买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：首域科技(杭州)有限公司

摘要：本发明公开了一种基于时序信号分析的加香加料故障诊断方法，涉及故障诊断领域。具体实现方案为：对加香加料设备的历史数据和雾化视觉历史检测数据进行数据融合与预处理获取时序数据，对时序数据进行阈值处理获取有效数据集并确定时域检测的有效窗口；基于故障诊断模型和有效数据集确定阈值区间进行故障诊断并判别数据异常发生的具体位置；在线采集实时生产数据，当物料流量大于生产设定值时，对实时生产数据进行在线故障诊断，对实时生产数据异常进行预警。本发明通过设备时序数据融合雾化视觉观测数据分析结合历史数据的进行诊断，构建加料加香设备进行实时故障监测以及提前预警，从而实现加香加料机的智能运维的功能。

主权项：1.一种基于时序信号分析的加香加料故障诊断方法，其特征在于，包括：步骤1：对加香加料设备的历史数据和雾化视觉历史检测数据进行数据融合与预处理获取时序数据，对所述时序数据进行阈值处理获取有效数据集并确定时域检测的有效窗口；对设备历史数据和雾化视觉历史检测数据进行数据融合与预处理获取时序数据的操作包括，对设备数据与雾化视觉检测数据进行融合，设置雾化视觉检测数据集为VAn,Ln，其中，An表示雾化的角度数据，Ln表示雾化的长度数据，利用线性插值法填补雾化视觉检测数据集VAn,Ln的缺失值，采用滑动平均进行数据平滑处理；获取与雾化视觉检测时间一致的设备点位数据SCn,Gn,Wn,Bn，其中，Cn表示料液流量数据，Gn表示管路压力数据，Wn表示雾化蒸汽压力数据，Bn表示泵电机频率数据；对以烟叶生产牌号做区分的数据集S*Cn,Gn,Wn,Bn,An,Ln中的噪声进行滤波，滤波的处理方式包括，对所述以烟叶生产牌号做区分的数据集S*Cn,Gn,Wn,Bn,An,Ln进行小波分解并根据硬性阈值进行时序数据信号去噪；所述硬性阈值λ的计算为， 其中，λ表示硬性阈值，σ表示噪声的标准差，N表示时序数据长度；所述噪声的标准差σ的估算为， 其中，MAD表示时序数据的所有高频子带小波系数幅度的中值；基于所述硬性阈值λ计算阈值小波系数ωλ， 其中，ω表示小波系数，λ表示硬性阈值，ωλ表示阈值小波系数；对所述时序数据进行阈值处理后，进行数据重构得到有效数据集SvCn,Gn,Wn,Bn,An,Ln；对所述雾化视觉检测数据集VAn,Ln和所述设备点位数据SCn,Gn,Wn,Bn按时间一致性进行融合，形成以烟叶生产牌号做区分的数据集S*Cn,Gn,Wn,Bn,An,Ln；所述时域检测的有效窗口的确定包括，生产一批次的时间为t2，通过遍历[1，t1]的时间窗口T，t1＜t2，计算不同时间窗口T内的滑动平均数据Yj， 其中，n表示时间窗口[1，t1]内序列的数据个数，xj表示[1，t1]内序列的数据中的第j个数据；基于时间窗口T内的滑动平均数据Yj和不同时间窗口T内序列数据平均值EY，计算时间窗口T内滑动平均数据Yj与序列数据平均值EY差值的总和Dj，Dj＝sumYj-EY；其中，Dj表示时间窗口[1，t1]内序列的每个数据与序列数据平均值EY差值的总和，遍历结果形成时间窗口[1，t1]内序列的每个数据与序列数据平均值EY差值的序列D，找到局部最小值；将所述局部最小值作为标志点，定义不同的窗口的起始或终止边界；结合整批次的数据与不同的时间窗口T内的数据进行Z检验，若整批次数据集与固定窗口内的数据的均值Z检验符合，则可确定所述固定窗口内数据与整批次数据集具有一致性，最终确定固定时域检测有效窗口t3；步骤2：基于故障诊断模型和有效数据集确定阈值区间，并进行故障诊断和判别数据异常发生的具体位置；在判别数据异常发生的具体位置之前确定第一阈值区间和第二阈值区间，具体操作为，所述第一阈值区间为设备数据中雾化蒸汽压力的工艺标准要求范围[wlow,whigh]；对数据重构得到有效数据集中的异常数据进行分析确定各设备特征位点的第二阈值区间，即对SvCn,Gn,Wn,Bn,An,Ln中的Cn,Gn,Wn,Bn四个特征向量单独确定阈值区间[Clow,Chigh],[Glow,Ghigh],[Wlow,Whigh],[Blow,Bhigh]；对所述异常数据中的雾化数据使用基于稳健协方差的估计，确定异常数据中的雾化数据阈值区间范围[βlow,βhigh]；其中，wlow和whigh分别表示设备数据中雾化蒸汽压力的工艺标准要求的最低值和最高值，Clow和Chigh分别表示料液流量数据的最低值和最高值，Glow和Ghigh分别表示管路压力数据的最低值和最高值，Wlow和Whigh分别表示雾化蒸汽压力数据的最低值和最高值，Blow和Bhigh分别表示泵电机频率数据的最低值和最高值，βlow和βhigh分别表示异常数据中的雾化数据阈值区间的最低值和最高值；在线故障诊断的操作包括，在线采集实时生产数据，当物料流量大于生产设定值时，使用所述时域检测的有效窗口t3获取实时生产数据，并对所述实时生产数据进行数据融合与预处理，对经过数据融合与预处理后的实时生产数据中的雾化数据进行滤波，使用db小波包进行分解并进行阈值处理后重构时序数据集S1，同时实时生产数据中的设备位点数据进行缺失值插值处理与滤波后的雾化检测视觉数据进行融合，整合成当前批次数据集S2；对实时生产数据进行在线故障诊断的操作包括，根据步骤2对所述时序数据集S1中的异常数据进行抽取并判别异常发生的具体位置，对实时生产数据异常进行预警；所述数据异常发生的具体位置的判别包括，当时序检测窗口检测出在第一阈值区间[wlow,whigh]确定的范围外的数据点位，则说明发生严重生产事故，需要故障报警；当在第一阈值区间[wlow,whigh]确定的范围内未检测出故障时，检测雾化数据是否出现异常，当在[βlow,βhigh]内检测出持续15s以上的异常数据时，取出对应时间段内的数据并根据阈值[Clow,Chigh],[Glow,Ghigh],[Wlow,Whigh],[Blow,Bhigh]进行判别异常发生的具体位置；步骤3：在线采集实时生产数据，当物料流量大于生产设定值时，使用所述时域检测的有效窗口获取实时生产数据，对实时生产数据进行在线故障诊断并根据步骤2判别异常发生的具体位置，对实时生产数据异常进行预警；对实时生产数据异常进行预警的操作包括，对在线的整批次的数据进行数据融合与预处理，统计所有特征数据的统计指标，其中在线的整批次的数据的窗口大于所述时域检测的有效窗口t3，所述统计指标包括标偏、偏度、峰度、均值；当统计指标发生偏移，且偏移程度超过预设范围时，计算数据偏移持续时长，当所述数据偏移时长持续以上，给出对应特征漂移的预警。

全文数据：

权利要求：

百度查询： 首域科技(杭州)有限公司 一种基于时序信号分析的加香加料故障诊断方法