CN113295266A - 应力波传感器故障处理方法 - Google Patents
应力波传感器故障处理方法 Download PDFInfo
- Publication number
- CN113295266A CN113295266A CN202110493815.8A CN202110493815A CN113295266A CN 113295266 A CN113295266 A CN 113295266A CN 202110493815 A CN202110493815 A CN 202110493815A CN 113295266 A CN113295266 A CN 113295266A
- Authority
- CN
- China
- Prior art keywords
- sensor
- fault
- data
- period
- stress wave
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明公开了一种应力波传感器故障处理方法,当某一应力波传感器无信号输出的时长达到设定的时间长度后,按本发明方法进行操作,可对故障传感器在故障期内遗失的检测信号进行恢复;本发明的有益技术效果是:提出了一种应力波传感器故障处理方法,该方案能够恢复出故障传感器在故障期内的检测数据,避免出现监控空白期。
Description
技术领域
本发明涉及一种传感器数据修复技术,尤其涉及一种应力波传感器故障处理方法。
背景技术
应力波传感器是专门用于检测工业机械和过程设备运动过程中因摩擦、冲击引起的超声频率的应力波而专门设计的高灵敏传感器;当应力波传感器因故障处于开路、离线、短路等特殊状态时,应力波传感器就无法输出检测数据,使技术人员无法知晓设备在传感器故障期内的运行状态,形成监控空白期,对于一些需要连续监测运行状态的特种设备而言,监控空白期具有十分明显的危害,因此,有必要在传感器故障后对故障期内的数据进行恢复,通过恢复出的数据来对设备的运行状态进行评估。
发明内容
针对背景技术中的问题,本发明提出了一种应力波传感器故障处理方法,包括设置在同一检测对象上的多个应力波传感器;其创新在于:当某一应力波传感器无信号输出的时长达到设定的时间长度后,按如下方法进行处理:
将正常的应力波传感器记为正常传感器;将无信号输出的应力波传感器记为故障传感器;故障传感器无信号输出的时间区间记为故障期;正常传感器在故障期内输出的多个检测数据记为数据组,多个正常传感器分别对应多个数据组;将故障期出现前的某一时间区间记为参考期,参考期内所有应力波传感器都能正常输出检测数据,参考期的时间长度大于或等于故障期;应力波传感器在参考期内输出的多个检测数据记为数据集,多个应力波传感器分别对应多个数据集;
1)对单个数据组进行检查,如存在检测数据异常的情况,采用相应数据组中的其他检测数据的均值、众数或中位数对异常的检测数据进行填充;
2)根据多个数据集,计算故障传感器与单个正常传感器在参考期内的相关系数,将相关系数最大的正常传感器记为参考传感器;
3)以故障传感器在参考期内输出的检测数据为因变量、参考传感器在参考期内输出的检测数据为自变量,建立一元线性回归模型,然后根据一元线性回归模型计算出回归方程的常数项a和回归系数b的值,于是有如下的回归方程:
y=a+b·x
其中,y为对应故障传感器的检测信号,x为对应参考传感器的检测信号;
4)将对应参考传感器的数据组中的多个检测数据逐一赋值给回归方程中的x,计算出相应的多个y值,多个y值即为故障传感器在故障期内遗失的检测信号。
采用前述方案后,我们就可以将故障传感器在故障期内应当输出的检测数据恢复出来,结合正常传感器输出的检测数据,来对故障期内设备的运行状态进行评估,最终就能避免出现监控空白期,为设备的稳定运行提供保障。
优选地,所述设定的时间长度为1小时;所述参考期的时间长度为240小时以上;参考期与故障期的间隔时间小于24小时。为避免设备脱离监控过久,将设定的时间长度设定为1小时;考虑到参考期的时间跨度越大,由相应的数据集得到的相关系数越趋近于真实,于是将参考期的时间长度设定为远大于故障期的240小时;为尽量减小老化、磨损等因素对恢复结果的影响,于是将参考期与故障期的间隔时间设定为小于24小时。
优选地,步骤1)中,填充操作结束后,对各个数据组所辖的检测数据的数量进行比较,若各个数据组所辖的检测数据的数量不同,则先按如下方法对多个数据集进行处理,然后再进入步骤2):
将检测数据数量最少的数据组记为基准数据组,基准数据组所对应的检测数据数量记为基准数,其余数据组记为相对数据组;采用系统抽样法从相对数据组中抽取检测数据并剔除,使相对数据组中的检测数据数量减少至与基准数相同的数量。
理论上,各个应力波传感器参数相同,在相同的时间周期内应该输出相同数量的检测数据,但在实际情况中,可能会因各种各样的情况,导致各个应力波传感器输出的检测数据数量不同,而且运行时间越长,检测数据数量差异也会越大,于是本发明采用系统抽样法来对检测数据数量较多的数据组进行处理,最终就能使各个数据组的检测数据数量相同,以便后续的数据恢复处理能够在各数据组数据长度相同的条件下进行。
本发明的有益技术效果是:提出了一种应力波传感器故障处理方法,该方案能够恢复出故障传感器在故障期内的检测数据,避免出现监控空白期。
具体实施方式
一种应力波传感器故障处理方法,包括设置在同一检测对象上的多个应力波传感器;其创新在于:当某一应力波传感器无信号输出的时长达到设定的时间长度后,按如下方法进行处理:
将正常的应力波传感器记为正常传感器;将无信号输出的应力波传感器记为故障传感器;故障传感器无信号输出的时间区间记为故障期;正常传感器在故障期内输出的多个检测数据记为数据组,多个正常传感器分别对应多个数据组;将故障期出现前的某一时间区间记为参考期,参考期内所有应力波传感器都能正常输出检测数据,参考期的时间长度大于或等于故障期;应力波传感器在参考期内输出的多个检测数据记为数据集,多个应力波传感器分别对应多个数据集;
1)对单个数据组进行检查,如存在检测数据异常的情况,采用相应数据组中的其他检测数据的均值、众数或中位数对异常的检测数据进行填充;
2)根据多个数据集,计算故障传感器与单个正常传感器在参考期内的相关系数,将相关系数最大的正常传感器记为参考传感器;
3)以故障传感器在参考期内输出的检测数据为因变量、参考传感器在参考期内输出的检测数据为自变量,建立一元线性回归模型,然后根据一元线性回归模型计算出回归方程的常数项a和回归系数b的值,于是有如下的回归方程:
y=a+b·x
其中,y为对应故障传感器的检测信号,x为对应参考传感器的检测信号;
4)将对应参考传感器的数据组中的多个检测数据逐一赋值给回归方程中的x,计算出相应的多个y值,多个y值即为故障传感器在故障期内遗失的检测信号。
进一步地,所述设定的时间长度为1小时;所述参考期的时间长度为240小时以上;参考期与故障期的间隔时间小于24小时。
进一步地,步骤1)中,填充操作结束后,对各个数据组所辖的检测数据的数量进行比较,若各个数据组所辖的检测数据的数量不同,则先按如下方法对多个数据集进行处理,然后再进入步骤2):
将检测数据数量最少的数据组记为基准数据组,基准数据组所对应的检测数据数量记为基准数,其余数据组记为相对数据组;采用系统抽样法从相对数据组中抽取检测数据并剔除,使相对数据组中的检测数据数量减少至与基准数相同的数量。
Claims (3)
1.一种应力波传感器故障处理方法,包括设置在同一检测对象上的多个应力波传感器;其特征在于:当某一应力波传感器无信号输出的时长达到设定的时间长度后,按如下方法进行处理:
将正常的应力波传感器记为正常传感器;将无信号输出的应力波传感器记为故障传感器;故障传感器无信号输出的时间区间记为故障期;正常传感器在故障期内输出的多个检测数据记为数据组,多个正常传感器分别对应多个数据组;将故障期出现前的某一时间区间记为参考期,参考期内所有应力波传感器都能正常输出检测数据,参考期的时间长度大于或等于故障期;应力波传感器在参考期内输出的多个检测数据记为数据集,多个应力波传感器分别对应多个数据集;
1)对单个数据组进行检查,如存在检测数据异常的情况,采用相应数据组中的其他检测数据的均值、众数或中位数对异常的检测数据进行填充;
2)根据多个数据集,计算故障传感器与单个正常传感器在参考期内的相关系数,将相关系数最大的正常传感器记为参考传感器;
3)以故障传感器在参考期内输出的检测数据为因变量、参考传感器在参考期内输出的检测数据为自变量,建立一元线性回归模型,然后根据一元线性回归模型计算出回归方程的常数项a和回归系数b的值,于是有如下的回归方程:
y=a+b·x
其中,y为对应故障传感器的检测信号,x为对应参考传感器的检测信号;
4)将对应参考传感器的数据组中的多个检测数据逐一赋值给回归方程中的x,计算出相应的多个y值,多个y值即为故障传感器在故障期内遗失的检测信号。
2.根据权利要求1所述的应力波传感器故障处理方法,其特征在于:所述设定的时间长度为1小时;所述参考期的时间长度为240小时以上;参考期与故障期的间隔时间小于24小时。
3.根据权利要求1或2所述的应力波传感器故障处理方法,其特征在于:步骤1)中,填充操作结束后,对各个数据组所辖的检测数据的数量进行比较,若各个数据组所辖的检测数据的数量不同,则先按如下方法对多个数据集进行处理,然后再进入步骤2):
将检测数据数量最少的数据组记为基准数据组,基准数据组所对应的检测数据数量记为基准数,其余数据组记为相对数据组;采用系统抽样法从相对数据组中抽取检测数据并剔除,使相对数据组中的检测数据数量减少至与基准数相同的数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110493815.8A CN113295266B (zh) | 2021-05-07 | 2021-05-07 | 应力波传感器故障处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110493815.8A CN113295266B (zh) | 2021-05-07 | 2021-05-07 | 应力波传感器故障处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113295266A true CN113295266A (zh) | 2021-08-24 |
CN113295266B CN113295266B (zh) | 2022-09-16 |
Family
ID=77320877
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110493815.8A Active CN113295266B (zh) | 2021-05-07 | 2021-05-07 | 应力波传感器故障处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113295266B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5680409A (en) * | 1995-08-11 | 1997-10-21 | Fisher-Rosemount Systems, Inc. | Method and apparatus for detecting and identifying faulty sensors in a process |
CN106650122A (zh) * | 2016-12-27 | 2017-05-10 | 宝鸡文理学院 | 一种设备变工况运行风险评估方法 |
CN110187696A (zh) * | 2019-05-16 | 2019-08-30 | 中国计量大学 | 基于动态趋势的一阶随动系统传感器故障诊断方法及系统 |
CN110319957A (zh) * | 2019-06-25 | 2019-10-11 | 哈尔滨工程大学 | 船体结构应力监测系统传感器无规律异常值故障诊断方法 |
CN112527788A (zh) * | 2020-12-17 | 2021-03-19 | 北京中恒博瑞数字电力科技有限公司 | 变压器监测数据异常值检测与清洗的方法及装置 |
-
2021
- 2021-05-07 CN CN202110493815.8A patent/CN113295266B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5680409A (en) * | 1995-08-11 | 1997-10-21 | Fisher-Rosemount Systems, Inc. | Method and apparatus for detecting and identifying faulty sensors in a process |
CN106650122A (zh) * | 2016-12-27 | 2017-05-10 | 宝鸡文理学院 | 一种设备变工况运行风险评估方法 |
CN110187696A (zh) * | 2019-05-16 | 2019-08-30 | 中国计量大学 | 基于动态趋势的一阶随动系统传感器故障诊断方法及系统 |
CN110319957A (zh) * | 2019-06-25 | 2019-10-11 | 哈尔滨工程大学 | 船体结构应力监测系统传感器无规律异常值故障诊断方法 |
CN112527788A (zh) * | 2020-12-17 | 2021-03-19 | 北京中恒博瑞数字电力科技有限公司 | 变压器监测数据异常值检测与清洗的方法及装置 |
Non-Patent Citations (1)
Title |
---|
张桂花: "数据驱动的闭环系统传感器故障诊断方法", 《仪表技术与传感器》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113295266B (zh) | 2022-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7555407B2 (en) | Anomaly monitoring device and method | |
CN111259717B (zh) | 一种旋转设备状态异常判断方法及系统 | |
CN108181105B (zh) | 基于逻辑回归和j散度的滚动轴承故障预诊方法及系统 | |
CN111506049B (zh) | 基于aann网络系统的航空发动机控制系统多重故障诊断方法 | |
US11544554B2 (en) | Additional learning method for deterioration diagnosis system | |
CN115935243B (zh) | 一种基于数据处理的故障分析方法 | |
CN112017409A (zh) | 一种机械设备振动短时增长幅度的趋势预警方法 | |
CN109139390B (zh) | 一种基于声信号特征库的风机桨叶故障识别方法 | |
CN113295266B (zh) | 应力波传感器故障处理方法 | |
CN110987396B (zh) | 一种用于采煤机摇臂的智能故障诊断及寿命预测方法 | |
CN111780867A (zh) | 一种利用Frobenius模优化的变压器运行状态振声检测方法和系统 | |
CN111220061A (zh) | 一种磁轴承位移传感器的故障诊断方法 | |
CN111075703B (zh) | 一种空气压缩机的故障预测方法及系统 | |
CN109145773B (zh) | 一种多源趋势信息融合的故障预测方法 | |
CN112964470A (zh) | 一种基于轴承健康指标检测滚动轴承早期故障的方法 | |
CN112528227A (zh) | 一种基于数理统计的传感器异常数据识别方法 | |
KR102561675B1 (ko) | 생산현장 가동 설비 상태 모니터링을 통한 고장진단 및 예측 시스템 | |
CN110926784B (zh) | 一种基于声音的gis断路器故障在线监测装置 | |
CN111855817B (zh) | 复杂结构件云边端协同检测疲劳裂纹的方法 | |
Mahyari | Robust predictive maintenance for robotics via unsupervised transfer learning | |
CN114624586A (zh) | 校正电机变速器单元的测量信号的方法及借助该方法识别所述单元的磨损和/或损坏的方法 | |
CN112528753A (zh) | 一种针对轧机轧钢过程冲击振动信号的预处理方法 | |
CN113295415B (zh) | 一种基于多尺度频谱感知技术的轴承故障检测方法 | |
JPH08320251A (ja) | 設備における音響および振動の診断方法 | |
CN109632308B (zh) | 一种深沟球滚动轴承内圈故障劣化状态识别方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |