[发明专利]一种基于故障数据状态矩阵进行故障匹配和预警的方法

说明书

本发明涉及一种基于故障数据状态矩阵进行故障匹配和预警的方法，包括步骤：S1数据归一化处理：Z‑score标准化方法，给予原始故障数据的均值和标准差进行数据的标准化；S2将故障数据样本向量计算出相似性距离；S3把故障数据样本向量按照相似性距离的大小进行排序，并按照样本向量选取的规则，选取相应的样本向量数目组成故障样本状态矩阵；S4把此组成的故障样本状态矩阵存入故障数据库中。本发明的有益效果是：本方案与传统的预警系统相比，另辟蹊径，建立故障数据状态矩阵，更加高效；本方案建立故障数据库，实现了数据的积累，为以后数据的利用提供更大的可能性；本方案故障数据状态矩阵的建立是有计算机来实现的，因此大大减少人为误差。

技术领域

本发明涉及故障匹配和预警的方法，更具体地说，它涉及一种基于故障数据状态矩阵进行故障匹配和预警的方法。

背景技术

现有的预警系统均是采用设备运行时的正常数据，通过筛选出设备运行时各个工况下的正常数据，建立正常数据的状态矩阵，利用从现场采集来的实时数据与正常数据进行相似度计算，建立实时数据趋势图与样本数据趋势图，通过实时数据与样本数据的偏差值与设定的报警值作对比，超出报警值即产生报警，此预警系统的缺点就是太依赖于样本数据和报警值的选择，如果样本数据和报警值选择不恰当，此预警系统将会出现问题。

发明内容

本发明的目的在于克服上述不足，提供一种基于故障数据状态矩阵进行故障匹配和预警的方法。

基于故障数据状态矩阵进行故障匹配和预警的方法，包括如下步骤：

S1数据归一化处理：Z-score标准化方法，给予原始故障数据的均值和标准差进行数据的标准化；经过处理的数据符合标准正态分布，即均值为0，标准差为1；转化函数为：

X*＝(X-μ)/σ

其中μ为所有故障数据的均值，σ为所有故障数据的标准差,X为原始故障数据，X*为数据化归一后的数据；

S2将故障数据样本向量计算出相似性距离；

S3把故障数据样本向量按照相似性距离的大小进行排序，并按照样本向量选取的规则，选取相应的样本向量数目组成故障样本状态矩阵；

S4把此组成的故障样本状态矩阵存入故障数据库中；

S5把实时数据按照归一化方式进行处理后，转换成实时数据向量，与所建立的故障数据库中的故障样本状态矩阵进行相似性计算，计算出相应的相似性距离，进而判断实时数据与故障数据在统一归一化的情况下的相似性的程度，相似性距离越近表示相似程度越大，则计算机记录此对比结果，接着继续匹配故障数据库中此设备下的其他故障样本状态矩阵，相似度低的则不记录结果；

S6在记录下的结果中，对比选择出最接近实时的历史故障，进而来给出预警。

作为优选:步骤S2的相似性距离计算公式为：

设两个向量为X＝(x1,...,xn),Y＝(y1,...,yn)

1)欧几里德距离

假设x,y是n维空间的两个点，他们之间的欧几里德距离是：

当n＝2时，欧几里德距离就是两个点的距离；用欧几里德距离表示相似度，采用以下公式进行转换：距离越小，相似度越大；

利用欧氏距离d定义的相似度s，s＝1/(1+d),相似度s的范围为[0,1],s值越大，说明d越小，也就是距离越近，则相似度越大；

2)Tanimoto系数