[发明专利]一种基于视觉引导算法预测旋转机组中转子脱落的方法

说明书

本发明公开一种基于视觉引导算法预测旋转机组中转子脱落的方法，涉及异常预测技术领域，该方法的实现过程包括：通过传感器采集大型工业旋转机组中的多项数据；将数据映射到基于特征空间构建的多维直方图中；引入视觉引导算法EagleMine，判断数据中是否存在异常值；在数据中存在异常值时，判定该机组会在未来发生故障；标记会在未来发生故障的机组，并进行提前维护和检修。本方法可以准确识别异常的微团簇，判断机组在短时间内将会发生转子脱落故障，进而对机组转子提前进行更换和维修，避免突然发生故障时造成严重损失。

技术领域

本发明涉及异常预测，具体的说是一种基于视觉引导算法预测旋转机组中转子脱落的方法。

背景技术

异常检测指的是通过数据挖掘手段识别数据中的“异常点”，异常检测技术在预测性维护领域得到重要应用。常见的使用案例包括风控领域、网络通信领域发现异常信息流、机械加工领域识别未达标产品等等。

大型旋转机组，如压缩机、蒸汽汽轮机、燃气轮机等是流程工业如能源、化工、发电等行业的核心装备。因设备高速旋转、动能巨大，转子部件脱落故障给设备安全运行带来巨大威胁。由于部件脱落而导致的机组多级动静叶片/叶轮损伤的维修成本高、耗时长，因此而造成企业经济效益的重大损失。转子部件脱落的早期征兆难以捕捉，是故障预测的世界性难题。如果能通过大数据方法，发现所采集数据中存在的异常点，来预测大型旋转机组转子部件在未来可能发生脱落的时间点和几率，提前对旋转机组进行维护，降低大型旋转机组出现故障所承受的风险，将带来显著的安全价值和经济效益。

发明内容

本发明针对目前技术发展的需求和不足之处，提供一种基于视觉引导算法预测旋转机组中转子脱落的方法。

本发明的一种基于视觉引导算法预测旋转机组中转子脱落的方法，解决上述技术问题采用的技术方案如下：

一种基于视觉引导算法预测旋转机组中转子脱落的方法，该方法的实现过程包括：

S10、通过传感器采集大型工业旋转机组中的多项数据；

S20、将数据映射到基于特征空间构建的多维直方图中；

S30、引入视觉引导算法EagleMine，判断数据中是否存在异常值；

S40、在数据中存在异常值时，判定该机组会在未来发生故障；

S50、标记会在未来发生故障的机组，并进行提前维护和检修。

具体的，所涉及传感器采集的数据包括旋转机组的波形、转速、频率、周期；

传感器所采集数据形成一张数百万个节点的热图，将热图所包含的数百万个节点映射到基于特征空间构建的多维直方图中。

更具体的，所涉及特征空间包括多个节点特征，设定：多维直方图用H表示，所述多维直方图H的维度用dim(H)表示，多维直方图H的箱用b表示，箱b内点的个数用h表示；

基于特征空间构建多维直方图H时，利用统计分布作为词汇来描述节点组，其中，基于词汇的摘要模型由可配置的词汇表组成，包括：

用于描述特征空间中直方图的节点组的统计分布y，

赋值变量：S＝{S₁，...，S_C}为C节点组的分配，

描述词汇：θ＝{θ₁，...，θ_C}，用于每个节点组中的分布，

异常值：未分配到箱b中的异常节点O。

优选的，所涉及词汇包括且不限于均匀分布、高斯分布、拉普拉斯分布和指数分布或其他分布，具体某个词汇还可以根据要描述的数据和特征进行定制。