[发明专利]一种电子设备故障阈值检测的方法

说明书

一种电子设备故障阈值检测的方法，其方法先以固定频率采集电子设备中不同工作指标的采样数值，对不同工作指标的采样数值进行特征选择，得到与电子设备运行状态最贴近的工作指标，将该工作指标的采样数值作为基础训练数据，计算得到其分组周期，按时间顺序进行分组；随后通过每一基础训练数据的特征值判断故障所在的周期，以故障所在的周期对基础训练数据进行分组，在通过非线性状态评估算法计算两类分组，得到故障阈值，实现了对不同类型电子设备的通用故障检测。

技术领域

本发明涉及故障监测技术领域，尤其涉及一种电子设备故障阈值检测的方法。

背景技术

截至目前，设备的维护方式有三种，一是定期维护，此种维护方法成本高，需要离线检修；二是故障后维护，这种方式是在设备造成了损毁或其他更大损失，属于事后维修；三是在设备运行时监测设备的某些特征量，以确定设备状态(良好，故障)。

显然运行时监测设备具有较大优势，维修成本较低的同时也有效减少了维护的时间以及因故障导致的设备损坏；但现今存在的在线监测报警算法通用性差，不适用于不同类型的设备，模拟故障试验成本高，故障样本难以获得，且不能满足多样化需求，例如，训练时故障样本很难获得，样本存在不平衡问题；故障种类很多，很难穷尽；数据量大，故障定位困难。

发明内容

针对上述的技术问题，克服现有技术存在的不足，本发明提供一种电子设备故障阈值检测的方法，实现对通用电子设备故障阈值的计进而准确查找历史故障发生的时间，为寻找故障提供了精确的定位。

具体的，一种电子设备故障阈值检测的方法，包括以下步骤，

获取用于训练生成电子设备标准工作指标的基础训练数据；其中，所述基础训练数据包括以固定频率采样到的所述电子设备运行工作的采样数值；所述采样数值所属的工作指标与所述标准工作指标所属的工作指标相同；

根据分组周期对所述基础训练数据进行分组，并根据时间顺序确定每一组的序号；

通过计算每一基础训练数据组的时域特征值，判断该基础训练数据组是否属于故障组，并记录故障组的组序号；

根据故障组的组序号，从分组后的基础训练数据中提取训练样本组；所述训练样本组包括的基础训练数据组的组序号是连续的，且均不属于故障组；

根据所述训练样本组，计算生成用于判定所述电子设备运行是否存在故障的标准工作指标。

作为进一步改进，所述通过计算每一基础训练数据组的时域特征值，判断该基础训练数据组是否属于故障组，并记录故障组的组序号包括以下步骤，算每一组的基础训练数据的方差以及均值，作为每一组基础训练数据的物理特征值，记录落入物理特征值偏差范围的基础训练组的序号若记录的组序号记录在标准之下，则判定该组序号对应的基础训练数据组属于故障所在组。

作为进一步改进，根据所述训练样本组，计算生成用于判定所述电子设备运行是否存在故障的标准工作指标包括以下步骤，根据非线性状态评估算法，对训练样本组中的每一基础训练数据组进行计算获得故障阈值；

根据所述故障阈值，判断在所述测试样本组中判定为存在故障的基础训练数据组的组序号是否与记录的组序号是否一致；

若是，则以所述故障阈值作为判定所述电子设备运行是否存在故障的标准工作指标。

作为进一步改进，所述根据非线性状态评估算法，对训练样本组中的每一基础训练数据组进行计算获得故障阈值，具体包括：

所述测试样本组中的任一时刻的数据为观测向量；

提取若干个所述训练样本组中的历史观测向量；

将所述若干个历史观测向量构建记忆矩阵；

将所述观测向量输入至所述记忆矩输出得到预测向量；