CN108956111B

CN108956111B - 一种机械部件的异常状态检测方法及检测系统

Info

Publication number: CN108956111B
Application number: CN201810596554.0A
Authority: CN
Inventors: 谢鹏; 李�杰; 刘宗长; 金超; 晋文静; 史喆
Original assignee: Beijing Cyberinsight Technology Co ltd
Current assignee: Beijing Cyberinsight Technology Co ltd
Priority date: 2018-06-11
Filing date: 2018-06-11
Publication date: 2020-05-12
Anticipated expiration: 2038-06-11
Also published as: CN108956111A

Abstract

本发明属于数据分析技术领域，公开了一种机械部件的异常状态检测方法，选择并采集监测段外的机械部件的特征值以TF‑IDF加权算法得到基准值，再采集监测段内实时特征值并将基准值带入得到结果与设定阈值比较预判是否出现异常。本发明使用TF‑IDF计算方法对离散化后的特征值的处理，有效的放大异常点的权重，提高了对弱异常的检测。

Description

一种机械部件的异常状态检测方法及检测系统

技术领域

本发明属于数据分析技术领域，具体涉及一种机械部件的异常状态检测方法及检测系统。

背景技术

机械部件的异常可以通过振动或者温度的变化来表征，在多数设备都有安装振动或温度传感器对机械部件的一个或多个位置进行测量，并通过一套监测系统采集数据。振动或温度异常，体现在多方面，包括数值的异常，也包括与周围相关变量的关系的改变。机械设备因为内外因素，造成振动或温度的异常，多为机械设备故障发生的早期表征。

现有的机械部件异常检测技术包括阈值判定法，就是通过在监控系统中对监测测点数据设定阈值进行判断，以诊断机械部件是否存在异常。这种方法在绝大多数的机械设备的控制系统中都存在广泛应用，但是通常传感器的测点的影响因素诸多，比如发电机轴承的温度传感器受其工况、外界环境温度、相邻的机械设备温度影响，单独的阈值检测方法容易在正常的情况下引起误报；

而另一种方法如申请号为CN201310592830.3的专利采用了一种基于概率统计的温升异常检测方法。这种方法使用了温升而不是温度作为特征，但是其缺陷在于使用高斯分布来处理温升数据，而温升的分布并不一定服从高斯分布，导致其检测值和预判结果与实际结果相差较大。

发明内容

针对上述现有技术中容易引起误报或者检测误差较大的问题，本发明提供一种基于TF-IDF加权数据放大异常点权重的机械部件异常检测方法及其系统。

本发明所采用的技术方案为：一种机械部件的异常状态检测方法，选择并采集监测段外的机械部件的特征值以TF-IDF加权算法得到基准值，再采集监测段内实时特征值并将基准值带入得到结果与设定阈值比较预判是否出现异常。其中，所述的TF-IDF加权算法是一种用于信息检索与数据挖掘的常用加权技术。TF-IDF是一种统计方法，用以评估一字词对于一个文件集或一个语料库中的其中一份文件的重要程度。字词的重要性随着它在文件中出现的次数成正比增加，但同时会随着它在语料库中出现的频率成反比下降。而本发明中采用该统计方法对大样本的机械部件状态数据进行分析，并通过两个步骤进行预判零部件是否出现异常。

首先，确定需要监测对象的特征值，然后通过对该监测项目进行采样统计，具体针对不同的任务选择特征或构建新的特征变量。一般选取的变量为温度和振动，而选定了对象便只需针对该变量进行监测。然后需要找到标准对照值，再来确定出现异常的阈值。本方法中，通过先收集该部件监测段之前的大量数据进行计算，来得到一个数据库。其中所述的监测段只是一个参照点，便于后续限定，其具体时间以开始实施监测为准，在实时监测开始之前即判定为监测段前。通过设有传感器监测数据，可根据具体的被测数据类型来确定参数。例如，需要对转子轴承部件进行监测采集数据，可模拟正常工况下进行运转，或者调节具体负载大小，使其处在变化工况条件下；或者在完成某个过程前后进行采集，其具体工作环境可预设，从而达到不同的需求。

而采用TF-IDF加权算法计算时，需要设定“词条”、“文档”以及“语料库”，上述特定术语即表示为其具有上下位关系的概念，也就是说，词条最为最小单元，组成单个文档，而多个文档又组成语料库，其中的语料库是一种数据库概念，然后通过计算词频与逆向文件频率来反应突出该数据库中出现异常的词条，也就是最小单元：特征值。值得说明的是，所述“词条”、“文档”以及“语料库”是一种指代术语，针对采用TF-IDF加权算法对于数据的特定归类，并未指代其字面文字含义，而本领域技术人员能够根据其表达明确其属于上下位概念。最后通过TF-IDF算法得到参照标准数据库，然后开始实施监测，并将实时监测值带入该数据库中得到具体的IDF值进行计算，并与之前得到的标准值进行比对并计算差值，最后将差值与预设阈值对比看是否超过预设阈值，一旦超过便能够表征该监测部件出现异常，需要及时检查，从而达到通过数据分析达到预测的目的。

进一步的，所述监测段外基准值包括由每个特征值对应的IDF值组成的IDF数据表和所有特征值的TF-IDF向量的均值组成的基线向量。

进一步的，所述采集监测段外数据进行计算为训练步骤，采集监测段内实时特征值进行计算为预测过程；

训练步骤：通过选择机械部件的监测特征值进行离散化处理，处理后以恒定时间间隔升序排序设定时间窗口并滑动时间窗口，所有时间窗口作为文档组成特征值的语料库；采用TF-IDF加权算法计算生成所有特征值的IDF数据表和由所有特征值的TF-IDF向量取均值组成的基线向量；

预测过程：将实时生产或预测的监测特征值同样进行离散化处理后将训练步骤中的所有特征值IDF和基线向量带入，以相同时间间隔循环抽取时间窗口数据并对照训练步骤中得到的IDF数据表查询IDF值计算该特征的TF-IDF值，并计算该时间窗口的特征向量；计算实时特征向量与基线向量的矢量距离，并与设定阈值对比判定。

进一步的，所述TF-IDF加权算法具体步骤为：

先计算每个特征值的归一化频率TF，其计算公式为：

式中，TF_i,j为特征值i在对应时间窗口中的归一化词频，n_i,j为特征值i在第j个时间窗口中出现的频次，分母∑_kn_k,j为所有特征值在第j个时间窗口中出现的频次之和；然后计算该特征值的你想文档频率IDF，其计算公式为：

式中，IDF_i为该特征值i在对应时间窗口中的归一化词频，|W|为所有时间窗口的总数，|{j:t_i∈w_j}|表示包括该特征值i的窗口数；然后通过公式计算TF-IDF值，具体公式如下：

TF-IDF_i,j＝TF_i,j×IDF_i

所述TF-IDF即为TF与IDF的乘积，并根据每个时间窗口内的所有特征值的TF-IDF值组成该时间窗口的TF-IDF向量，并将所有时间窗口的TF-IDF向量取均值组成基线向量，具体公式如下：

预测过程中同样采用相同TF-IDF加权算法计算实时特征向量。

进一步的，在预测过程时计算实时特征向量与基线向量的矢量距离的方法包括但不限于欧式距离、马氏距离、余弦相似度等距离或分布度量方法。这里的包含为开放式限定，但一般使用欧式距离或马氏距离。欧几里得度量是一个通常采用的距离定义，指在m维空间中两个点之间的真实距离，或者向量的自然长度。在二维和三维空间中的欧氏距离就是两点之间的实际距离。马氏距离表示数据的协方差距离，它是一种有效的计算两个未知样本集的相似度的方法。与欧氏距离不同的是，它考虑到各种特性之间的联系，并且是尺度无关的，即独立于测量尺度。对于一个均值为μ，协方差矩阵为Σ的多变量向量。

进一步的，所述离散处理具体为：并将特征量以预设定宽度分隔为至少两个集合，以每个集合的端点值确定其中值，该集合内小于中值的特征值以该集合的较小端点值为离散后的结果，大于中值的特征值以该集合的较大端点值为离散后的结果。

进一步的，所述时间窗口的具体设置步骤为：预设时间间隔和时间窗口的重叠值，然后循环滑动窗口抽取其中数据，得到在T₁-T₂内的数据集合即为一个时间窗口，所述重叠值为相邻两个时间窗口的时间范围的交集，所述重叠值大于等于0。

进一步的，所述特征值包括机械设备的温度数据和振动数据，所述温度数据包括温度值和温升，，所述振动数据根据频率分为位移、速度或加速度。

一种应用上述检测方法的检测系统，包括数据采集模块、数据传输模块和数据分析模块，所述数据采集模块为设置在机械部件上的传感器，通过传感器采集特征值并将特征值通过数据传输模块传递给数据分析模块进行计算并根据预设阈值判断是否异常。

本发明的有益效果为：

(1)本发明采用滑动窗口技术处理数据，通过窗口时间状态的数据分布来定义机械部件测点数据的状况，对一段时间内的设备数据进行异常检测，有效的避免了对数据点检测异常的误报；

(2)本发明使用离散化技术对连续变量的处理，在此之后应用TFIDF技术生成加权特征向量的方法，有效的描述了窗口时间状态的分布，并提高了信噪比；

(3)本发明使用TF-IDF计算方法对离散化后的特征值的处理，有效的放大异常点的权重，提高了对弱异常的检测。

附图说明

图1是本发明的训练过程的流程示意图；

图2是本发明的预测过程的流程示意图。

具体实施方式

下面结合附图及具体实施例对本发明做进一步阐释。

实施例1：

本实施例提供一种机械部件异常检测的方法，如图1和图2所示，首先被测试零部件为设置在电机上的轴承，检测值为温度值。对于发电机轴承温度的异常，可以采用发电机前后轴承温升作为特征。

整个方法包括作为计算出对比参考量的训练步骤和将训练步骤中计算得到的数据作为参考和依据进行计算的预测步骤，其中，训练步骤具体为：

(1)获得设备传感器的监测数据，选择一组设备较早期的且数据量较大的数据作为训练数据。

(2)然后将特征变量以固定宽度或者非固定宽度进行离散化，以10的宽度大小，可以轴承温度范围为[20,100]的数值分为[20,30]，[30,40]，…，[80,90]，[90,100]的窗口。然后特征值以所在窗口上下边界的距离确定离散化后的特征值，例如轴承温度值36，在如上的参数下离散化后的值为40。

(3)将数据按时间变量升序排序，以一定的时间窗口、窗口重叠大小，循环滑动窗口抽取其中的数据。其中，设置滑动时间窗口为2小时，窗口重叠大小为1h，当前抽取时间为“2018-01-01 12:00:00”到“2018-01-01 14:00:00”之间的数据，下一步抽取时间为“2018-01-01 13:00:00”到“2018-01-01 15:00:00”之间的数据。窗口重叠大小允许为0。每个时间窗口我们当成一个“文档”，所有训练集数据的所有时间窗口组成一个“语料库”，每个离散化后的特征值为一个“词”；

(4)对“词表”中的所有特征值，在训练数据集上使用TFIDF进行训练，其具体为计算每个特征值(“词”)的归一化频率(记为TF)，以及该特征值的逆向文档频率IDF

IDF为某特征值i的逆向文档频率，|W|为所有时间窗口的总数，|{j:t_i∈w_j}|表示包括某特征值i的窗口数。生成所有特征值i的IDF；

生成所有时间窗口(“文档”)所有特征值i的TF-IDF值组成的TF-IDF向量，计算训练数据所有时间窗口的每个特征值TF-IDF向量的向量均值组成为基线向量：

TF-IDF_i,j＝TF_i,j×IDF_i

将计算得到的IDF训练结果和得到的基线向量保存，以完成整个训练步骤。

然后开始预测过程，在实时生产或预测数据上，采用相同的特征或新特征值；对特征值以相同的离散化处理，加载训练步骤中得到的IDF文件及基线向量，以相同的滑动时间窗口操作，循环抽取窗口数据。在每个时间窗口中，查询特征值的IDF值，计算特征值的TF-IDF，并计算该时间窗口的特征向量；计算实时特征向量与基线向量的矢量距离，可以采用欧式距离、马氏距离等计算，与设定阈值进行比较，输出结果。

实施例2：

实施例3：

本实施例为采用模拟数据进行预演推导模拟计算过程的实例，以训练过程为例：

1.假设数据data，其中所述特征值为温升，在目标零部件上设有两个温度监测点，然后实时监测温度数据。

时间	T<sub>1</sub>	T<sub>2</sub>
			2018-01-01 01:00:00	51.2	48.3
2018-01-01 01:00:01	52.1	49.0
			2018-01-01 01:00:02	54.3	49.3

这里只是对开始的三组数据进行举例说明，也就是说温度数据每秒采集值进行记录，然后通过T₁-T₂＝温升来计算。

2.将温升数据离散化。在该例中取温升离散度宽度(bin)为0.5，如温升1.3，离散化后为1，温升2.83，离散化后为3，温升1.57，离散化后为1.5。

3.建立“词表”，即所有唯一的离散化后温升值的列表；然后滑动时间窗口，窗口大小＝2小时，即取每个2小时内的数据，可以称为“文档”，假设可以获得1000个时间窗口(“文档”)。

4.计算每个时间窗口下，词表中每个词的TF，其计算为某个“词”在该窗口(“文档”)下出现的频次n，除以该窗口(“文档”)中，词表中所有词的词频之和。比如1.5这个值(“词”)在一个窗口(“文档”)中出现的频次为5，所有词的频次之和为100，那么1.5这个“词”的TF＝5/100。

5.计算在全部时间窗口中，词表中所有词的IDF值，根据实施例1的IDF计算公式进行计算。其中某个词的IDF计算为，计算整个训练数据中的窗口(“文档”)数量，除以包含该词的的窗口(“文档”)数+1，之后取对数。例如，所有训练数据总共获得10000个时间窗口(“文档”)，其中包含1.5这个值的窗口有100个，那么1.5这个值的IDF＝log(10000/(100+1))计算一个窗口的TF-IDF向量。窗口的TF-IDF向量由每个词的TF-IDF值组成。例如通过训练数据获得离散化后温升值的词表为[-2，-1.5，-1，-0.5，0，0.5，1，1.5，2]，其中每个词的TF-IDF的计算通过上述方式获得后，比如1.5这个值(“词”)的TF-IDF＝(5/100)×log(10000/101)＝0.099，又如-2这个值的TF-IDF＝1.321，-1.5的TF-IDF＝1.211，-1的TF-IDF＝0.542，-0.5的TF-IDF＝0.032，0的TF-IDF＝0.012，0.5的TF-IDF＝0.078，1的TF-IDF＝0.134，2的TF-IDF＝1.522。那么该窗口(“文档”)的TF-IDF向量，由词表中的每个值的TF-IDF按固定位置拼成，该例的文档TF-IDF向量为[1.321，1.211，0.542，0.032，0.012，0.078，0.134，0.099，1.522]。

6.计算基线向量。该向量由所有时间窗口的TF-IDF向量的各相对应的词表中的“词”的TF-IDF均值构成。如上例，训练数据获得了2个时间窗口(“文档”)，其向量分别为[1.321，1.211，0.542，0.032，0.012，0.078，0.134，0.099，1.522]，[1.5，1.011，0.321，0.055，0.023，0.121，0.167，0.128，1.701]，那么这个训练数据的基线向量为[(1.321+1.5)/2，(1.211+1.011)/2，…]，即[1.4105，1.111，0.4315，0.0435，0.0175，0.0995，0.1505，0.1135，1.6115]。

则训练过程结束，开始预测过程，而预测过程与上述过程方法相同，只是带入的数据是在监测段内的实时监测数据，故在此不再赘述。而上述实施例中的数据只是模拟数据，为了更好的展示和说明实施例1的方法的具体过程，从而进行的模拟过程。

本发明不局限于上述可选的实施方式，任何人在本发明的启示下都可得出其他各种形式的产品。上述具体实施方式不应理解成对本发明的保护范围的限制，本发明的保护范围应当以权利要求书中界定的为准，并且说明书可以用于解释权利要求书。

Claims

1.一种机械部件的异常状态检测方法，其特征在于：选择并采集监测段外的机械部件的特征值以TF-IDF加权算法得到基准值，再采集监测段内实时特征值并将基准值带入得到结果并与设定阈值比较预判是否出现异常；

所述监测段外基准值包括由每个特征值对应的IDF值组成的IDF数据表和所有特征值的TF-IDF向量的均值组成的基线向量；

所述采集监测段外数据进行计算为训练步骤，采集监测段内实时特征值进行计算为预测过程；

2.根据权利要求1所述的一种机械部件的异常状态检测方法，其特征在于：所述TF-IDF加权算法具体步骤为：

先计算每个特征值的归一化频率TF，其计算公式为：

式中，TF_i,j为特征值i在对应时间窗口中的归一化词频，n_i,j为特征值i在第j个时间窗口中出现的频次，分母∑_kn_k,j为所有特征值在第j个时间窗口中出现的频次之和；然后计算该特征值的逆向文档频率IDF，其计算公式为：

式中，IDF_i为该特征值i的逆向文档频率，|W|为所有时间窗口的总数，|{j:t_i∈w_j}|表示包括该特征值i的窗口数；然后通过公式计算TF-IDF值，具体公式如下：

TF-IDF_i,j＝TF_i,j×IDF_i

预测过程中同样采用相同TF-IDF加权算法计算实时特征向量。

3.根据权利要求1或2所述的一种机械部件的异常状态检测方法，其特征在于：在预测过程时计算实时特征向量与基线向量的矢量距离的方法包括但不限于欧式距离、马氏距离、余弦相似度等距离或分布度量方法。

4.根据权利要求1-2任一项所述的一种机械部件的异常状态检测方法，其特征在于：所述离散化处理具体为：并将特征量以预设定宽度分隔为至少两个集合，以每个集合的端点值确定其中值，该集合内小于中值的特征值以该集合的较小端点值为离散后的结果，大于中值的特征值以该集合的较大端点值为离散后的结果。

5.根据权利要求1-2任一项所述的一种机械部件的异常状态检测方法，其特征在于：所述时间窗口的具体设置步骤为：预设时间间隔和时间窗口的重叠值，然后循环滑动窗口抽取其中数据，得到在T₁-T₂内的数据集合即为一个时间窗口，所述重叠值为相邻两个时间窗口的时间范围的交集，所述重叠值大于等于0。

6.根据权利要求1-2任一项所述的一种机械部件的异常状态检测方法，其特征在于：所述特征值包括机械设备的温度数据和振动数据，所述振动数据根据频率分为位移、速度或加速度。

7.一种应用权利要求2的检测方法的检测系统，其特征在于：包括数据采集模块、数据传输模块和数据分析模块，所述数据采集模块为设置在机械部件上的传感器，通过传感器采集特征值并将特征值通过数据传输模块传递给数据分析模块进行计算并根据预设阈值判断是否异常。