CN114662622B - 一种基于小样本数据的phm端到端系统的实现方法 - Google Patents

Abstract

本发明公开一种基于小样本数据的PHM端到端系统的实现方法，包括步骤：将原始数据集输入聚类模型并按设定的聚类簇的值对原始数据集的每个数据点进行分类，使每个数据点分类到相应的类中，再根据有序集合将原始数据集划分为若干数据集；计算上一步骤划分的每个数据集的平均值和标准差，再利用数据点聚合的方法将每个数据集都作为一个单独分类的集群，再将相近的两个集群合并为一个集群，直至相近的集群剩下唯一的一个为止；对每个数据集进行r重采样生成新数据集dsi；对每个新数据集dsi提取特征；针对性选取机器学习模型构建PHM模型。本发明无需在前期进行大量数据样本的采集与积累，利用少量数据集样本即可构建模型，实用性更高。

Description

一种基于小样本数据的PHM端到端系统的实现方法

技术领域

本发明涉及数据处理技术领域，尤其涉及一种基于小样本数据的PHM端到端系统的实现方法。

背景技术

目前，基于IOT（物联网）技术以及数据采集技术，设备的故障诊断与预测性维护系统（PHM系统）得到工业界较多的关注，但是现有的PHM系统从传感器选型与安装、物联与信息系统搭建、算法研究与落地、以及效果评估与优化，这一系列的步骤都需要企业投注大量的财力、人力与时间来完成，有较多企业从数据采集方面就遇到较多问题，并且安装的传感器较少，数据积累较少，采集的数据规范性较差；另一方面，PHM系统落地实施的第一步是对原始数据进行处理并提取特征，得到的通常是关于整个生产过程的数据，也就是说，跨越了较多生产阶段以及生产步骤，因此，需要多个工具和操作，而机床本身的NC程序（数字控制程序）虽含有相关生产阶段信息，但需要花费一定资金向机床生产商购买数据来获取权限，会额外增压企业成本，给设备智能化增压负担。

而学术界对PHM系统也进行了较多的实践，这类实践方法主要是应用了较多的统计学知识、复杂的机器学习模型和深度学习模型，并且均是基于大量规整度较高的数据集来训练模型，虽然得到了良好的预测能力以及泛化性能，但是过于依赖模拟以及大量训练数据，且传感器搭建完成后需要进行较长时间的数据积累，实用性较低。

因此，现有技术存在缺陷，需要改进。

发明内容

本发明的目的是克服现有技术的不足，提供一种基于小样本数据的PHM端到端系统的实现方法。

本发明的技术方案如下：

一种基于小样本数据的PHM端到端系统的实现方法，包括如下步骤：

S1，将原始数据集输入聚类模型中，并按设定的聚类簇的值对原始数据集中的每个数据点进行分类，使原始数据集中的每个数据点均分类到相应的类中，再根据有序集合B将原始数据集划分为若干个数据集；

S2，计算步骤S1划分的每一个数据集的平均值和标准差，再利用数据点聚合的方法将每一个数据集都作为一个单独分类的集群，再将相近的两个集群合并为一个集群，直至相近的集群剩下唯一的一个集群为止，从而使每个数据集都标定上相应生产阶段的工序标签；

S3，对已标定好工序标签的每个数据集进行r重采样生成重采样后的新数据集d_si；

S4，对每个新数据集d_si提取特征以进行特征工程；

S5，对于各个生产阶段的数据集，根据所实施PHM功能的定义针对性的选取机器学习模型构建PHM模型，用于对样本进行判断。

进一步地，所述聚类模型包括K-means模型、Mean-Shift模型、DBSCAN模型、最大期望EM算法模型之中的任意一种；

所述聚类簇的值设为2，所述步骤S1按设定的聚类簇的值对原始数据集的每个数据点y_i进行分类，使原始数据集的所有数据点分类到两个类中，一类为运行状态，另一类为空转状态。

进一步地，所述步骤S1进一步通过计算所述聚类模型给所述原始数据集中的前后两个数据点产生标签的差值dy_i，并对该差值dy_i进行判定：

a、如果所述聚类模型给所述原始数据集中的前后两个数据点产生标签的差值dy_i等于零，则认为所述原始数据集中的这两个数据点都不是间断点；

b、如果所述聚类模型给所述原始数据集中的前后两个数据点产生标签的差值dy_i不等于零，则认为所述原始数据集中的这两个数据点都是间断点，且这两个间断点之间的距离就是聚类模型给原始数据集中的这两个数据点产生标签的差值dy_i；

再建立针对所述聚类模型给所述原始数据集中的前后两个数据点产生标签的差值dy_i不等于零的所有间断点的索引集合A，并设定时间阈值t_k对所述索引集合A中的前后两个间断点进行判定：

c、如果前后两个间断点中的后一间断点与前一间断点之间的时间间隔小于或等于时间阈值t_k，则认为这两个间断点是干扰间断点，视为无效间断点；

d、如果前后两个间断点中的后一间断点与前一间断点之间的时间间隔大于时间阈值t_k，则认为前后两个间断点中的后一间断点是有效间断点，视为一个新的生产阶段；

最后将所有的有效间断点归集到同一集合中，得到有序集合B，根据有序集合B将原始数据集划分为若干个加工与停转间隔的数据集。

进一步地，所述差值dy_i的计算公式如下：

，式中_{i=1，…，n-1}，y_i和y_i+1代表原始数据集中的前后两个数据点；

所述索引集合A表示为：

，式中_{i=1，…，n-1}，dy_i代表聚类模型给原始数据集中的前后两个数据点产生标签的差值；

所述有序集合B表示为：

，式中_{j=2，…，|a|}，_|a|表示集合A内最后一个元素的下标，a_j-1和a_j代表前后两个间断点。

进一步地，所述步骤S2采用centroid linkage方法进行集群合并，并采用欧几里得距离计算公式计算要合并的两个集群的质心之间的距离，该计算公式如下：

，式中P和Q代表两个数据集，p和q代表两个数据集的质心，_{i=1，…，l} ，再按树结构对每个数据集进行生产阶段划分，从而使每个数据集都标定上相应生产阶段的工序标签。

进一步地，所述步骤S2进一步采用节点公式进行最底层树形节点的个数的设定，该节点公式如下：

，式中c代表生产阶段数量。

进一步地，每个新数据集d_si从原数据集的第_i个位置开始，且间隔r-1个值再采样一个数据，则每个新数据集d_si表示为：

，式中_{i=1，…，r}，v_i、v_i+r和v_i+2r代表重采样的数据。

进一步地，所述步骤S4提取的特征至少包括时域特征和频域特征；

所述时域特征包括均值、最大值、最小值、有效值、方根幅值、方差、峰值、偏态指标、峭度指标、峰值指标、波形指标、脉冲指标、裕度指标和变异系数；

所述频域特征包括重心频率、均方频率、均方根频率、频率方差、频率标准差、谱峰稳定指数、频带相对能量；其中频带相对能量包括：第一频带相对能量、第二频带相对能量、第三频带相对能量、第四频带相对能量和第五频带相对能量。

进一步地，所述PHM模型包括异常检测模块、故障诊断模块和剩余寿命预测模块；

所述异常检测模块采用孤立森林算法、lof算法、DBSCAN算法、OneClass-SVM算法之中的任意一种算法实现；

所述故障诊断模块采用kNN算法、SVM算法、Logistic回归算法、Naive Bayes算法、决策树算法、Boosting类模型算法之中的任意一种算法实现；所述剩余寿命预测模块采用随机树算法、多项式回归算法、岭回归算法、套索回归算法、最小二乘回归算法、样条回归算法、弹性网络回归算法、高斯过程回归算法、随机森林算法、梯度提升树算法、ARD自相关回归算法、贝叶斯线性回归算法、感知器回归算法、被动攻击回归算法、SGD随梯度下降回归算法、正交匹配跟踪回归算法、神经网络回归算法之中的任意一种算法实现。

采用上述方案，本发明具有以下有益效果：

1、搭建PHM系统时，无需在前期进行大量数据样本的采集与积累，利用少量数据集样本即可构建PHM模型，实用性更高，且无需接入NC程序对于生产阶段划分的数据，降低了PHM系统的实施成本；

2，PHM系统预留关键参数，包括时间阈值t_k、最底层树形节点C_簇和数据集重采样的重数r，可以根据不同的生产类型以及工况条件进行调整，能够适应更多种生产情况，适用范围更广。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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本发明的一些实施例，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，还可以根据这些附图示出的结构获得其他的附图。

图1为本发明提供的基于小样本数据的PHM端到端系统的实现方法的步骤流程图；

图2为本发明一实施例提供的基于小样本数据的PHM端到端系统的实现方法的生产阶段划分的结构示意图；

图3为本发明提供的基于小样本数据的PHM端到端系统的实现方法的原理框图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

以下结合附图和具体实施例，对本发明进行详细说明。

参照图1至图3所示，本发明提供一种基于小样本数据的PHM端到端系统的实现方法，包括如下步骤：

S1，将原始数据集输入聚类模型中，并按设定的聚类簇的值对原始数据集中的每个数据点y_i进行分类，使原始数据集中的每个数据点y_i均分类到相应的类中，再根据有序集合B将原始数据集划分为若干个数据集；在本实施例中，所述聚类模型包括K-means模型、Mean-Shift模型、DBSCAN模型、最大期望EM算法模型之中的任意一种，所述聚类簇的值优选设为2，从而所述步骤S1按设定的聚类簇的值对原始数据集的每个数据点y_i进行分类时，会使原始数据集的所有数据点分类到两个类中，其中，一类为运行状态，另一类为空转状态；由于噪声等干扰因素的存在，导致单一连续生产过程中会出现间断现象，为了消除间断点，进行如下操作：通过计算聚类模型给原始数据集中的前后两个数据点产生标签的差值dy_i，并对该差值dy_i进行判定：

a、如果聚类模型给原始数据集中的前后两个数据点产生标签的差值dy_i等于零，则认为原始数据集中的这两个数据点都不是间断点；

b、如果聚类模型给原始数据集中的前后两个数据点产生标签的差值dy_i不等于零，则认为原始数据集中的这两个数据点都是间断点，且这两个间断点之间的距离就是聚类模型给原始数据集中的这两个数据点产生标签的差值dy_i；

再建立针对聚类模型给原始数据集中的前后两个数据点产生标签的差值dy_i不等于零的所有间断点的索引集合A，并设定时间阈值t_k对索引集合A中的前后两个间断点进行判定：

c、如果前后两个间断点中的后一间断点与前一间断点之间的时间间隔小于或等于时间阈值t_k，则认为这两个间断点是干扰间断点，视为无效间断点；

d、如果前后两个间断点中的后一间断点与前一间断点之间的时间间隔大于时间阈值t_k，则认为前后两个间断点中的后一间断点是有效间断点，视为一个新的生产阶段；

最后将所有的有效间断点归集到同一集合中，得到有序集合B，根据有序集合B将原始数据集划分为若干个加工与停转间隔的数据集；

具体的，所述差值dy_i的计算公式如下：

，式中_{i=1，…，n-1}，y_i和y_i+1代表原始数据集中的前后两个数据点，则所述索引集合A表示为：

，式中_{i=1，…，n-1}，dy_i代表聚类模型给原始数据集中的前后两个数据点产生标签的差值，而所述有序集合B则表示为：

，式中_{j=2，…，|a|}，_|a|表示集合A内最后一个元素的下标，a_j-1和a_j代表前后两个间断点，所述时间阈值t_k优选设定为10ms，所述时间阈值t_k是部署PHM系统时根据具体加工场景特点及数据采集频率确定的，为可调整的参数；

S2，计算由有序集合B划分的每一个数据集（也即步骤S1划分的数据集）的平均值和标准差，再利用数据点聚合的方法将每一个数据集都作为一个单独分类的集群，再将相近的两个集群合并为一个集群，直至剩下唯一的一个集群，也就是直至相近的集群剩下唯一的一个集群为止，从而使每个数据集都对应划分到相应的生产阶段中，也就是使每个数据集都标定上相应生产阶段的工序标签；在本实施例中，步骤S2优选采用centroidlinkage（质心连锁）方法进行集群合并，并采用欧几里得距离计算公式计算要合并的两个集群的质心之间的距离，该计算公式如下：

，式中P和Q代表两个集群（也即两个数据集），p和q代表两个集群的质心（也即两个数据集的质心），_{i=1，…，l} ，再按树结构对每个数据集进行生产阶段划分，从而使每个数据集都对应划分到相应的生产阶段中，其中，centroid linkage方法需提前设定最底层树形节点的个数，本实施例采用节点公式进行最底层树形节点的个数的设定，该节点公式如下：

，式中c代表生产阶段数量，且生产阶段数量c为加工时的已知信息；

S3，对已标定好工序标签的每个数据集进行r重采样生成重采样后的新数据集d_si，从而增加训练集规模；其中，每个新数据集d_si从原数据集的第i个位置开始，且间隔r-1个值再采样一个数据，则每个新数据集d_si表示为：

，式中_{i=1，…，r}，v_i、v_i+r和v_i+2r代表重采样的数据；

S4，对每个新数据集d_si（也就是按照步骤S2划分好生产阶段并重采样过后的数据集）提取特征以进行特征工程，从而能够获得更好的训练数据特征，使机器学模型的性能提升；其中，提取的特征至少包括时域特征和频域特征，所述时域特征包括均值、最大值、最小值、有效值、方根幅值、方差、峰值、偏态指标、峭度指标、峰值指标、波形指标、脉冲指标、裕度指标和变异系数，所述频域特征包括重心频率、均方频率、均方根频率、频率方差、频率标准差、谱峰稳定指数、频带相对能量；其中频带相对能量包括：第一频带相对能量、第二频带相对能量、第三频带相对能量、第四频带相对能量和第五频带相对能量；

S5，对于各个生产阶段的数据集，根据所实施PHM功能的定义针对性的选取机器学习模型构建PHM模型，用于对样本进行判断；其中，所述PHM模型包括异常检测模块、故障诊断模块和剩余寿命预测模块，所述异常检测模块采用孤立森林算法、lof算法、DBSCAN算法、OneClass-SVM算法之中的任意一种算法实现，所述故障诊断模块采用kNN算法、SVM算法、Logistic回归算法、Naive Bayes算法、决策树算法、Boosting类模型算法之中的任意一种算法实现，所述剩余寿命预测模块采用随机树算法、多项式回归算法、岭回归算法、套索回归算法、最小二乘回归算法、样条回归算法、弹性网络回归算法、高斯过程回归算法、随机森林算法、梯度提升树算法、ARD自相关回归算法、贝叶斯线性回归算法、感知器回归算法、被动攻击回归算法、SGD随梯度下降回归算法、正交匹配跟踪回归算法、神经网络回归算法之中的任意一种算法实现；

PHM模型构建完成后，当进行生产时，每个工件加工过程中传感器采集的数据均采取与以上步骤相同的操作，最终输入PHM模型中，即可在线推理出结果。

与现有技术相比，本发明具有以下有益效果：

1、搭建PHM系统时，无需在前期进行大量数据样本的采集与积累，利用少量数据集样本即可构建PHM模型，实用性更高，且无需接入NC程序对于生产阶段划分的数据，降低了PHM系统的实施成本；

2，PHM系统预留关键参数，包括时间阈值t_k、最底层树形节点C_簇和数据集重采样的重数r，可以根据不同的生产类型以及工况条件进行调整，能够适应更多种生产情况，适用范围更广。

以上仅为本发明的较佳实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于小样本数据的PHM端到端系统的实现方法，其特征在于，包括如下步骤：

S1，将原始数据集输入聚类模型中，并按设定的聚类簇的值对原始数据集中的每个数据点进行分类，使原始数据集中的每个数据点均分类到相应的类中，再根据有序集合B将原始数据集划分为若干个数据集；

S2，计算步骤S1划分的每一个数据集的平均值和标准差，再利用数据点聚合的方法将每一个数据集都作为一个单独分类的集群，再将相近的两个集群合并为一个集群，直至相近的集群剩下唯一的一个集群为止，从而使每个数据集都标定上相应生产阶段的工序标签；

S3，对已标定好工序标签的每个数据集进行r重采样生成重采样后的新数据集d_si；

S4，对每个新数据集d_si提取特征以进行特征工程；

S5，对于各个生产阶段的数据集，根据所实施PHM功能的定义针对性的选取机器学习模型构建PHM模型，用于对样本进行判断；

所述步骤S1进一步通过计算所述聚类模型给所述原始数据集中的前后两个数据点产生标签的差值dy_i，并对该差值dy_i进行判定：

a、如果所述聚类模型给所述原始数据集中的前后两个数据点产生标签的差值dy_i等于零，则认为所述原始数据集中的这两个数据点都不是间断点；

b、如果所述聚类模型给所述原始数据集中的前后两个数据点产生标签的差值dy_i不等于零，则认为所述原始数据集中的这两个数据点都是间断点，且这两个间断点之间的距离就是聚类模型给原始数据集中的这两个数据点产生标签的差值dy_i；

再建立针对所述聚类模型给所述原始数据集中的前后两个数据点产生标签的差值dy_i不等于零的所有间断点的索引集合A，并设定时间阈值t_k对所述索引集合A中的前后两个间断点进行判定：

c、如果前后两个间断点中的后一间断点与前一间断点之间的时间间隔小于或等于时间阈值t_k，则认为这两个间断点是干扰间断点，视为无效间断点；

d、如果前后两个间断点中的后一间断点与前一间断点之间的时间间隔大于时间阈值t_k，则认为前后两个间断点中的后一间断点是有效间断点，视为一个新的生产阶段；

最后将所有的有效间断点归集到同一集合中，得到有序集合B，根据有序集合B将原始数据集划分为若干个加工与停转间隔的数据集。

2.根据权利要求1所述的基于小样本数据的PHM端到端系统的实现方法，其特征在于，所述聚类模型包括K-means模型、Mean-Shift模型、DBSCAN模型、最大期望EM算法模型之中的任意一种；

所述聚类簇的值设为2，所述步骤S1按设定的聚类簇的值对原始数据集的每个数据点y_i进行分类，使原始数据集的所有数据点分类到两个类中，一类为运行状态，另一类为空转状态。

3.根据权利要求1所述的基于小样本数据的PHM端到端系统的实现方法，其特征在于，所述差值dy_i的计算公式如下：

，式中_i=1，…，_n-1，y_i和y_i+1代表原始数据集中的前后两个数据点；

所述索引集合A表示为：

，式中_{i=1，…，n-1}，dy_i代表聚类模型给原始数据集中的前后两个数据点产生标签的差值；

所述有序集合B表示为：

，式中_{j=2，…，|a|}，_|a|表示集合A内最后一个元素的下标，a_j-1和a_j代表前后两个间断点。

4.根据权利要求1所述的基于小样本数据的PHM端到端系统的实现方法，其特征在于，所述步骤S2采用centroid linkage方法进行集群合并，并采用欧几里得距离计算公式计算要合并的两个集群的质心之间的距离，该计算公式如下：

，式中P和Q代表两个数据集，p和q代表两个数据集的质心，_{i=1，…，l} ，再按树结构对每个数据集进行生产阶段划分，从而使每个数据集都标定上相应生产阶段的工序标签。

5.根据权利要求4所述的基于小样本数据的PHM端到端系统的实现方法，其特征在于，所述步骤S2进一步采用节点公式进行最底层树形节点的个数的设定，该节点公式如下：

，式中c代表生产阶段数量。

6.根据权利要求1所述的基于小样本数据的PHM端到端系统的实现方法，其特征在于，每个新数据集d_si从原数据集的第_i个位置开始，且间隔r-1个值再采样一个数据，则每个新数据集d_si表示为：

，式中_{i=1，…，r}，v_i、v_i+r和v_i+2r代表重采样的数据。

7.根据权利要求1所述的基于小样本数据的PHM端到端系统的实现方法，其特征在于，所述步骤S4提取的特征至少包括时域特征和频域特征；

所述时域特征包括均值、最大值、最小值、有效值、方根幅值、方差、峰值、偏态指标、峭度指标、峰值指标、波形指标、脉冲指标、裕度指标和变异系数；

所述频域特征包括重心频率、均方频率、均方根频率、频率方差、频率标准差、谱峰稳定指数、频带相对能量。

8.根据权利要求1所述的基于小样本数据的PHM端到端系统的实现方法，其特征在于，所述PHM模型包括异常检测模块、故障诊断模块和剩余寿命预测模块；

所述异常检测模块采用孤立森林算法、lof算法、DBSCAN算法、OneClass-SVM算法之中的任意一种算法实现；

所述故障诊断模块采用kNN算法、SVM算法、Logistic回归算法、Naive Bayes算法、决策树算法、Boosting类模型算法之中的任意一种算法实现；所述剩余寿命预测模块采用随机树算法、多项式回归算法、岭回归算法、套索回归算法、最小二乘回归算法、样条回归算法、弹性网络回归算法、高斯过程回归算法、随机森林算法、梯度提升树算法、ARD自相关回归算法、贝叶斯线性回归算法、感知器回归算法、被动攻击回归算法、SGD随梯度下降回归算法、正交匹配跟踪回归算法、神经网络回归算法之中的任意一种算法实现。

Images