CN102252709A - 一种非电量测量系统故障诊断方法 - Google Patents
一种非电量测量系统故障诊断方法 Download PDFInfo
- Publication number
- CN102252709A CN102252709A CN 201110101790 CN201110101790A CN102252709A CN 102252709 A CN102252709 A CN 102252709A CN 201110101790 CN201110101790 CN 201110101790 CN 201110101790 A CN201110101790 A CN 201110101790A CN 102252709 A CN102252709 A CN 102252709A
- Authority
- CN
- China
- Prior art keywords
- electricity measurement
- measurement data
- data time
- time sequence
- described non
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Abstract
本发明涉及一种非电量测量系统故障诊断方法,特别是海洋浮标上的压力测量系统故障诊断方法。所述的一种非电量测量系统故障诊断方法,将测量系统连续测量的非电量数据组合成非电量测量数据时间序列;分析提取非电量测量数据时间序列特征值;将非电量测量数据时间序列特征值与知识库中的故障特征值进行比对;如果非电量测量数据时间序列特征值与知识库中的某一类型的故障特征值相匹配,判定非电量测量系统故障,预测其发展趋势。本发明通过非电量测量系统返回的测量值的分析就可以诊断故障,快速可靠;特别是海洋浮标上的压力等非电量测量系统,通过遥感传回的测量数据直接分析海洋浮标上的故障,更显经济方便。
Description
技术领域
本发明涉及故障诊断方法,具体涉及一种非电量测量系统故障诊断方法,特别是海洋浮标上的压力测量系统故障诊断方法。
背景技术
海洋浮标,一般分为水上和水下两部分。水上部分装有多种气象要素传感器,分别测量风速、风向、气温、气压和温度等气象要素;水下部分有多种水文要素传感器,分别测量波浪、海流、潮位、海温和盐度等海洋水文要素。
在生产和科学研究中,对某一个或一组变量x(t)进行观察测量,将在一系列时刻t1, t2, …, tn (t为自变量且t1<t2<…< tn ) 所得到的离散数字组成序列集合x(t1), x(t2), …, x(tn),我们称之为时间序列,这种有时间意义的序列也称为动态数据。这样的动态数据在自然、经济及社会等领域都是很常见的。如在一定生态条件下,动植物种群数量逐月或逐年的消长过程、某证券交易所每天的收盘指数、每个月的GNP、失业人数或物价指数等等。对于平稳时间序列,可用通用ARMA模型(自回归滑动平均模型)及其特殊情况的自回归模型、滑动平均模型或组合-ARMA模型等来进行拟合。当观测值多于50个时一般都采用ARMA模型。对于非平稳时间序列则要先将观测到的时间序列进行差分运算,化为平稳时间序列,再用适当模型去拟合这个差分序列。
中国发明专利200910096762.1公开了一种基于光纤陀螺的ARMA时间序列的寻北方法。但ARMA模型用于非电量测量系统的故障诊断尚未见报道。
发明内容
本发明的目的是,通过分析非电量测量系统测量数据快速可靠的确定测量系统是否存在故障。
为实现上述目的,本发明采取的技术方案是:提供一种非电量测量系统故障诊断方法,包括第一步将测量系统连续测量的非电量数据组合成非电量测量数据时间序列;第二步分析提取非电量测量数据时间序列特征值;第三步将非电量测量数据时间序列特征值与知识库中的故障特征值进行比对;第四步如果非电量测量数据时间序列特征值与知识库中的某一类型的故障特征值相匹配,判定非电量测量系统故障,预测其发展趋势;第六步如果非电量测量数据时间序列特征值与知识库不匹配,记录非电量测量数据时间序列特征值,进行人工分析,决定是否更新知识库。
上述第二步包括以下步骤:非电量测量数据时间序列平衡性分析;如果不平衡,将非电量测量数据时间序列进行差分计算;将非电量测量数据时间序列进行零均值化;计算非电量测量数据时间序列自相关函数ACF和偏相关函数PACF;对非电量测量数据时间序列进行ARMA模型识别,估计出模型中的未知参数,检验模型有效性;如果模型有效性通过,预测未知数据,提取非电量测量数据时间序列特征值;如果模型有效性没有通过,返回计算非电量测量数据时间序列自相关函数ACF和偏相关函数PACF。
本发明有如下有益效果:通过非电量测量系统返回的测量值的分析就可以诊断故障,不用到现场进行例行检查,快速可靠;特别是海洋浮标上的非电量测量系统,现场检查费事费力,通过遥感传回的测量数据直接分析海洋浮标上的故障,更显经济方便。
附图说明
图1是所述一种非电量测量系统故障诊断方法信息传递图。
图2是所述一种非电量测量系统故障诊断方法数据处理建模流程图。
图3是所述一种非电量测量系统故障诊断方法实施例原始时间序列图。
图4是所述一种非电量测量系统故障诊断方法实施例自相关和偏相关函数图。
图5是所述一种非电量测量系统故障诊断方法实施例真值与预测值比较曲线图。
图6是所述一种非电量测量系统故障诊断方法故障诊断流程图。
具体实施方式
下面结合实施例并参照附图对本发明作进一步描述。
实施例,如图1所述一种非电量测量系统故障诊断方法信息传递图所示,通过各种遥感监测返回出非电量测量系统测量的测量数据,传递给数据通讯装置,进入数据处理系统进行测量数据处理,诊断出测量系统是否存在故障。
如图2所述一种非电量测量系统故障诊断方法数据处理建模流程图所示,数据处理系统对非电量测量数据建模提取非电量测量数据时间序列特征值有以下步骤:非电量测量数据时间序列平衡性分析;如果不平衡,将非电量测量数据时间序列进行差分计算;将非电量测量数据时间序列进行零均值化;计算非电量测量数据时间序列自相关函数ACF和偏相关函数PACF;对非电量测量数据时间序列进行ARMA模型识别,估计出模型中的未知参数,检验模型有效性;如果模型有效性通过,预测未知数据,提取非电量测量数据时间序列特征值;如果模型有效性没有通过,返回计算非电量测量数据时间序列自相关函数ACF和偏相关函数PACF。
如图3所述一种非电量测量系统故障诊断方法实施例原始时间序列图所示,选取54组数据构建压力测量数据时间序列,最后5组数据对数据处理结果进行验证。
对上述压力测量数据时间序列平衡性分析,游程检验定义为保持序列数目不变的情况下,具有相同记号的序列值。当,记为“+”;当,记为“”。分别为“”,“+”的数目。当均不超过15时,平均游程数服从分布;当超过15时,n服从正态分布。本实施例中序列总样本统计量,游程数,,均不超过15,因此平均游程数服从分布。本实施例中游程检验统计量(双边检验),和均不超过15,检验显著性水平通常取,查分布表,得原假设的接受区域为,故接受原假设,序列平稳,无需进行差分运算。
计算压力测量数据时间序列自相关函数ACF和偏相关函数PACF, -模型识别是一种经常判断序列所适合模型的方法,它通过序列样本的自相关、偏相关函数的拖尾性和截尾性来进行判断。利用软件编程,绘制浮标采集的压力数据误差的时间序列的自相关和偏相关函数图,如图4所述一种非电量测量系统故障诊断方法实施例自相关和偏相关函数图所示。由图中可以看出,函数值在时,函数值均在零值附近振荡,可认为等于零,且自相关函数和偏相关函数图近似为负指数控制。非零样本自相关系数衰减为在零附近小值波动的过程非常缓慢,偏自相关系数在时滞k处绝对值小于或者等于 的概率约为92%小于95.5%。因此判断其自相关和偏相关函数具有拖尾性,选取模型。
对压力测量数据时间序列进行ARMA模型识别,估计出模型中的未知参数,检验模型有效性。在模型结构、阶次和参数确定后利用模型进行预测和验证,选取最后5组样本序列进行验证,如图5所述一种非电量测量系统故障诊断方法实施例真值与预测值比较曲线图所示,相似度为62.46%,预测误差分析结果如下表所示:
如图7所述一种非电量测量系统故障诊断方法故障诊断流程图所示,数据处理系统初始化后,第一步将测量系统连续测量的压力数据组合成压力测量数据时间序列;第二步分析提取压力测量数据时间序列特征值;第三步将压力测量数据时间序列特征值与知识库中的故障特征值进行比对;第四步如果压力测量数据时间序列特征值与知识库中的某一类型的故障特征值相匹配,判定压力测量系统故障,预测其发展趋势;第六步如果压力测量数据时间序列特征值与知识库不匹配,记录压力测量数据时间序列特征值,进行人工分析,决定是否更新知识库。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员,在不脱离本发明原理的前提下,还可以做出若干改进和补充,比如应用于矿上粉尘测量系统,海洋浮标上的温度测量系统,这些改进和补充也应视为本发明的保护范围。
Claims (4)
1.一种非电量测量系统故障诊断方法,其特征在于包括以下步骤:
将所述测量系统连续测量的非电量数据组合成非电量测量数据时间序列的步骤;
分析提取所述非电量测量数据时间序列特征值的步骤;
将所述非电量测量数据时间序列特征值与知识库中的故障特征值进行比对的步骤;
如果所述非电量测量数据时间序列特征值与知识库中的某一类型的故障特征值相匹配,判定所述非电量测量系统故障,预测其发展趋势的步骤;
如果所述非电量测量数据时间序列特征值与知识库不匹配,记录所述非电量测量数据时间序列特征值,进行人工分析,决定是否更新知识库的步骤。
2.根据权利要求1所述非电量测量系统故障诊断方法,其特征在于所述分析提取所述非电量测量数据时间序列特征值的步骤,包括以下步骤:
所述非电量测量数据时间序列平衡性分析的步骤;
如果不平衡,将所述非电量测量数据时间序列进行差分计算的步骤;
将所述非电量测量数据时间序列进行零均值化的步骤;
计算所述非电量测量数据时间序列自相关函数ACF和偏相关函数PACF的步骤;
对所述非电量测量数据时间序列进行ARMA模型识别,估计出模型中的未知参数,检验所述模型有效性的步骤;
如果所述模型有效性通过,预测未知数据,提取所述非电量测量数据时间序列特征值的步骤;
如果所述模型有效性没有通过,返回所述计算所述非电量测量数据时间序列自相关函数ACF和偏相关函数PACF的步骤。
3.根据权利要求1或2所述非电量测量系统故障诊断方法,其特征在于所述测量系统为海洋浮标上的非电量测量系统。
4.根据权利要求3所述非电量测量系统故障诊断方法,其特征在于所述非电量为压力。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110101790 CN102252709A (zh) | 2011-04-22 | 2011-04-22 | 一种非电量测量系统故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110101790 CN102252709A (zh) | 2011-04-22 | 2011-04-22 | 一种非电量测量系统故障诊断方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102252709A true CN102252709A (zh) | 2011-11-23 |
Family
ID=44980118
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110101790 Pending CN102252709A (zh) | 2011-04-22 | 2011-04-22 | 一种非电量测量系统故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102252709A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103699118A (zh) * | 2013-12-18 | 2014-04-02 | 北京航天测控技术有限公司 | 一种航天器运行异常状态的分析方法及装置 |
CN106483929A (zh) * | 2016-10-18 | 2017-03-08 | 重庆大学 | 一种数控机床故障消除方案判别指示方法 |
CN107038492A (zh) * | 2016-02-04 | 2017-08-11 | 滴滴(中国)科技有限公司 | 基于Arma模型的每日订单成交量预测方法及装置 |
CN107247198A (zh) * | 2017-05-09 | 2017-10-13 | 安徽继远软件有限公司 | 一种配电设备故障预测方法及装置 |
CN110068746A (zh) * | 2019-04-11 | 2019-07-30 | 云南电网有限责任公司 | 电网故障诊断分析方法及系统 |
CN110146205A (zh) * | 2019-05-30 | 2019-08-20 | 武汉飞恩微电子有限公司 | 一种具自诊断功能的压力传感器装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1081362A2 (de) * | 1999-08-31 | 2001-03-07 | Siemens Aktiengesellschaft | Verfahren zum gesteuerten Betrieb einer Brennkraftmaschine nach Fehlerdiagnose |
CN101394311A (zh) * | 2008-11-12 | 2009-03-25 | 北京交通大学 | 一种基于时间序列的网络舆情预测方法 |
CN101458158A (zh) * | 2009-01-06 | 2009-06-17 | 长沙理工大学 | 基于声发射检测的汽轮机滑动轴承故障诊断方法及其装置 |
-
2011
- 2011-04-22 CN CN 201110101790 patent/CN102252709A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1081362A2 (de) * | 1999-08-31 | 2001-03-07 | Siemens Aktiengesellschaft | Verfahren zum gesteuerten Betrieb einer Brennkraftmaschine nach Fehlerdiagnose |
CN101394311A (zh) * | 2008-11-12 | 2009-03-25 | 北京交通大学 | 一种基于时间序列的网络舆情预测方法 |
CN101458158A (zh) * | 2009-01-06 | 2009-06-17 | 长沙理工大学 | 基于声发射检测的汽轮机滑动轴承故障诊断方法及其装置 |
Non-Patent Citations (3)
Title |
---|
《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 20100815 赵康德 基于小波变换和Lipschitz指数的水泵故障诊断研究 第45-49页第4.3节 1-4 , 第8期 * |
《热能动力工程》 20070120 梁平等 基于ARMA及神经网络的汽轮机振动故障诊断研究 第6页第2栏第1-2段 2 第22卷, 第1期 * |
《电子测量与仪器学报》 20010930 张荣标等 基于时间序列和专家系统的PH值传感器故障诊断的研究 第32页第3.1,3.2节,第33页第1段,第34页第4.2节 1-4 第15卷, 第3期 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103699118A (zh) * | 2013-12-18 | 2014-04-02 | 北京航天测控技术有限公司 | 一种航天器运行异常状态的分析方法及装置 |
CN103699118B (zh) * | 2013-12-18 | 2016-08-31 | 北京航天测控技术有限公司 | 一种航天器运行异常状态的分析方法及装置 |
CN107038492A (zh) * | 2016-02-04 | 2017-08-11 | 滴滴(中国)科技有限公司 | 基于Arma模型的每日订单成交量预测方法及装置 |
CN106483929A (zh) * | 2016-10-18 | 2017-03-08 | 重庆大学 | 一种数控机床故障消除方案判别指示方法 |
CN107247198A (zh) * | 2017-05-09 | 2017-10-13 | 安徽继远软件有限公司 | 一种配电设备故障预测方法及装置 |
CN110068746A (zh) * | 2019-04-11 | 2019-07-30 | 云南电网有限责任公司 | 电网故障诊断分析方法及系统 |
CN110146205A (zh) * | 2019-05-30 | 2019-08-20 | 武汉飞恩微电子有限公司 | 一种具自诊断功能的压力传感器装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110634080B (zh) | 异常用电检测方法、装置、设备及计算机可读存储介质 | |
CN102252709A (zh) | 一种非电量测量系统故障诊断方法 | |
CN107153409B (zh) | 一种基于缺失变量建模思路的非高斯过程监测方法 | |
CN108593260A (zh) | 光缆线路故障定位和检测方法及终端设备 | |
CN107949812A (zh) | 用于检测配水系统中的异常的组合方法 | |
CN109753923A (zh) | 刀具磨损量的监测方法、系统、设备及计算机可读存储介质 | |
CN112508105A (zh) | 一种采油机故障检测与检索方法 | |
CN109767054A (zh) | 基于深度神经网络算法的能效云评估方法及边缘能效网关 | |
CN106121622B (zh) | 一种基于示功图的有杆泵抽油井的多故障诊断方法 | |
CN111122162B (zh) | 基于欧氏距离多尺度模糊样本熵的工业系统故障检测方法 | |
CN103103570B (zh) | 基于主元相似性测度的铝电解槽况诊断方法 | |
CN110288032A (zh) | 一种车辆行驶轨迹类型检测方法及装置 | |
CN109492709A (zh) | 基于混合模型的数据预测方法及装置 | |
CN109685334B (zh) | 一种新的基于多尺度理论的水文模型模拟评估方法 | |
CN106951680A (zh) | 一种水文时间序列异常模式检测方法 | |
CN107589391A (zh) | 一种检测电能计量装置整体误差的方法、装置和系统 | |
CN114265001B (zh) | 一种智能电表计量误差评估方法 | |
CN111353502B (zh) | 数字表识别方法、装置以及电子设备 | |
CN112348290A (zh) | 河流水质预测方法、装置、存储介质及设备 | |
CN100478650C (zh) | 改善发电设备故障检测的方法和装置 | |
CN109670549A (zh) | 火电机组的数据筛选方法、装置以及计算机设备 | |
CN111950605A (zh) | 表计识别模型的学习方法、装置、设备和表计识别方法 | |
CN112766301A (zh) | 一种采油机示功图相似性判断方法 | |
CN114691661B (zh) | 一种基于同化的云导风、温湿廓线预处理分析方法及系统 | |
CN117331017A (zh) | 一种三相四线电能表错接线研判方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20111123 |