[发明专利]一种工业系统智能诊断方法

说明书

本发明公开了一种工业系统智能诊断方法，包括如下步骤：步骤一：先获取各系统、子系统测点数量N相同时间区间的量测数据，将这N个测点进行统一相关性计算，形成一个相关性矩阵；步骤二：将步骤一中获取的所述量测数据进行数据预处理，将合规的数据输入给相关性指标计算模块；步骤三：对若干个子系统两两进行相关性指标计算，并将计算结果输入给相关性异常判定模块；步骤四：对相关性指标计算结果进行分析判断，识别相关性系数有所降低的子系统。该发明通过分析各个工业子系统之间的相关性，进行系统异常诊断；对量测数据进行了预处理，去除了不能表达系统真实、稳定运行状态的数据断面；结果判断所使用的阈值，通过实际系统历史数据统计获得。

技术领域

本发明涉及工业系统诊断领域，特别涉及一种工业系统智能诊断方法。

背景技术

相关技术中，目前并没有利用同质子系统的特性进行相应的数学计算，而且通过不同原理和算法，对子系统分别计算在进行对比，在工业系统诊断方法中，所涉及的原理和算法复杂，不易懂。或者只是利用简单的统计方法，例如离散率或者偏差等指标，并不像相关性系数矩阵一样简单、直白的叙述算法原理。并且由于没有抓住各个子系统间的相关性和依赖关系，导致计算结果实时性不强或者准确性不强，不能及时、准确的给予预警。

发明内容

本发明提供一种工业系统智能诊断方法，可以解决现有技术中计算结果实时性不强或者准确性不强，不能及时、准确的给予预警的问题。

本发明提供了一种工业系统智能诊断方法，包括如下步骤：

步骤一：先获取各系统、子系统测点数量N相同时间区间的量测数据，将这N个测点进行统一相关性计算，形成一个相关性矩阵；

步骤二：将步骤一中获取的所述量测数据进行数据预处理，去除不能表达系统真实、稳定运行状态的数据断面，并将合规的数据输入给相关性指标计算模块；

步骤三：对若干个子系统两两进行相关性指标计算，并将计算结果输入给相关性异常判定模块；

步骤四：对相关性指标计算结果进行分析判断，识别相关性系数有所降低的子系统。

较佳地，步骤三中所述相关性指标定义如下：

首先，定义为“子系统i”的“测点a”在“t时刻”的量测值；

则有：

代表子系统i的测点a在(t-k，t)时间区间内的量测值序列；

代表“子系统1”～“子系统N”的测点a在t时刻的量测值；

则任意2个子系统(i，j)，在(t-k，t)时间区间内，测点a量测数据的相关性指标定义为：

式中，为与的协方差；

为的方差，为的方差；

则有，N个子系统(1,2,…n)，在(t-k，t)时间区间内，测点a量测数据的相关性指标矩阵R_a为：

较佳地，所述量测数据采用传感器测量获得。

与现有技术相比，本发明具有的有益效果如下：

(1)该工业系统智能诊断方法，通过分析各个工业子系统之间的相关性，进行系统异常诊断。

(2)该工业系统智能诊断方法，在计算相关性之前，对量测数据进行了预处理，去除了不能表达系统真实、稳定运行状态的数据断面。

(3)该工业系统智能诊断方法，结果判断所使用的阈值，通过实际系统历史数据统计获得。

附图说明