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：电子科技大学

摘要：本发明公开了一种压裂设备故障分类模型监控方法，包括以下步骤：S1、特征提取；S2、训练故障分类模型：使用决策树算法特征进行排序并选择排序靠前的五个特征作为分类模型的输入特征；使用决策树算法进行分类建模；S3、对流量数据的方差和峰度进行监控；S4、对当前故障分类模型的各项指标进行探查；S5、对数据的各个特征进行探查；S6、模型运行服务的各项指标监测。本发明从输入数据漂移、特征偏移、模型性能以及模型运行指标四个维度对压裂设备故障分类模型进行监控，当模型发生问题时可以及时采取适当的维护措施来恢复模型性能；使得模型能够持续稳定的运行，保持稳定的预测效果，及时输出故障诊断结果。

主权项：1.一种压裂设备故障分类模型监控方法，其特征在于，包括以下步骤：S1、特征提取：输入压裂机组系统关键部件的流量数据的波形信号进行时域和频域的特征提取；在模型建立的过程中，使用流量波形的均值、方差、偏度、峭度、均方根值、平均绝对偏差、峰值、峰值因子、极差组成的时域特征，以及低段频率和、中段频率和、高段频率和、谱峭度最大值对应的频率、功率谱最大幅值对应频率组成的频域特征，共计14个特征作为输入数据；S2、训练故障分类模型：使用决策树算法对14个特征进行排序，通过记录每个特征的分裂总次数、总平均信息增益来对特征重要性进行量化，将分裂次数或总平均信息增益进行从高到底的顺序排序，查看特征排序结果并选择排序靠前的五个特征作为分类模型的输入特征；使用决策树算法进行分类建模，决策树算法通过计算信息增益选择最优特征划分节点，根据特征值创建子节点并划分数据，使用剪枝避免过拟合，将样本按树路径分类到叶子节点，输出最终故障分类结果；S3、对流量数据的方差和峰度进行监控，当实时流量数据的方差与基线数据的方差的差值超过预设阈值，或者峰度与基线数据的和峰度的差值超过预设阈值时触发报警，则重新输入压裂机组系统关键部件的流量数据，返回步骤S1，重新进行特征提取和模型训练；S4、若实时流量数据的方差和峰度与基线数据的方差和峰度的差值均未超过预设阈值时，对当前故障分类模型的各项指标进行探查；对故障分类模型的准确率accuracy和F1值进行监控并设置阈值，准确率accuracy表示分类正确的样本数占总样本数的比例，F1值用于衡量模型在保持精确率precision和召回率recall之间平衡的性能；当故障分类模型的准确率accuracy和F1值都低于阈值时，说明当前模型不能胜任故障分类任务，触发报警，调整故障分类模型的参数，重新训练模型；S5、当故障分类模型的准确率accuracy和F1值均达标时，对数据的各个特征进行探查；对14个特征的分裂次数或总平均信息增益进行排序，并与原始数据的排序结果进行比较；当选择的几个特征的排序结果发生变化时，说明当前选择的这些特征已经不是最重要的几个特征，不能作为模型判断故障类型的依据，触发报警；重新选择排名前五的特征作为模型的输入特征，重新进行模型训练；S6、模型运行服务的各项指标监测，将模型的CPU、GPU以及内存占用情况，以及当前模型运行服务的相响应时长情况作为运行指标，并设定各项运行指标的阈值；当模型的任意运行指标超过设定阈值时，说明当前服务器出现状况，触发报警，通过运维手段对服务器进行处理。

全文数据：

权利要求：

百度查询： 电子科技大学 一种压裂设备故障分类模型监控方法