fā)現(xiàn)異常情況時(shí)發(fā)送報(bào)警通知，具體為：安裝傳感器（溫度、振動(dòng)、壓力傳感器等等）：根據(jù)設(shè)備的特點(diǎn)和需要監(jiān)測(cè)的參數(shù)，選擇合適的傳感器進(jìn)行安裝，例如，溫度傳感器用于監(jiān)測(cè)設(shè)備溫度，壓力傳感器用于監(jiān)測(cè)設(shè)備壓力等；連接監(jiān)控系統(tǒng)：將傳感器與監(jiān)控系統(tǒng)進(jìn)行連接，確保傳感器可以向監(jiān)控系統(tǒng)發(fā)送數(shù)據(jù)；設(shè)置閾值：根據(jù)設(shè)備正常運(yùn)行的參數(shù)范圍，設(shè)置相應(yīng)的閾值，例如，如果設(shè)備溫度正常范圍為20℃到40℃，可以設(shè)置溫度傳感器的閾值為超過(guò)40℃即為異常情況；監(jiān)測(cè)數(shù)據(jù)：監(jiān)控系統(tǒng)會(huì)定期獲取傳感器發(fā)送的數(shù)據(jù)，并對(duì)數(shù)據(jù)進(jìn)行分析和比對(duì)，如果監(jiān)測(cè)到數(shù)據(jù)超過(guò)設(shè)定的閾值，即判斷為設(shè)備異常；發(fā)送報(bào)警通知：一旦監(jiān)控系統(tǒng)監(jiān)測(cè)到設(shè)備異常，會(huì)自動(dòng)發(fā)送報(bào)警通知，通知可以通過(guò)短信、郵件、手機(jī)應(yīng)用等方式發(fā)送給相關(guān)人員，以便及時(shí)采取措施修復(fù)設(shè)備或進(jìn)行其他必要的操作；處理異常情況
3、然而，單純依靠閾值監(jiān)控的方式存在一定的局限性。由于設(shè)備運(yùn)行狀態(tài)受到多種復(fù)雜因素的影響，固定閾值難以適應(yīng)所有工況變化，尤其是在面對(duì)設(shè)備老化、環(huán)境變化以及偶發(fā)的非典型故障模式時(shí)，傳統(tǒng)的閾值報(bào)警方法可能會(huì)出現(xiàn)誤報(bào)或者漏報(bào)的情況，導(dǎo)致維護(hù)效率低下且無(wú)法實(shí)現(xiàn)精準(zhǔn)預(yù)測(cè)。
4、隨著大數(shù)據(jù)、云計(jì)算及人工智能技術(shù)的發(fā)展，機(jī)器學(xué)習(xí)已成為新一代技術(shù)的主流趨勢(shì)。相較于傳統(tǒng)閾值監(jiān)控，利用機(jī)器學(xué)習(xí)算法可以從海量的歷史數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)中挖掘出設(shè)備運(yùn)行的內(nèi)在規(guī)律與潛在關(guān)聯(lián)，并建立動(dòng)態(tài)模型來(lái)描述設(shè)備的健康狀況。通過(guò)持續(xù)訓(xùn)練與優(yōu)化，能夠準(zhǔn)確識(shí)別復(fù)雜的設(shè)備行為模式，實(shí)現(xiàn)更精細(xì)的故障診斷與預(yù)警功能。基于此，本專利技術(shù)提出了一種設(shè)備異常報(bào)警方法。
技術(shù)實(shí)現(xiàn)思路
1、為了解決現(xiàn)有技術(shù)中的上述問(wèn)題，即為了解決現(xiàn)有的設(shè)備異常報(bào)警方法會(huì)出現(xiàn)誤報(bào)或者漏報(bào)的情況，無(wú)法實(shí)現(xiàn)精準(zhǔn)預(yù)警，導(dǎo)致維護(hù)效率低下，甚至出現(xiàn)生產(chǎn)線中斷以及安全事故的問(wèn)題。本專利技術(shù)第一方面，提出了一種設(shè)備異常報(bào)警方法，該方法包括：
2、s10，獲取待監(jiān)測(cè)的設(shè)備的傳感器數(shù)據(jù)，作為輸入數(shù)據(jù)；
3、s20，對(duì)所述輸入數(shù)據(jù)進(jìn)行預(yù)處理，得到預(yù)處理數(shù)據(jù)；所述預(yù)處理包括數(shù)據(jù)清洗、數(shù)據(jù)歸一化操作；
4、s30，提取所述預(yù)處理數(shù)據(jù)的特征；
5、s40，將提取的特征輸入預(yù)構(gòu)建的狀態(tài)識(shí)別模型，得到所述待監(jiān)測(cè)的設(shè)備的狀態(tài)；
6、s50，若所述待監(jiān)測(cè)的設(shè)備的狀態(tài)為異常，則自動(dòng)發(fā)送報(bào)警通知；
7、其中，所述狀態(tài)識(shí)別模型基于機(jī)器學(xué)習(xí)模型構(gòu)建；所述狀態(tài)識(shí)別模型，其訓(xùn)練方法為：
8、a10，確定所述狀態(tài)識(shí)別模型的參數(shù)空間，并創(chuàng)建參數(shù)網(wǎng)格；
9、a20，對(duì)于所述參數(shù)網(wǎng)格中的每一個(gè)參數(shù)組合，通過(guò)交叉驗(yàn)證方法訓(xùn)練其對(duì)應(yīng)的狀態(tài)識(shí)別模型并評(píng)估性能指標(biāo)；所述性能指標(biāo)包括準(zhǔn)確率、精確率、召回率；
10、a30，選取性能指標(biāo)最好的參數(shù)組合，對(duì)所述狀態(tài)識(shí)別模型重新進(jìn)行訓(xùn)練。
11、在一些優(yōu)選的實(shí)施方式中，訓(xùn)練其對(duì)應(yīng)的狀態(tài)識(shí)別模型，其方法為：
12、b10，獲取歷史傳感器數(shù)據(jù)，作為訓(xùn)練數(shù)據(jù)，對(duì)所述訓(xùn)練數(shù)據(jù)進(jìn)行數(shù)據(jù)增強(qiáng)，構(gòu)建訓(xùn)練數(shù)據(jù)集；
13、b20，對(duì)所述訓(xùn)練數(shù)據(jù)進(jìn)行預(yù)處理，并提取預(yù)處理后的數(shù)據(jù)的特征；
14、b30，對(duì)提取的特征進(jìn)行特征篩選；所述特征篩選方法包括方差選擇方法、相關(guān)系數(shù)選擇方法、遞歸特征消除方法；
15、b40，將篩選后的特征輸入所述狀態(tài)識(shí)別模型，得到狀態(tài)識(shí)別結(jié)果；
16、b50，基于所述狀態(tài)識(shí)別結(jié)果及其對(duì)應(yīng)的標(biāo)簽，計(jì)算損失值，進(jìn)而更新所述狀態(tài)識(shí)別模型的模型參數(shù)；
17、b60，循環(huán)b10-b50，直至得到訓(xùn)練好的狀態(tài)識(shí)別模型。
18、在一些優(yōu)選的實(shí)施方式中，若所述機(jī)器學(xué)習(xí)模型為支持向量機(jī)；則所述支持向量機(jī)在訓(xùn)練時(shí)，損失函數(shù)為：
19、；
20、其中，是權(quán)重向量，是偏置項(xiàng)，是第個(gè)樣本的特征向量，是第個(gè)樣本的標(biāo)簽，是懲罰系數(shù)。
21、本專利技術(shù)的第二方面，提出了一種設(shè)備異常報(bào)警方法，該方法包括：
22、獲取待監(jiān)測(cè)的設(shè)備的歷史傳感器數(shù)據(jù)，作為輸入數(shù)據(jù)；所述歷史傳感器數(shù)據(jù)為基于時(shí)間序列的數(shù)據(jù)；
23、對(duì)所述輸入數(shù)據(jù)進(jìn)行預(yù)處理，得到預(yù)處理數(shù)據(jù)；所述預(yù)處理包括平穩(wěn)性檢驗(yàn)和差分處理；
24、確定arima模型的參數(shù) p、 d和 q，進(jìn)而擬合所述arima模型；其中，所述 d為arima模型需要的差分的階數(shù)；所述 p為基于時(shí)間序列的數(shù)據(jù)本身的滯后數(shù)；所述 q為預(yù)測(cè)誤差的滯后數(shù)；
25、將所述預(yù)處理數(shù)據(jù)輸入擬合的arima模型，得到預(yù)測(cè)結(jié)果；
26、計(jì)算所述預(yù)測(cè)結(jié)果與實(shí)際觀測(cè)值之間的差值，若所述差值大于設(shè)定的差值閾值，則判斷所述待監(jiān)測(cè)的設(shè)備的狀態(tài)為異常，自動(dòng)發(fā)送報(bào)警通知。
27、在一些優(yōu)選的實(shí)施方式中，確定arima模型的參數(shù) p、 d和 q，其方法為：
28、根據(jù)所述輸入數(shù)據(jù)的自相關(guān)圖和偏自相關(guān)圖，確定arima模型的參數(shù) p、 d和 q。
29、在一些優(yōu)選的實(shí)施方式中，所述arima模型的自回歸部分為：
30、
31、其中，是外部因素或指標(biāo)的觀測(cè)值，是對(duì)應(yīng)的系數(shù)，表示常數(shù)項(xiàng)，表示在t時(shí)間點(diǎn)的誤差項(xiàng)，表示自回歸部分的參數(shù)，用來(lái)描述當(dāng)前值與過(guò)去 p個(gè)時(shí)間點(diǎn)值之間的關(guān)系，表示時(shí)間序列數(shù)據(jù)。
32、在一些優(yōu)選的實(shí)施方式中，將所述arima模型的差分部分與自回歸部分相結(jié)合，得到的模型為：
33、
34、其中，表示進(jìn)行 d階差分運(yùn)算，表示時(shí)本文檔來(lái)自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種設(shè)備異常報(bào)警方法，其特征在于，該方法包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種設(shè)備異常報(bào)警方法，其特征在于，訓(xùn)練其對(duì)應(yīng)的狀態(tài)識(shí)別模型，其方法為：
3.根據(jù)權(quán)利要求2所述的一種設(shè)備異常報(bào)警方法，其特征在于，若所述機(jī)器學(xué)習(xí)模型為支持向量機(jī)；則所述支持向量機(jī)在訓(xùn)練時(shí)，損失函數(shù)為：
4.一種設(shè)備異常報(bào)警方法，其特征在于，該方法包括以下步驟：
5.根據(jù)權(quán)利要求4所述的一種設(shè)備異常報(bào)警方法，其特征在于，確定ARIMA模型的參數(shù)p、d和q，其方法為：
6.根據(jù)權(quán)利要求5所述的一種設(shè)備異常報(bào)警方法，其特征在于，所述ARIMA模型的自回歸部分為：
7.根據(jù)權(quán)利要求5所述的一種設(shè)備異常報(bào)警方法，其特征在于，將所述ARIMA模型的差分部分與自回歸部分相結(jié)合，得到的模型為：
8.根據(jù)權(quán)利要求5所述的一種設(shè)備異常報(bào)警方法，其特征在于，所述ARIMA模型為：
9.一種設(shè)備異常報(bào)警方法，其特征在于，該方法包括以下步驟：
【技術(shù)特征摘要】
1.一種設(shè)備異常報(bào)警方法，其特征在于，該方法包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種設(shè)備異常報(bào)警方法，其特征在于，訓(xùn)練其對(duì)應(yīng)的狀態(tài)識(shí)別模型，其方法為：
3.根據(jù)權(quán)利要求2所述的一種設(shè)備異常報(bào)警方法，其特征在于，若所述機(jī)器學(xué)習(xí)模型為支持向量機(jī)；則所述支持向量機(jī)在訓(xùn)練時(shí)，損失函數(shù)為：
4.一種設(shè)備異常報(bào)警方法，其特征在于，該方法包括以下步驟：
5.根據(jù)權(quán)利要求4所述的一種設(shè)備異常報(bào)警方法，其特征在于，確...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：羅亞龍，彭六保，曾志生，
申請(qǐng)(專利權(quán))人：航天智控北京監(jiān)測(cè)技術(shù)有限公司，
類型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。