CN108319568B - 一种设备状态异常问题定位的方法 - Google Patents

Abstract

本发明公开了一种设备状态异常问题定位的方法，该方法包括：以时间为标尺，获取连续时间段内，同一时刻下与设备关联的所有特征的状态信息；综合获取到的以上数据信息，通过数据分析和计算，实现设备状态异常问题定位的算法，确定状态异常的关键。本发明公开的方法，通过计算确定状态异常的关键特征。

Description

一种设备状态异常问题定位的方法

技术领域

本发明涉及一种设备状态异常问题定位的方法，属于设备故障诊断领域。

背景技术

设备在使用过程中，由于摩擦、外力、应力及化学反应的作用，零件总会逐渐磨损、腐蚀和断裂，导致故障而停机。特别对精密的电子设备而言，在受到电磁、震动、湿度及盐度剧烈变化的影响下，会出现突发或永久的异常。

在役设备在发生故障前，通常会出现如启动困难、突然自动停机、运转过程速率不足等突发的异常现象。这些异常现象或者是故障前兆，或者是设备运行的环境产生突发状况。

状态异常问题出现，快速判断问题的所在，定位到产生异常的关键特征，是设备维护工作的一个关键技术问题。数据挖掘技术的发展，为设备故障诊断领域提供了新的研究方向，能够为设备状态异常问题定位提供技术支持。

实用新型内容

针对现有技术存在的不足，本发明所要解决的技术问题是，提供一种设备状态异常问题定位的方法，充分考虑和分析影响设备状态和性能的特征，通过大数据分析技术，实现设备状态异常的快速定位。

为解决上述技术问题，本发明采取的技术方案是，一种设备状态异常问题定位的方法，其特征在于：包括以下步骤：

步骤1：以时间为标尺，获取连续时间段内，同一时刻下与设备关联的所有特征的状态信息；

步骤2：综合以上步骤1获取到的数据信息，通过数据分析和计算，实现设备状态异常问题定位的算法，确定状态异常的关键特征。

2、根据权利要求1所述的设备状态异常问题定位的方法，其特征在于：所述步骤2具体通过如下步骤来实现：

S1、获取的数据格式为{(x₁,y₁),(x₂,y₂),…,(x_N,y_N)}，其中x_i＝(x_i ⁽¹⁾,x_i ⁽²⁾,…,x_i ⁽ⁿ⁾)^T，代表时刻i时，与设备关联的所有特征的状态信息，n表示特征的个数，x_i ^(j)是代表时刻i时与设备关联的特征j的信息，x_i ^(j)∈[a_j,b_j]或∈{a_j1,a_j2,…,a_jSj},S_j表示j特征可以取值的个数，y_i∈{0,1}，0代表设备正常工作，1代表设备异常；

S2、特征值离散化：对特征x_i ^(j)而言，若其取值范围为[a_j,b_j]连续区间时，使用相应的离散区间替代连续值，即把连续值转换成序数值；

S3、对第j个特征，集合{x₁ ^(j),x₂ ^(j),…,x_n ^(j)}通过步骤S1划分为k个集合{t₁ ^(j),t₂ ^(j),…,t_k ^(j)}，初始化特征标号j(j∈[1,n])，令j＝1，flag＝1，计算

其中，N是总的样本数，N(t_m ⁽¹⁾)是{x₁ ^(j),x₂ ^(j),…,x_n ^(j)}中划分为t_m ⁽¹⁾的个数，p(m|t_m ⁽¹⁾)是在t_m ⁽¹⁾下，类m所占的比例；

S4、对第j个特征，计算

S5、若min△>△_j，则min△＝△_j，flag＝j，j++，若j>n,转到S6,否则，转到S4；

S6、标号flag的特征为状态异常的关键特征。

本发明的优点在于它能克服现有技术的弊端，结构设计合理新颖。由上述本发明提供的算法可以看出，通过每次对Δ的计算，确定出状态异常的关键特征，若对每次的Δ_j进行从大到小的排序，则能够得到各特征对状态异常的影响情况。

附图说明

图1为本发明提供的一种设备状态异常问题定位的方法的流程图。

具体实施方式

本发明为一种设备状态异常问题定位的方法，充分考虑和分析影响设备状态和性能的特征，通过大数据分析技术，实现设备状态异常的快速定位。

为解决上述技术问题，本发明采取的技术方案是，一种设备状态异常问题定位的方法，其特征在于：包括以下步骤：

步骤1：以时间为标尺，获取连续时间段内，同一时刻下与设备关联的所有特征的状态信息；

步骤2：综合获取到的以上数据信息，通过数据分析和计算，实现设备状态异常问题定位的算法，确定状态异常的关键特征。

优化的，上述设备状态异常问题定位的方法，其特征在于：所述步骤2具体通过如下步骤来实现：

S1、获取的数据格式为{(x₁,y₁),(x₂,y₂),…,(x_N,y_N)}，其中x_i＝(x_i ⁽¹⁾,x_i ⁽²⁾,…,x_i ⁽ⁿ⁾)^T，代表时刻i时，与设备关联的所有特征的状态信息，n表示特征的个数，x_i ^(j)是第i个样本的第j个特征，代表时刻i时，与设备关联的特征j的信息，x_i ^(j)∈[a_j,b_j]或∈{a_j1,a_j2,…,a_jSj},y_i∈{0,1}，0代表设备正常工作，1代表设备异常；

S2、特征值离散化：对特征x_i ^(j)而言，若其取值范围为[a_j,b_j]连续区间时，使用相应的离散区间替代连续值，即把连续值转换成序数值；

S3、初始化特征标号j(j∈[1,n])，令j＝1，flag＝1，计算

S4、对第j个特征，集合{x₁ ^(j),x₂ ^(j),…,x_n ^(j)}通过步骤S1划分为k个集合{t₁ ^(j),t₂ ^(j),…,t_k ^(j)}，计算

S5、若min△>△_j，则min△＝△_j，flag＝j，j++，若j>n,转到S6,否则，转到S4；

S6、标号flag的特征为状态异常的关键特征。

本发明的优点在于它能克服现有技术的弊端，结构设计合理新颖。由上述本发明提供的算法可以看出，通过每次对Δ的计算，确定出状态异常的关键特征，若对每次的Δ_j进行从大到小的排序，则能够得到各特征对状态异常的影响情况。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例可以通过软件实现，也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解，上述实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

当然，上述说明并非是对本发明的限制，本发明也并不限于上述举例，本技术领域的普通技术人员，在本发明的实质范围内，作出的变化、改型、添加或替换，都应属于本发明的保护范围。

Claims (1)

1.一种设备状态异常问题定位的方法，其特征在于：包括以下步骤：

步骤1：以时间为标尺，获取连续时间段内，同一时刻下与设备关联的所有特征的状态信息；

步骤2：综合以上步骤1获取到的数据信息，通过数据分析和计算，实现设备状态异常问题定位的算法，确定状态异常的关键特征：

所述步骤2具体通过如下步骤来实现：

S1、获取的数据格式为{(x₁,y₁),(x₂,y₂),…,(x_N,y_N)}，其中x_i＝(x_i ⁽¹⁾,x_i ⁽²⁾,…,x_i ⁽ⁿ⁾)^T，代表时刻i时，与设备关联的所有特征的状态信息，x_i ^(j)是第i个样本的第j个特征，代表时刻i时，与设备关联的特征j的信息，x_i ^(j)∈[a_j,b_j]或∈{a_j1,a_j2,…,a_jSj},y_i∈{0,1}，0代表设备正常工作，1代表设备异常；

S2、特征值离散化：对特征x_i ^(j)而言，若其取值范围为[a_j,b_j]连续区间时，使用相应的离散区间替代连续值，即把连续值转换成序数值；

S3、对第j个特征，集合{x₁ ^(j),x₂ ^(j),...,x_n ^(j)}通过步骤S1划分为k个集合{t₁ ^(j),t₂ ^(j),...,t_k ^(j)}，初始化特征标号j(j∈[1,n])，令j＝1，flag＝1，计算

其中，N是总的样本数，N(t_m ⁽¹⁾)是{x₁ ^(j),x₂ ^(j),...,x_n ^(j)}中划分为t_m ⁽¹⁾的个数，p(m|t_m ⁽¹⁾)是在t_m ⁽¹⁾下，类m所占的比例；

S4、对第j个特征，计算

S5、若min△>△_j，则min△＝△_j，flag＝j，j++，若j>n,转到S6,否则，转到S4；

S6、标号flag的特征为状态异常的关键特征。

Images