[发明专利]一种非电量测量系统故障诊断方法

说明书

技术领域

本发明涉及故障诊断方法，具体涉及一种非电量测量系统故障诊断方法，特别是海洋浮标上的压力测量系统故障诊断方法。

背景技术

海洋浮标，一般分为水上和水下两部分。水上部分装有多种气象要素传感器，分别测量风速、风向、气温、气压和温度等气象要素；水下部分有多种水文要素传感器，分别测量波浪、海流、潮位、海温和盐度等海洋水文要素。

在生产和科学研究中，对某一个或一组变量x(t)进行观察测量，将在一系列时刻t1, t2, …, tn (t为自变量且t1<t2<…< tn ) 所得到的离散数字组成序列集合x(t1), x(t2), …, x(tn)，我们称之为时间序列，这种有时间意义的序列也称为动态数据。这样的动态数据在自然、经济及社会等领域都是很常见的。如在一定生态条件下，动植物种群数量逐月或逐年的消长过程、某证券交易所每天的收盘指数、每个月的GNP、失业人数或物价指数等等。对于平稳时间序列，可用通用ARMA模型（自回归滑动平均模型）及其特殊情况的自回归模型、滑动平均模型或组合-ARMA模型等来进行拟合。当观测值多于50个时一般都采用ARMA模型。对于非平稳时间序列则要先将观测到的时间序列进行差分运算，化为平稳时间序列，再用适当模型去拟合这个差分序列。

中国发明专利200910096762.1公开了一种基于光纤陀螺的ARMA时间序列的寻北方法。但ARMA模型用于非电量测量系统的故障诊断尚未见报道。

发明内容

本发明的目的是，通过分析非电量测量系统测量数据快速可靠的确定测量系统是否存在故障。

为实现上述目的，本发明采取的技术方案是：提供一种非电量测量系统故障诊断方法，包括第一步将测量系统连续测量的非电量数据组合成非电量测量数据时间序列；第二步分析提取非电量测量数据时间序列特征值；第三步将非电量测量数据时间序列特征值与知识库中的故障特征值进行比对；第四步如果非电量测量数据时间序列特征值与知识库中的某一类型的故障特征值相匹配，判定非电量测量系统故障，预测其发展趋势；第六步如果非电量测量数据时间序列特征值与知识库不匹配，记录非电量测量数据时间序列特征值，进行人工分析，决定是否更新知识库。

上述第二步包括以下步骤：非电量测量数据时间序列平衡性分析；如果不平衡，将非电量测量数据时间序列进行差分计算；将非电量测量数据时间序列进行零均值化；计算非电量测量数据时间序列自相关函数ACF和偏相关函数PACF；对非电量测量数据时间序列进行ARMA模型识别，估计出模型中的未知参数，检验模型有效性；如果模型有效性通过，预测未知数据，提取非电量测量数据时间序列特征值；如果模型有效性没有通过，返回计算非电量测量数据时间序列自相关函数ACF和偏相关函数PACF。

本发明有如下有益效果：通过非电量测量系统返回的测量值的分析就可以诊断故障，不用到现场进行例行检查，快速可靠；特别是海洋浮标上的非电量测量系统，现场检查费事费力，通过遥感传回的测量数据直接分析海洋浮标上的故障，更显经济方便。

附图说明

图1是所述一种非电量测量系统故障诊断方法信息传递图。

图2是所述一种非电量测量系统故障诊断方法数据处理建模流程图。

图3是所述一种非电量测量系统故障诊断方法实施例原始时间序列图。

图4是所述一种非电量测量系统故障诊断方法实施例自相关和偏相关函数图。

图5是所述一种非电量测量系统故障诊断方法实施例真值与预测值比较曲线图。

图6是所述一种非电量测量系统故障诊断方法故障诊断流程图。

具体实施方式

下面结合实施例并参照附图对本发明作进一步描述。

实施例，如图1所述一种非电量测量系统故障诊断方法信息传递图所示，通过各种遥感监测返回出非电量测量系统测量的测量数据，传递给数据通讯装置，进入数据处理系统进行测量数据处理，诊断出测量系统是否存在故障。