[发明专利]基于多元概率模型的设备状态综合动态报警方法

说明书

技术领域

本发明属于机械设备状态监测与故障诊断技术领域，涉及一种机械设备 运行监测与报警设置技术，具体涉及一种基于多元概率模型的设备状态综合 动态报警方法。

背景技术

报警技术是设备状态监测和故障诊断的核心技术之一，在监测诊断技术 向企业推广以及推动预知维修体制发展变革的过程中都发挥着极其重要的 作用。从预防事故的角度来讲，机械设备运行状态的报警比故障诊断更为迫 切和有效。

目前常用的报警方法有：1)越限报警方法，对设备的某些关键参数进 行实时监测，一旦发现参数超越了预先设定的阈值，立即报警或采取措施， 该阈值根据某一标准或操作人员的经验设定，是一个静态的值；2)趋势报 警方法，即对设备的关键参数实时采样和分析，根据故障前兆期参数的变化 特点，对故障发生前信号变化的梯度进行分析，判断设备是否可能会出现故 障。上述两种报警方法过于绝对化，没有充分考虑设备外在和内在因素的影 响。而设备的实际运行状态与工作环境、负载和人为操作等因素密切相关， 这些因素发生变化均会引起报警阈值的变化；3)基于知识的智能报警方法， 通过一组训练样本对设计好的神经网络进行训练学习，学习好的神经网络能 很好地把握相应的判定准则，对实际的观察样本进行分类判定，网络输出1 时进行报警，网络输出0时不报警。基于知识的智能报警方法，能自适应地 判断设备状态，划定动态报警线，以数据中蕴含的深层次知识为报警规则， 判断设备状态，但该报警方法的计算量太大，同时需要大量的样本训练，难 以实现实时监测。另外，现有的报警方法多是单测点监测设备的状态，而不 是从整体上把握设备状态。

发明内容

为了克服上述现有技术的缺点，本发明的目的是提供一种基于多元概率 模型的设备状态综合动态报警方法，能对设备进行实时监测，从整体上把握 设备的状态，计算量较小，并不需要进行样本训练。

本发明所采用的技术方案是，基于多元概率模型的设备状态综合动态报 警方法，通过高斯核函数的多元样本数据向一维条件概率密度的映射，利用 3σ方法获得处于聚类边界样本点分布的等高线映射，将样本边界点的等高线 包络形成的复杂曲面作为报警线，通过判断新数据与报警线的位置关系来识 别异常数据，实现报警，该方法按以下步骤进行：

步骤1：以相同采样间隔同时采集反映设备运行状态的至少一个测点的 特征参数，获得一组反映设备运行状态的多元历史数据作为样本；

步骤2：将步骤1获得的多元历史数据以列向量形式表示，即在第m次 观测获得的多元数据表示为列向量

式中，l为测点数；m＝1，2…，N，N为样本点数；T代表转置运算；

步骤3：将步骤2得到的列向量，采用下式计算高维空间的欧式距离：

dis(Xi,Xj)=(Xi-Xj)T(Xi-Xj)]]>

式中，dis(X_i，X_j)为多元数据X_i和X_j在高维空间中的欧式距离；X_i为第i 次观测获得的多元数据；X_j为第j次观测获得的多元数据；

则，样本内数据之间的最小平均距离为：