[发明专利]基于隐半马尔科夫模型的设备状态动态自适应报警方法

权利要求书

1.一种基于隐半马尔科夫模型的设备状态动态自适应报警方法，其特征在于包含以下步骤：

A.根据设备历史数据，以相同时间长度将数据分成若干段，对每段提取特征信息作为观测值，作为隐半马尔科夫模型训练和状态识别的观测序列，观察序列组数为K组；

B.基于Baum-Welch算法训练隐半马尔科夫模型，分别建立设备正常状态和各级退化状态的隐半马尔科夫模型；

C.基于库尔-莱贝尔信息距离定义每个退化状态相对于正常状态的偏离程度，作为设备的性能退化指标DI；

D.设定观测序列的最小长度N，设备运行一段时间，设备正常状态的DI满足N的时候，计算DI的平均值和标准差，从而通过极限误差法原理得到正常状态报警线的上下阈值；

E.随着设备运行的时间推移，不断得到新的DI值，若新的DI值落在正常状态报警线的上下阈值内，则将新的DI值加入到正常的DI序列，重新计算DI序列的平均值和标准差；

F.当有连续K个DI值落在正常状态报警线的上下阈值外时，设备偏离正常状态，进入退化阶段一，触发一级报警；然后退化阶段一的DI序列长度达到N时，按照步骤D和步骤E的方法得到新的DI并计算其平均值和标准差，确定退化阶段一的报警线的上下阈值；当有连续K个 DI值落在退化阶段一的上下阈值外时，设备偏离退化状态一，进入退化状态二，触发二级报警；

G.随着新的DI值的不断调整，设备运行状态按照步骤F的规律进入退化状态三、退化状态四直至退化状态M，退化状态M为根据历史数据得出的设备运行需要维修的阶段；

H.当DI值进入到退化阶段M时，进行报警，提醒工作人员按照实际情况进行检修或停机等处理。