[发明专利]一种工业信号异常预警方法、系统、存储介质及计算设备

权利要求书

1.一种工业信号异常预警方法，其特征在于，包括：

获取历史数据作为样本数据集；

对所述样本集数据集进行预处理，获取结构化可分析的数据集；

将所述数据集划分为训练集和测试集，根据所述训练集得到最小维度涵盖设备所有运行工况的与完整数据集相同性能水平的第一过程记忆矩阵，构建所述测试集与所述第一过程记忆矩阵之间的第一相似度模型；

采用所述第一相似度模型对所述测试集进行预测，得到所述测试集预测值与实际值之间的差值，即测试残差；

对所述测试残差进行趋势分布概率检验，根据检验结果识别设备运行异常或故障。

2.如权利要求1所述的预警方法，其特征在于，所述根据所述样本数据集进行预处理，获取结构化可分析的数据集，包括：对样本数据集进行数据清洗，剔除设备停机数据和无效数据，获取运行状态数据，清除冗余测点，形成有效的数据集。

3.如权利要求1所述的预警方法，其特征在于，所述根据所述训练集得到最小维度涵盖设备所有运行工况的与完整数据集相同性能水平的过程记忆矩阵，包括：

在所述训练集中选取涵盖设备所有正常运行工况的样本构建第二过程记忆矩阵，基于相似性原理建立所述训练集与所述第二过程记忆矩阵之间的第二相似度模型，采用所述第二相似度模型对所述训练集进行预测，得到所述训练集实际值与所述第二相似度模型预估值之间的残差，即训练残差；

通过所述训练残差对所述第二过程记忆矩阵进行优化，得到最小维度涵盖设备所有运行工况的与完整正常样本数据集相同性能水平的所述第一过程记忆矩阵。

4.如权利要求3所述的预警方法，其特征在于，所述通过所述训练残差对所述第二过程记忆矩阵进行优化，得到所述第一过程记忆矩阵，包括：将所述训练残差与预先设定残差阈值进行比对，若所述训练残差大于所述预先设定值，则重新选取优化所述第二过程记忆矩阵，直至所述训练残差小于设定阈值，得到最小维度涵盖设备所有运行工况的与完整正常样本数据集相同性能水平的所述第一过程记忆矩阵。

5.如权利要求1或3或4所述的预警方法，其特征在于，所述第一过程记忆矩阵的构建方法，包括：

选取所述训练集中测点最大值最小值所在的行向量，由此筛选出的行向量构成行向量矩阵；

将所述训练集与所述行向量矩阵的差作为剩余矩阵，计算所述剩余矩阵中行向量二范数并排序,用于对所有运行工况均匀取样，每隔预定时间抽取所述剩余矩阵中各正常运行工况代表性样本，构成样本矩阵；

将所述行向量矩阵和所述样本矩阵组合，即所述第一过程记忆矩阵。

6.如权利要求1所述的预警方法，其特征在于，所述对所述测试残差进行趋势分布概率检验，根据检验结果识别设备运行异常或故障，包括：

预先设定误报率和漏报率，得到上决策边界对数值和下决策边界对数值；

根据设定的随机变量序列的零假设值和备选假设值,得到所述趋势分布概率检验值；

通过比较所述趋势分布概率检验值与所述上下决策边界对数值，判断设备运行状态。

7.如权利要求6所述的预警方法，其特征在于，所述判断设备运行状态，包括：

当所述趋势分布概率检验值小于等于所述下决策边界对数值时，设备为健康状态；

当所述趋势分布概率检验值大于等于所述上决策边界对数值时，设备为故障状态，对该故障状态进行报警；

当所述趋势分布概率检验值在所述上决策边界对数值和下决策边界对数值之间时，继续对设备状态进行检验，直至满足上述两种情况。