CN112229435A - 基于规范变量分析的船舶主机偶发性故障检测方法及系统 - Google Patents

基于规范变量分析的船舶主机偶发性故障检测方法及系统 Download PDF

Info

Publication number
CN112229435A
CN112229435A CN202011173611.8A CN202011173611A CN112229435A CN 112229435 A CN112229435 A CN 112229435A CN 202011173611 A CN202011173611 A CN 202011173611A CN 112229435 A CN112229435 A CN 112229435A
Authority
CN
China
Prior art keywords
data
matrix
control system
threshold value
statistic
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
Application number
CN202011173611.8A
Other languages
English (en)
Inventor
魏慕恒
张羽
邱伯华
李永杰
谭笑
薛晨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhendui Industrial Intelligent Technology Co ltd
Original Assignee
Zhendui Industrial Intelligent Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhendui Industrial Intelligent Technology Co ltd filed Critical Zhendui Industrial Intelligent Technology Co ltd
Priority to CN202011173611.8A priority Critical patent/CN112229435A/zh
Publication of CN112229435A publication Critical patent/CN112229435A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D18/00—Testing or calibrating apparatus or arrangements provided for in groups G01D1/00 - G01D15/00

Abstract

本发明涉及一种基于规范变量分析的船舶主机偶发性故障检测方法及系统，解决了现有船舶主机控制系统中传感器偶发性故障难以准确检测的技术问题。本发明的方法包括：在线采集船舶主机控制系统的传感器的测量样本；根据所述测量样本计算规范变量状态空间Tl 2(k)和残差空间Te 2(k)统计量；将规范变量状态空间Tl 2(k)和残差空间Te 2(k)统计量与预设阈值进行比较，实现对船舶主机控制系统的偶发性故障检测功能。

Description

基于规范变量分析的船舶主机偶发性故障检测方法及系统
技术领域
本发明涉及船舶故障检测领域，尤其涉及一种基于规范变量分析的船舶主机偶发性故障检测方法及系统。
背景技术
近年来，随着电子、信息等技术的高速发展，一种不同于传统持续故障形式的特殊故障类型，即偶发性故障逐渐引起了人们的重视，偶发性故障是指一类持续时间有限，没有外部补偿措施仍然可以自行消失使系统重新恢复可接受性能的故障。
目前，对船舶主机控制系统的故障检测已成为热点研究课题。然而多年来，人们大多仅关注持续故障的检测问题，而偶发性故障检测问题研究较少。船舶主机控制系统由复杂电子电路构成，虚焊老化等都会导致控制电路松动进而引发控制器偶发性故障。此外，船舶主机控制系统运行环境复杂，传感器易受震动、电磁干扰等影响，导致传感器偶发性失效。
因此，现有技术中缺乏一种能够对船舶主机控制系统的传感器偶发性故障进行准确检测的方法和系统。
发明内容
本发明旨在提供一种基于规范变量分析的船舶主机偶发性故障检测方法及系统，用以解决现有船舶主机控制系统偶发性故障检测的问题。
为了实现上述目的，本发明的实施方式提供如下技术方案：
在本发明的实施方式的第一方面中，提供了一种基于规范变量分析的船舶主机偶发性故障检测方法，包括：
在线采集船舶主机控制系统的传感器的测量样本；
根据所述测量样本计算规范变量Tl 2(k)和残差空间Te 2(k)统计量；
将规范变量状态空间Tl 2(k)和残差空间Te 2(k)统计量与预设阈值进行比较，以判断船舶主机控制系统是否存在偶发性故障。
进一步地，所述的基于规范变量分析的船舶主机偶发性故障检测方法，其特征在于，还包括建模步骤：
采集船舶主机控制系统的传感器在正常工况下的测量样本x，k时刻的测量样本记为x(k)，x(k)为m维列向量，m为传感器个数，建模过程共采集N个时刻的N组测量样本；
确定所述正常工况下的测量样本数据的未来观察窗口长度f，过去观察窗口长度p，f和p为非零整数，且f＞p；
将所述正常工况下的测量样本表达为：过去信息向量xp(k)，未来输出信息向量xf(k)：
xp(k)＝[xT(k-1),…,xT(k-p)]T
xf(k)＝[xT(k+1),…,xT(k+f)]T
其中，k＝1,2,3...N。
进一步地，所述建模步骤还包括：将所述的正常工况下的N组测量样本的各列标准化为零均值单位方差，构造为未来数据矩阵Xf和历史数据矩阵Xp：
Figure BDA0002748066240000023
Figure BDA0002748066240000031
为k时刻测量样本x(k)过去信息向量标准化为零均值单位方差的数据，
Figure BDA0002748066240000032
为k时刻测量样本x(k)未来输出信息向量标准化为零均值单位方差的数据，k＝1,2,3...N。
进一步地，所述建模步骤还包括：根据所述的未来数据矩阵Xf和历史数据矩阵Xp，确定其协方差和互协方差矩阵，并进行奇异值分解：
Figure BDA0002748066240000033
Figure BDA0002748066240000034
其中，
Figure BDA0002748066240000035
为奇异值矩阵包含m×p个奇异值，并以降序排列；U为左奇异向量，V为右奇异向量，Spp为Xp的协方差矩阵，Sff为Xf的协方差矩阵，Spf为Xp和Xf的互协方差矩阵。
进一步地，所述建模步骤还包括：根据所述奇异值矩阵
Figure BDA0002748066240000036
按累积方差贡献率准则确定保留的状态个数l，其中所述奇异值矩阵
Figure BDA0002748066240000037
进一步表达为：
Figure BDA0002748066240000038
其中λj是
Figure BDA0002748066240000039
的第j个对角元素j＝1,2,3...m×(d+1)，Λ＝diag{λ1,…,λl}表示对角元素为λ1,…,λl的对角矩阵，
Figure BDA00027480662400000310
表示对角元素为λl+1,…,λmp的对角矩阵；
所述累计方差贡献率准则为通过限制前l个保留状态方差贡献之和大于预设值，使得选出的保留状态能有效代表原始数据。
进一步地，所述建模步骤还包括：根据给定的置信水平α，设置规范变量状态空间Tl 2(k)和残差空间Te 2(k)统计量的阈值
Figure BDA00027480662400000312
和
Figure BDA00027480662400000313
Figure BDA0002748066240000041
Figure BDA0002748066240000042
其中l为保留的状态个数，N为采集的测量样本的个数，m为传感器个数，p为过去观察窗口长度，Fa为F分布。
进一步地，所述规范变量状态空间Tl 2(k)和残差空间Te 2(k)统计量表达为：
Figure BDA0002748066240000044
Figure BDA0002748066240000045
其中l为保留的状态个数，N为采集的测量样本的个数，Ul包含了U的前l列，Ue包含了U的最后m×p-l列，
Figure BDA0002748066240000046
为在线采集测量样本提取的规范变量分析状态，
Figure BDA0002748066240000047
为在线采集测量样本的残差数据。
将在线计算出的规范变量状态空间Tl 2(k)和残差空间Te 2(k)统计量与预设阈值进行比较，若
Figure BDA0002748066240000049
且
Figure BDA00027480662400000410
则船舶主机控制系统无偶发性故障，
Figure BDA00027480662400000411
是规范变量状态空间Tl 2(k)量的阈值、
Figure BDA00027480662400000412
是残差空间Te 2(k)统计量的阈值。
在本发明的实施方式的另一方面中，提供了一种基于规范变量分析的船舶主机偶发性故障检测系统，包括：
在线数据采集模块，用于在线采集船舶主机控制系统的传感器的测量样本；
数据计算模块，用于根据所述测量样本计算规范变量状态空间Tl 2(k)和残差空间Te 2(k)统计量；
故障检测模块，用于将规范变量状态空间Tl 2(k)和残差空间Te 2(k)统计量与预设阈值进行比较，以判断船舶主机控制系统是否存在偶发性故障。
进一步地，所述的基于规范变量分析的船舶主机偶发性故障检测系统，其特征在于，还包括建模模块：
数据采集单元，用于采集船舶主机控制系统的传感器在正常工况下的测量样本x；
规范变量分析单元，用于：
根据所述数据采集单元采集的正常工况下的测量样本确定未来和历史观察窗口长度f,p；
将所述数据采集单元采集的正常工况下的测量样本经标准化后构造为未来数据矩阵Xf和历史数据矩阵Xp；
求所述标准化后的未来数据矩阵Xf和历史数据矩阵Xp的协方差和互协方差矩阵，并执行奇异值分解；
按累积方差贡献率准则，确定保留状态个数l；
阈值确定单元，用于根据给定的置信水平α，设置Tl 2(k)和Te 2(k)统计量的阈值
Figure BDA0002748066240000052
和
Figure BDA0002748066240000053
进一步地，所述数据计算模块，用于根据所述测量样本计算规范变量状态空间Tl 2(k)和残差空间Te 2(k)统计量：
Figure BDA0002748066240000055
Figure BDA0002748066240000056
其中，
Figure BDA0002748066240000057
为在线采集测量样本提取的规范变量分析状态，
Figure BDA0002748066240000058
为在线采集测量样本的残差数据；
所述故障检测模块，用于将规范变量状态空间Tl 2(k)和残差空间Te 2(k)统计量与预设阈值进行比较，以判断船舶主机控制系统是否存在偶发性故障：将在线计算出的规范变量状态空间Tl 2(k)和残差空间Te 2(k)统计量与预设阈值进行比较，若
Figure BDA0002748066240000061
且
Figure BDA0002748066240000062
则船舶主机控制系统无偶发性故障，
Figure BDA0002748066240000063
是规范变量状态空间Tl 2(k)统计量的阈值、
Figure BDA0002748066240000064
是残差空间Te 2(k)统计量的阈值。
本发明的有益效果：
用正常工况下的观测样本作为基础，通过将规范变量分析作为一种子空间算法，有效处理高阶多变量系统，直接从数据中辨识状态变量的特性，选取规范变量的个数，构建规范变量分析模型，解决数据的相关性并考虑数据的序列相关；通过对数据进行建模，再用得到的模型去“评估”在线采集的测量样本，检查测量样本中是否存在异常(异常是指与正常工况下的观测样本具有明显差异)，在不中断传感器正常工作的情况下对传感器状态进行在线实时监测。能有效实现对船舶主机控制系统的传感器偶发性故障的准确检测，及早发现问题，以提升船舶运行安全性和降低运行成本。
本发明中，上述各技术方案之间还可以相互组合，以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述，并且，部分优点可从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书以及附图中所特别指出的内容中来实现和获得。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引伸获得其它的实施附图。
图1为本申请一个实施例所示的基于规范变量分析的船舶主机偶发性故障检测方法的流程图；
图2为本申请一个实施例所示的基于规范变量分析的船舶主机偶发性故障检测方法中规范变量分析方法的流程图；
图3为本申请另一个实施例所示的基于规范变量分析的船舶主机偶发性故障检测装置结构示意图；
图4为本申请另一个实施例所示的基于规范变量分析的船舶主机偶发性故障检测装置建模结构示意图；
图5为本申请另一个实施例所示的基于规范变量分析的船舶主机偶发性故障检测功能规范变量状态空间Tl 2(k)统计量仿真数据图；
图6为本申请另一个实施例所示的基于规范变量分析的船舶主机偶发性故障检测功能残差空间Te 2(k)统计量仿真数据图；
图7为执行本申请发明实施例提供的基于规范变量分析的船舶主机偶发性故障检测方法的电子设备的硬件结构示意图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例，其中，附图构成本申请一部分，并与本发明的实施例一起用于阐释本发明的原理，并非用于限定本发明的范围。
如图1所示，本发明的一个具体实施例，公开了一种基于规范变量分析的船舶主机偶发性故障检测方法，包括：
S100，在线采集船舶主机控制系统的传感器的测量样本；
具体地，船舶主机控制系统作为直接操纵主机的控制系统是船舶控制的核心。主机是否能正常运行并为船舶提供动力，是船舶能否正常完成航行任务的决定因素，而船舶主机控制系统的目的就是为了保证主机安全可靠有效地工作，在发生故障时能够及时排除故障并发出故障报警信号和显示故障内容。通过各种仪表、报警器、控制设备来操作控制和监控主机。传感器作为隶属船舶主机控制系统的设备，为船舶主机控制系统提供各种动力参数信息、运行参数信息、环境参数信息等控制船舶的各种重要信息。
在本实施例中，收集正常工况下的测量样本作为训练数据，产生算法所需的参数并形成模型，再用得到的模型去“评估”在线采集的测量样本，检查测量样本中是否存在异常，本实施例中的异常指的是与正常工况下的观测样本具有明显差异。正常工况下的测量样本和在线采集的测量样本指船舶主机控制系统中布置的传感器的读数，包括但不限于温度、压力、振动等类型的数据。
具体地，采集船舶主机控制系统的传感器在正常工况下的测量样本x，k时刻的测量样本记为x(k)，x(k)为m维列向量，m为传感器个数，建模过程共采集N个时刻的N组测量样本；
进一步地，在线采集船舶主机控制系统的传感器的测量样本z(k)，用以判断当前时刻传感器是否出现偶发性故障。
S200，根据所述测量样本计算规范变量状态空间Tl 2(k)和残差空间Te 2(k)统计量；
具体地，如图2所示，本步骤可以通过如下子步骤获得规范变量，进一步计算规范变量状态空间Tl 2(k)和残差空间Te 2(k)统计量及其阈值：
具体地，确定所述正常工况下的测量样本数据的未来观察窗口长度f，过去观察窗口长度p，f和p为非零整数，且f＞p；
进一步地，将所述正常工况下的测量样本表达为：过去信息向量xp(k)，未来输出信息向量xf(k)：
xp(k)＝[xT(k-1),…,xT(k-p)]T
xf(k)＝[xT(k+1),…,xT(k+f)]T
其中，k＝1,2,3...N。
具体地，过去信息向量xp(k)为当前时刻测量样本x(k)的p个过去信息向量，未来输出信息向量xf(k)为当前时刻测量样本x(k)的f个未来信息向量，优选地，通过不断增大p或f，计算未来信息向量或过去信息向量样本和原样本的相关性，如果随着p或f的增大，这一相关性不再发生明显变化，即趋于稳定，则选择此时的p或f作为过去观察窗口长度和未来观察窗口长度。可选的，将其定义为随着p或f每增加1，相关性增长不超过0.1％，则认为趋于稳定，更有选地，f＞p。
进一步地，将所述的正常工况下的N组测量样本的各列标准化为零均值单位方差，构造为未来数据矩阵Xf和历史数据矩阵Xp：
Figure BDA0002748066240000091
Figure BDA0002748066240000092
为k时刻测量样本x(k)过去信息向量标准化为零均值单位方差的数据，
Figure BDA0002748066240000093
为k时刻测量样本x(k)未来输出信息向量标准化为零均值单位方差的数据，k＝1,2,3...N，具体地，未来数据矩阵Xf由未来输出信息向量
Figure BDA0002748066240000094
拼接而成，历史数据矩阵Xp由过去信息向量
Figure BDA0002748066240000095
拼接而成，优选地，因采样样本数量远远大于未来观察窗口长度f，过去观察窗口长度p，可认为未来数据矩阵Xf为N×(mf)阶矩阵、历史数据矩阵Xp为N×(mp)阶矩阵。
进一步地，根据所述的未来数据矩阵Xf和历史数据矩阵Xp，确定其协方差和互协方差矩阵，并进行奇异值分解：
Figure BDA0002748066240000101
Figure BDA0002748066240000102
其中，
Figure BDA0002748066240000103
为奇异值矩阵包含m×p个奇异值，并以降序排列；U为左奇异向量，V为右奇异向量，Xp为历史数据矩阵，Xf为未来数据矩阵，Spp为Xp的协方差矩阵，Sff为Xf的协方差矩阵，Spf为Xp和Xf的互协方差矩阵。
进一步地，根据所述奇异值矩阵
Figure BDA0002748066240000104
按累积方差贡献率准则确定保留的状态个数l，其中所述奇异值矩阵
Figure BDA0002748066240000105
进一步表达为：
Figure BDA0002748066240000106
其中λj是
Figure BDA0002748066240000107
的第j个对角元素j＝1,2,3...m×(d+1)，Λ＝diag{λ1,…,λl}表示对角元素为λ1,…,λl的对角矩阵，
Figure BDA0002748066240000108
表示对角元素为λl+1,…,λmp的对角矩阵；
进一步地，所述累计方差贡献率准则为通过限制前l个保留状态方差贡献之和大于预设值，使得选出的保留状态的主成分能有效代表原始数据。
优选的，通过限制前l个主成分方差贡献之和大于预设值，使选出的保留状态能有效代表原始数据。具体的，保留状态对应的矩阵的奇异值代表了该保留状态的方差贡献，通过限制前l个主成分方差贡献之和大于某个阈值，能够保证选出的主成分可以有效代表原始数据，优选的，阈值选取95％。
S300，将规范变量状态空间Tl 2(k)和残差空间Te 2(k)统计量与预设阈值进行比较，以判断船舶主机控制系统是否存在偶发性故障；
具体地，根据给定的置信水平α，设置规范变量状态空间Tl 2(k)和残差空间Te 2(k)统计量的阈值
Figure BDA0002748066240000113
和
Figure BDA0002748066240000114
Figure BDA0002748066240000115
Figure BDA0002748066240000116
其中l为保留的状态个数，N为采集的测量样本的个数，m为传感器个数，p为过去观察窗口长度，Fα代表Fisher分布置信水平α时的阈值。
进一步地，所述规范变量状态空间Tl 2(k)和残差空间Te 2(k)统计量表达为：
Figure BDA0002748066240000118
Figure BDA0002748066240000119
其中l为保留的状态个数，N为采集的测量样本的个数，Ul包含了U的前l列，Ue包含了U的最后m×p-l列，
Figure BDA00027480662400001110
为从数据中提取的规范变量分析CVA状态，
Figure BDA00027480662400001111
为残差数据。
进一步地，将所述规范变量状态空间Tl 2(k)和残差空间Te 2(k)统计量与预设阈值进行比较，以判断船舶主机控制系统是否存在偶发性故障的步骤，包括：
将在线计算出的规范变量状态空间Tl 2(k)和残差空间Te 2(k)统计量与预设阈值进行比较，若
Figure BDA00027480662400001114
且
Figure BDA00027480662400001115
则船舶主机控制系统无偶发性故障，
Figure BDA00027480662400001116
是规范变量状态空间Tl 2(k)量的阈值、
Figure BDA00027480662400001117
是残差空间Te 2(k)统计量的阈值。
更优选的，在线采集船舶主机控制系统的传感器的测量样本与正常工况下的测量样本在一个维修周期内最大间隔时间为30天，两者间隔超过30天或经过维修都需重新采集正常工况下的测量样本，因为如果时间间隔过长或经过维修，外部环境可能也发生了明显变化，无法判断正常数据和在线测量数据的差异是来自于传感器自身的故障还是外部环境。
本发明实施例提供的基于规范变量分析的船舶主机偶发性故障检测方法，实现了对船舶主机控制系统的传感器偶发性故障的准确检测，及早发现问题，以提升船舶运行安全性和降低运行成本。
参见图3，本申请另一实施例提供了一种基于规范变量分析的船舶主机偶发性故障检测系统，包括在线数据采集模块101、数据计算模块201、故障检测模块301。
本实施例中在线数据采集模块101，用于在线采集船舶主机控制系统的传感器的测量样本z(k)，作为输入数据进行计算并判断当前时刻传感器是否出现偶发性故障。
本实施例中数据计算模块201，用于根据所述测量样本计算规范变量Tl 2(k)和残差空间Te 2(k)统计量；如图4所示，本实施例还包括建模模块，为了更清晰地对本发明进行说明，下面结合图4对该实施例中各部分进行展开描述。
数据采集单元400，用于采集船舶主机控制系统的传感器在正常工况下的测量样本x；
规范变量分析单元500，用于：根据所述数据采集单元采集的正常工况下的测量样本确定未来和历史观察窗口长度f,p；
进一步地，将所述数据采集单元采集的正常工况下的测量样本经标准化后构造为未来数据矩阵Xf和历史数据矩阵Xp；
进一步地，求所述标准化后的未来数据矩阵Xf和历史数据矩阵Xp的协方差和互协方差矩阵，并执行奇异值分解；
进一步地，按累积方差贡献率准则，确定保留状态个数l；
进一步地，所述数据计算模块201，还用于根据所述测量样本计算规范变量状态空间Tl 2(k)和残差空间Te 2(k)统计量；
Figure BDA0002748066240000132
Figure BDA0002748066240000133
其中，
Figure BDA0002748066240000134
为从数据中提取的规范变量分析CVA状态，
Figure BDA0002748066240000135
为残差数据；
本实施例中，故障检测模块301，用于将规范变量状态空间Tl 2(k)和残差空间Te 2(k)统计量与预设阈值进行比较，以判断船舶主机控制系统是否存在偶发性故障。
具体地，阈值确定单元600，用于根据给定的置信水平α，设置Tl 2(k)和Te 2(k)统计量的阈值
Figure BDA0002748066240000138
和
Figure BDA0002748066240000139
Figure BDA00027480662400001310
Figure BDA00027480662400001311
进一步地，所述故障检测模块，用于将规范变量状态空间Tl 2(k)和残差空间Te 2(k)统计量与预设阈值进行比较，以判断船舶主机控制系统是否存在偶发性故障：将在线计算出的规范变量状态空间Tl 2(k)和残差空间Te 2(k)统计量与预设阈值进行比较，若
Figure BDA00027480662400001314
且
Figure BDA00027480662400001315
则船舶主机控制系统无偶发性故障，
Figure BDA00027480662400001316
是规范变量状态空间Tl 2(k)量的阈值、
Figure BDA00027480662400001317
是残差空间Te 2(k)统计量的阈值。
如图5所示，横坐标数据表示采样时刻k，纵坐标实线数据表示规范变量Tl 2(k)统计量，虚线表示规范变量状态空间Tl 2(k)统计量的阈值
Figure BDA0002748066240000141
当规范变量Tl 2(k)统计量超过阈值数据，认为该时刻数据异常。
如图6所示，横坐标数据表示采样时刻k，纵坐标实线数据表示残差空间Te 2(k)统计量，虚线表示残差空间Te 2(k)统计量的阈值
Figure BDA0002748066240000144
当残差空间Te 2(k)统计量超过阈值数据，认为该时刻数据异常。
与现有技术相比，本发明提出的基于规范变量分析的船舶主机偶发性故障检测方法及系统，首先通过训练数据对正常工况下含有动态变化的数据特征进行统计建模，分析船舶主机控制系统的偶发性故障形式，得到相关故障参数。再通过新测量样本与正常数据动态特征的对比进行检测统计量计算，规范变量个数选取，以及阈值设定，最后进行在线阶段的故障检测，及早发现问题，保证主机安全可靠有效地工作，以提升船舶运行安全性和降低运行成本。
参见图7，本发明另一实施例还提供了执行上述实施例中偶发性故障检测方法的电子设备。该电子设备包括：
一个或多个处理器710以及存储器720，图7中以一个处理器710为例。
执行基于规范变量分析的船舶主机偶发性故障检测方法的电子设备还可以包括：输入装置730和输出装置740。
处理器710、存储器720、输入装置730和输出装置740可以通过总线或者其他方式连接，图7中以通过总线连接为例。
存储器720作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本发明的实施例中的基于规范变量分析的船舶主机偶发性故障检测方法对应的程序指令/模块(单元)。处理器710通过运行存储在存储器720中的非易失性软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例图标显示方法。
存储器720可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储获取的应用程序的提醒事项的数量信息等。此外，存储器720可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器720可选包括相对于处理器710远程设置的存储器，这些远程存储器可以通过网络连接至列表项操作的处理装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置730可接收输入的数字或字符信息，以及产生与船舶主机控制系统偶发性故障检测装置的用户设置以及功能控制有关的键信号输入。输出装置740可包括显示屏等显示设备。
所述一个或者多个模块存储在所述存储器720中，当被所述一个或者多个处理器710执行时，执行上述任意方法实施例中的基于规范变量分析的船舶主机偶发性故障检测方法。
上述产品可执行本发明的实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明的实施例所提供的方法。
本发明的实施例的电子设备可以以多种形式存在，包括但不限于：
(1)移动通信设备：这类设备的特点是具备移动通信功能，并且以提供话音、数据通信为主要目标。这类终端包括：智能手机(例如iPhone)、多媒体手机、功能性手机，以及低端手机等。
(2)超移动个人计算机设备：这类设备属于个人计算机的范畴，有计算和处理功能，一般也具备移动上网特性。这类终端包括：PDA、MID和UMPC设备等，例如iPad。
(3)便携式娱乐设备：这类设备可以显示和播放多媒体内容。该类设备包括:音频、视频播放器(例如iPod)，掌上游戏机，电子书，以及智能玩具和便携式车载导航设备。
(4)服务器：提供计算服务的设备，服务器的构成包括处理器、硬盘、内存、系统总线等，服务器和通用的计算机架构类似，但是由于需要提供高可靠的服务，因此在处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等方面要求较高。
(5)其他具有提醒事项记录功能的电子装置。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元(模块)可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
本发明实施例提供了一种非暂态计算机可读存存储介质，所述计算机存储介质存储有计算机可执行指令，其中，当所述计算机可执行指令被电子设备执行时，使所述电子设备上执行上述任意方法实施例中的基于规范变量分析的船舶主机偶发性故障检测方法。
本发明实施例提供了一种计算机程序产品，其中，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，其中，当所述程序指令被电子设备执行时，使所述电子设备执行上述任意方法实施例中的基于规范变量分析的船舶主机偶发性故障检测方法。
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各实施例可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，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)执行各个实施例或者实施例的某些部分所述的方法。
对所公开的实施例的上述说明，使本领域技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的原理或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种基于规范变量分析的船舶主机偶发性故障检测方法，其特征在于，包括：
在线采集船舶主机控制系统的传感器的测量样本；
根据所述测量样本计算规范变量状态空间Tl 2(k)和残差空间Te 2(k)统计量；
将规范变量状态空间Tl 2(k)和残差空间Te 2(k)统计量与预设阈值进行比较，以判断船舶主机控制系统是否存在偶发性故障。
2.根据权利要求1所述的基于规范变量分析的船舶主机偶发性故障检测方法，其特征在于，还包括建模步骤：
采集船舶主机控制系统的传感器在正常工况下的测量样本x，k时刻的测量样本记为x(k)，x(k)为m维列向量，m为传感器个数，建模过程共采集N个时刻的N组测量样本；
确定所述正常工况下的测量样本数据的未来观察窗口长度f，过去观察窗口长度p，f和p为非零整数，且f＞p；
将所述正常工况下的测量样本表达为：过去信息向量xp(k)，未来输出信息向量xf(k)：
xp(k)＝[xT(k-1),…,xT(k-p)]T
xf(k)＝[xT(k+1),…,xT(k+f)]T
其中，k＝1,2,3...N。
3.根据权利要求2所述的基于规范变量分析的船舶主机偶发性故障检测方法，其特征在于，所述建模步骤还包括：
将所述的正常工况下的N组测量样本的各列标准化为零均值单位方差，构造为未来数据矩阵Xf和历史数据矩阵Xp：
Figure FDA0002748066230000021
Figure FDA0002748066230000022
为k时刻测量样本x(k)过去信息向量标准化为零均值单位方差的数据，
Figure FDA0002748066230000023
为k时刻测量样本x(k)未来输出信息向量标准化为零均值单位方差的数据，k＝1,2,3...N。
4.根据权利要求3所述的基于规范变量分析的船舶主机偶发性故障检测方法，其特征在于，所述建模步骤还包括：
根据所述的未来数据矩阵Xf和历史数据矩阵Xp，确定其协方差和互协方差矩阵，并进行奇异值分解：
Figure FDA0002748066230000024
Figure FDA0002748066230000025
其中，
Figure FDA0002748066230000026
为奇异值矩阵包含m×p个奇异值，并以降序排列；U为左奇异向量，V为右奇异向量，Spp为Xp的协方差矩阵，Sff为Xf的协方差矩阵，Spf为Xp和Xf的互协方差矩阵。
5.根据权利要求4所述的基于规范变量分析的船舶主机偶发性故障检测方法，其特征在于，所述建模步骤还包括：
根据所述奇异值矩阵
Figure FDA0002748066230000027
按累积方差贡献率准则确定保留的状态个数l，其中所述奇异值矩阵
Figure FDA0002748066230000028
进一步表达为：
Figure FDA0002748066230000029
其中λj是
Figure FDA00027480662300000210
的第j个对角元素j＝1,2,3...m×(d+1)，Λ＝diag{λ1,…,λl}表示对角元素为λ1,…,λl的对角矩阵，
Figure FDA00027480662300000211
表示对角元素为λl+1,…,λmp的对角矩阵；
所述累计方差贡献率准则为通过限制前l个保留状态方差贡献之和大于预设值，使得选出的保留状态能有效代表原始数据。
6.根据权利要求5所述的基于规范变量分析的船舶主机偶发性故障检测方法，其特征在于，所述建模步骤还包括：
根据给定的置信水平α，设置规范变量状态空间
Figure FDA0002748066230000031
和残差空间
Figure FDA0002748066230000032
统计量的阈值
Figure FDA0002748066230000033
和
Figure FDA0002748066230000034
Figure FDA0002748066230000035
Figure FDA0002748066230000036
其中l为保留的状态个数，N为采集的测量样本的个数，m为传感器个数，p为过去观察窗口长度，Fa为F分布。
7.根据权利要求1-6任意一项所述的基于规范变量分析的船舶主机偶发性故障检测方法，其特征在于，所述规范变量状态空间
Figure FDA0002748066230000037
和残差空间
Figure FDA0002748066230000038
统计量表达为：
Figure FDA0002748066230000039
Figure FDA00027480662300000310
其中l为保留的状态个数，N为采集的测量样本的个数，Ul包含了U的前l列，Ue包含了U的最后m×p-l列，
Figure FDA00027480662300000311
为在线采集测量样本提取的规范变量分析状态，
Figure FDA00027480662300000312
为在线采集测量样本的残差数据。
将在线计算出的规范变量状态空间
Figure FDA00027480662300000313
和残差空间
Figure FDA00027480662300000314
统计量与预设阈值进行比较，若
Figure FDA00027480662300000315
且
Figure FDA00027480662300000316
则船舶主机控制系统无偶发性故障，
Figure FDA00027480662300000317
是规范变量状态空间
Figure FDA00027480662300000318
量的阈值、
Figure FDA00027480662300000319
是残差空间
Figure FDA00027480662300000320
统计量的阈值。
8.一种基于规范变量分析的船舶主机偶发性故障检测系统，其特征在于，包括：
在线数据采集模块，用于在线采集船舶主机控制系统的传感器的测量样本；
数据计算模块，用于根据所述测量样本计算规范变量状态空间
Figure FDA0002748066230000041
和残差空间
Figure FDA0002748066230000042
统计量；
故障检测模块，用于将规范变量状态空间
Figure FDA0002748066230000043
和残差空间
Figure FDA0002748066230000044
统计量与预设阈值进行比较，以判断船舶主机控制系统是否存在偶发性故障。
9.根据权利要求8所述的基于规范变量分析的船舶主机偶发性故障检测系统，其特征在于，还包括建模模块：
数据采集单元，用于采集船舶主机控制系统的传感器在正常工况下的测量样本x；
规范变量分析单元，用于：
根据所述数据采集单元采集的正常工况下的测量样本确定未来和历史观察窗口长度f,p；
将所述数据采集单元采集的正常工况下的测量样本经标准化后构造为未来数据矩阵Xf和历史数据矩阵Xp；
求所述标准化后的未来数据矩阵Xf和历史数据矩阵Xp的协方差和互协方差矩阵，并执行奇异值分解；
按累积方差贡献率准则，确定保留状态个数l；
阈值确定单元，用于根据给定的置信水平α，设置
Figure FDA0002748066230000045
和
Figure FDA0002748066230000046
统计量的阈值
Figure FDA0002748066230000047
和
Figure FDA0002748066230000048
10.根据权利要求8或9所述的基于规范变量分析的船舶主机偶发性故障检测系统，其特征在于，
所述数据计算模块，用于根据所述测量样本计算规范变量状态空间
Figure FDA0002748066230000051
和残差空间
Figure FDA0002748066230000052
统计量：
Figure FDA0002748066230000053
Figure FDA0002748066230000054
其中，
Figure FDA0002748066230000055
为在线采集测量样本提取的规范变量分析状态，
Figure FDA0002748066230000056
为在线采集测量样本的残差数据；
所述故障检测模块，用于将规范变量状态空间
Figure FDA0002748066230000057
和残差空间
Figure FDA0002748066230000058
统计量与预设阈值进行比较，以判断船舶主机控制系统是否存在偶发性故障：将在线计算出的规范变量状态空间
Figure FDA0002748066230000059
和残差空间
Figure FDA00027480662300000510
统计量与预设阈值进行比较，若
Figure FDA00027480662300000511
且
Figure FDA00027480662300000512
则船舶主机控制系统无偶发性故障，
Figure FDA00027480662300000513
是规范变量状态空间
Figure FDA00027480662300000514
统计量的阈值、
Figure FDA00027480662300000515
是残差空间
Figure FDA00027480662300000516
统计量的阈值。
CN202011173611.8A 2020-10-28 2020-10-28 基于规范变量分析的船舶主机偶发性故障检测方法及系统 Pending CN112229435A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011173611.8A CN112229435A (zh) 2020-10-28 2020-10-28 基于规范变量分析的船舶主机偶发性故障检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011173611.8A CN112229435A (zh) 2020-10-28 2020-10-28 基于规范变量分析的船舶主机偶发性故障检测方法及系统

Publications (1)

Publication Number Publication Date
CN112229435A true CN112229435A (zh) 2021-01-15

Family

ID=74109731

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011173611.8A Pending CN112229435A (zh) 2020-10-28 2020-10-28 基于规范变量分析的船舶主机偶发性故障检测方法及系统

Country Status (1)

Country Link
CN (1) CN112229435A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113985173A (zh) * 2021-10-27 2022-01-28 哈尔滨工业大学 基于统计特征典型相关分析的pfc故障检测方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050143873A1 (en) * 2003-05-06 2005-06-30 Edward Wilson Model-based fault detection and isolation for intermittently active faults with application to motion-based thruster fault detection and isolation for spacecraft
US20070088528A1 (en) * 2005-10-14 2007-04-19 Fisher-Rosemount Systems, Inc. Statistical signatures used with multivariate statistical analysis for fault detection and isolation and abnormal condition prevention in a process
CN103853152A (zh) * 2014-03-21 2014-06-11 北京工业大学 一种基于ar-pca的间歇过程故障监测方法
CN105955214A (zh) * 2016-05-26 2016-09-21 华东理工大学 基于样本时序和近邻相似性信息的间歇过程故障检测方法
CN109739214A (zh) * 2019-01-14 2019-05-10 中国石油大学(华东) 工业过程间歇故障的检测方法
CN111474920A (zh) * 2020-04-29 2020-07-31 电子科技大学 一种基于ica与acva的故障检测方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050143873A1 (en) * 2003-05-06 2005-06-30 Edward Wilson Model-based fault detection and isolation for intermittently active faults with application to motion-based thruster fault detection and isolation for spacecraft
US20070088528A1 (en) * 2005-10-14 2007-04-19 Fisher-Rosemount Systems, Inc. Statistical signatures used with multivariate statistical analysis for fault detection and isolation and abnormal condition prevention in a process
CN103853152A (zh) * 2014-03-21 2014-06-11 北京工业大学 一种基于ar-pca的间歇过程故障监测方法
CN105955214A (zh) * 2016-05-26 2016-09-21 华东理工大学 基于样本时序和近邻相似性信息的间歇过程故障检测方法
CN109739214A (zh) * 2019-01-14 2019-05-10 中国石油大学(华东) 工业过程间歇故障的检测方法
CN111474920A (zh) * 2020-04-29 2020-07-31 电子科技大学 一种基于ica与acva的故障检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
卢娟等: "基于规范变量分析的化工单元多变量统计监控", 《计算机与应用化学》 *
邓晓刚等: "基于鲁棒规范变量分析的故障诊断方法", 《控制与决策》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113985173A (zh) * 2021-10-27 2022-01-28 哈尔滨工业大学 基于统计特征典型相关分析的pfc故障检测方法
CN113985173B (zh) * 2021-10-27 2024-03-15 哈尔滨工业大学 基于统计特征典型相关分析的pfc故障检测方法

Similar Documents

Publication Publication Date Title
CN110113226B (zh) 一种检测设备异常的方法及装置
CN113518011B (zh) 异常检测方法和装置、电子设备及计算机可读存储介质
CN112068004A (zh) 一种电池异常、电池充电剩余时间的确定方法及装置
CN111143173A (zh) 一种基于神经网络的服务器故障监测方法及系统
CN113189495A (zh) 一种电池健康状态的预测方法、装置及电子设备
CN110570544A (zh) 飞机燃油系统故障识别方法、装置、设备和存储介质
CN109634820A (zh) 一种云端移动端协同的故障预警方法、相关设备及系统
CN112565187A (zh) 基于逻辑回归的电网攻击检测方法、系统、设备及介质
CN116112292A (zh) 基于网络流量大数据的异常行为检测方法、系统和介质
CN114239734A (zh) 一种分布式车载健康管理系统
CN112229435A (zh) 基于规范变量分析的船舶主机偶发性故障检测方法及系统
CN115145788A (zh) 一种针对智能运维系统的检测数据生成方法和装置
CN112199781A (zh) 船舶主机控制系统偶发性故障检测方法及系统
CN112128950A (zh) 一种基于多种模型对比的机房温湿度预测方法及系统
CN116311739A (zh) 一种基于长短时记忆网络及环境信息融合的多传感器火灾检测方法
CN116125279A (zh) 一种电池健康状态的确定方法、装置、设备及存储介质
CN112600814A (zh) 一种船舶cps系统欺骗攻击检测方法及系统
CN111176931A (zh) 一种运营监控方法、装置、服务器及存储介质
CN113985202B (zh) 一种电容故障预警方法、装置、电子设备及存储介质
CN111638649B (zh) 电器运行安全监测方法及装置
CN116700206B (zh) 基于多模态神经网络的工业控制系统异常检测方法及装置
CN113344137B (zh) 基于som的数据融合方法、装置、存储介质及电子设备
CN115344459A (zh) 巡检方法、装置，存储介质以及电子设备
CN117436692A (zh) 基于用电量的违约用电稽查系统
CN116665199A (zh) 一种设备故障诊断方法、装置、设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB03 Change of inventor or designer information

Inventor after: Li Yongjie

Inventor after: Wei Muheng

Inventor after: Zhang Yu

Inventor after: Qiu Bohua

Inventor after: Xue Chen

Inventor before: Wei Muheng

Inventor before: Zhang Yu

Inventor before: Qiu Bohua

Inventor before: Li Yongjie

Inventor before: Tan Xiao

Inventor before: Xue Chen

CB03 Change of inventor or designer information