CN110849404B - 一种传感器数据异常的连续判别方法 - Google Patents

Abstract

本发明公开了一种传感器数据异常的连续判别方法，属于检测技术领域。能够从在线采集到的传感器信号本身中，发现信号消失、保持不变或超出上下限等规则判别不出的无法测量被测目标的故障，以得到真实监测数据，本方法采用步步更新、以更接近全局的标准来判断的方法，利用SPC方法成熟的技术和工具，不需要依赖其它参考标准，从而能够及时、有效地判别出传感器故障并报警，进行设备停机、传感器维修或更换，保证被测目标的受控、安全等需求，避免因故障所造成的生产失控、设备故障等损失。

Description

一种传感器数据异常的连续判别方法

技术领域

本发明属于检测技术领域，具体涉及一种传感器数据异常的连续判别方法。

背景技术

在工业文明社会，人类生活、工业生产、社会运行等都离不开检测、传感装置，尤其是制造、通信、电力、交通、物流等行业设备设施的正常运转，都非常依赖传感器对相应设备状态的检测、监控。如果传感器发生故障，则会影响到对设备状态的监测、控制，甚至发生安全事故。如生产加工输入传感器故障可造成工艺不达标、产品不合格等损失，如冶金生产原料配比不准确，则生产的塔筒达不到要求，会造成产品退货或报废；反馈控制传感器故障可造成控制失控，如风机风速风向测量不准确，则控制不到位，发电量降低；安全监控传感器故障可造成因素超限，进而发生故障损坏或安全事故，如发电机温度监测不报警，则会过温烧毁机器或起火爆炸；指标传感器故障，则会造成决策失误，如电量统计传感器故障，会造成经济核算损失或者调试失误等。

传感器故障类型多样，一般情况下如信号消失、保持不变或超出上下限等表现，可较容易判别，但是当监测数值在正常范围内略有波动时，较难与正常测量状态信号区分开。同时，现有的判别手段都需要有一个参考标准，如：预测值与测量值的对比、监测数值与另一检测量的关系、多个位置传感器的相似性变化等，适用范围较小，无法满足现代工业的需求。

发明内容

为了解决上述问题，本发明的目的在于提供一种传感器数据异常的连续判别方法，能够从在线采集到的传感器信号本身中，发现信号消失、保持不变或超出上下限等规则判别不出的无法测量被测目标的故障，以得到真实监测数据，保证被测目标的受控、安全等需求。

本发明是通过以下技术方案来实现：

一种传感器数据异常的连续判别方法，包括以下步骤：

1)根据统计过程控制法，选取控制图，根据预设值初始化控制图的中心线和上下限控制界限；

2)在线采集一批包含若干个样本数的传感器数据，并计算该批传感器数据的统计值；

3)根据统计过程判异标准，确定该批传感器数据中是否为受控状态的数据，如果否，则累加异常权值复位为0，完成本次判别，接步骤4)；如果是，则累加一个异常权值，当若干批传感器数据的累加异常权值＜传感器报警阈值时，不报警，完成本次判别，接步骤4)；当若干批传感器数据的累加异常权值≥传感器报警阈值时，则报警，完成本次判别，接步骤4)；

4)更新控制图的中心线和上下限控制界限，转步骤2)，开始新一次的判别。

优选地，步骤1)中，在采集传感器数据前，先判定是否为可采集状态，然后在可采集状态下进行传感器数据的采集。

优选地，步骤1)中，控制图为均值-标准差控制图。

进一步优选地，步骤1)中，预设值为传感器的历史数据的均值和标准差。

进一步优选地，步骤2)中，每批传感器数据的统计值包括每批传感器数据的均值和标准差。

优选地，步骤2)中，采集的每批传感器数据中若干个传感器数据的时间间隔相等。

优选地，步骤4)中，采用本批传感器数据的统计值更新控制图的中心线和上下限控制界限。

优选地，步骤4)中，采用指数权重移动平均法更新中心线和上下限控制界限。

与现有技术相比，本发明具有以下有益的技术效果：

本发明公开的传感器数据异常的连续判别方法，能够从在线采集到的传感器信号本身中，发现信号消失、保持不变或超出上下限等规则判别不出的无法测量被测目标的故障，以得到真实监测数据，当传感器异常，且所测数据值稳定于某一固定值(或范围)时，由于事先并不知道这一固定值是多少，根据采集结果(达到固定值)持续更新后，中心线和上下界限会被更新捕捉到此固定值或范围值处，因而可以用来判断新数据是否已经异常了，这种步步更新、以更接近全局的标准来判断的方法，利用SPC方法成熟的技术和工具，不需要依赖其它参考标准，从而能够及时、有效地判别出传感器故障并报警，进行设备停机、传感器维修或更换，保证被测目标的受控、安全等需求，避免因故障所造成的生产失控、设备故障等损失。

进一步地，在抽取数据前，先判定是否为可抽样状态，避免传感器测量数据无波动被判定为故障，如设备停机时不可进行抽样。

进一步地，控制图选用均值-标准差控制图，采用每批数据的均值和标准差作为统计值，操作简单，能够为下一步的判别提供量化数据。

更进一步地，采用历史经验值来初始化控制图的中心线和上下限控制界限，能够在前期提供一个初始值，因后续数据会持续更新，造成漏判故障的概率也可以忽略不计。

进一步地，若干批数据之间的时间间隔相等，每批数据中若干个数据的时间间隔相等，能够使数据一致，保证计算时的参数一致性。

进一步地，采用指数权重移动平均法更新中心线和上下限控制界限，引入过去抽样数据的影响，按时间远近指数递减，使结果更加稳定。

附图说明

图1为本发明的连续判别方法的流程图。

具体实施方式

下面以附图和具体实施例对本发明做进一步的详细说明，所述是对本发明的解释而不是限定。

如图1，为本发明的传感器数据异常的连续判别方法的流程图，分为以下步骤：

1)根据统计过程控制法，选取均值-标准差控制图，根据预设值初始化控制图的中心线和上下限控制界限；这里的预设值可以为传感器的历史数据的均值和标准差，也可以持续收集一段时间传感器数据，计算得到均值和标准差。也可根据实际情况，选取其它控制图，如中值-极差、单值-移动极差等，按相应要求计算所需统计值。

2)当判定传感器为可抽样状态时，从传感器的记录数据中，抽取1分钟内的数据，取样间隔为1秒，得到60个传感器数据，计算该批数据的统计值：均值

与标准差s。

3)根据SPC统计过程判异标准，确定该批传感器数据中是否为受控状态的数据，

如按照GB-T4091-2001常规控制图的判异标准：

a.单点型：如规则1“1个点落在上下限外”，如发生超限则直接判定不属于统计受控点；

b.连续点型：如规则3“连续6个点递增或递减”，则统计当前累积点，如抽样前为连续4点递增，则判断当前点是否仍是递增，并决定是否继续累积或清零。

c.多数点型：如规则5“连续3点中有2点落在中心线同侧2σ外”，则保存最近2点数据，并和当前点一起判定是否触发规则，或清空数据重新累积。

根据判定结果，如果判定数据为非受控状态，则累加的异常权值复位为0，完成本次判别，接步骤4)；如果判定数据为受控状态，可判定疑似非正常测量值，考虑到不排除正常测量值也可能出现此情形(如设备停机状态，一些参数保持不变，还需要重点后续确认)可设定一个异常权值如20％，再次采集数据判定后如仍为受控状态，则继续累加此异常权值至40％；当此异常权值小于预设的传感器报警阈值时，不报警，完成本次判别，接步骤4)；当若干批传感器数据的累加异常权值达到80％，即连续4次采集都为疑似非正常测量值，此时如果大于等于预设的传感器报警阈值时，则报警，进行设备停机、传感器维修或更换后接步骤4)。

4)更新控制图的中心线和上下限控制界限，转步骤2)，开始新一次的判别。

更新控制图的中心线和上下限控制界限可以以本批采集数据的均值

标准差s_i等为更新计算中心线和上下控制界限的标准：

中心线：

上下控制界限：

其中A3为控制图系数，可查表，如GB/T4091-2001中的表2。

也可以采用指数权重移动平均法计算：

中心线：

控制限：

k为加权系数，0<k<1。

Claims (1)

1.一种传感器数据异常的连续判别方法，其特征在于，包括以下步骤：

1)根据统计过程控制法，选取控制图，根据预设值初始化控制图的中心线和上下限控制界限；控制图为均值-标准差控制图；预设值为传感器的历史数据的均值和标准差；

2)在线采集一批包含若干个样本数的传感器数据，并计算该批传感器数据的统计值；在采集传感器数据前，先判定是否为可采集状态，然后在可采集状态下进行传感器数据的采集；采集的每批传感器数据中若干个传感器数据的时间间隔相等；每批传感器数据的统计值包括每批传感器数据的均值和标准差；

3)根据统计过程判异标准，确定该批传感器数据中是否为受控状态的数据，如果否，则累加异常权值复位为0，完成本次判别，接步骤4)；如果是，则累加一个异常权值，当若干批传感器数据的累加异常权值＜传感器报警阈值时，不报警，完成本次判别，接步骤4)；当若干批传感器数据的累加异常权值≥传感器报警阈值时，则报警，完成本次判别，接步骤4)；

4)采用本批传感器数据的统计值更新控制图的中心线和上下限控制界限，采用指数权重移动平均法更新中心线和上下限控制界限，转步骤2)，开始新一次的判别。

Images