[发明专利]一种工况分类方法

说明书

本发明公开了一种工况分类方法，该方法包括：确定需要分析的工况变量；工况变量间的相关性分析；工况变量间的相似性分析；确定输入工况变量与输出工况变量；工况变量标准化；处理输入工况变量；工况分类。本发明(1)可以改善无标签的工况分类效果。(2)具有较好的外推能力，模型适应性强。(3)可以在大范围内描述非线性特性。

技术领域

本发明涉及一种工况分类方法。

背景技术

随着现代生产设备日益向大型、复杂、精密方向发展。现代工业过程生产规模的不断扩大，企业生产系统的自动化水平和集成化程度也在不断提高。企业功能复杂化和规模集成化，使各个生产单元间关系复杂，耦合现象严重。这些趋势可能影响设备安全和工作性能引发一系列生产事故，最终影响产品质量和物耗能耗。在大型化、复杂化的工业过程中，不断检测过程的变化和故障信息是十分必要的。

生产单元中存在很多变量，也存在着大量的数据。随着各种状态监测系统的出现，大量的实际数据被采集，但是95％的数据只采集了一个数值，没有任何标签，我们并不知道数据是否异常，所以需要从海量数据中进行统计和分类，以区分不同时刻、不同数据所处的工况，以进一步分析数据所处模块、系统的健康状况。

近几年，对于无标签数据普遍采用特征提取方法结合一些机器学习方法对工况进行分类。CN107679734A公开了一种基于聚类方法的无标签数据分类预测的方法。CN106834662B中公开了一种利用模糊C均值聚类算法对烧结过程参数的工况分类方法。CN107516107A中公开了一种利用K均值聚类算法在离线状态下将车辆行驶工况分类方法。

但上述方法至少存在如下缺陷：采用基于数据聚类的方法，数据模型大多只能在小的工况变化范围内有效，外推能力较差；模型效果过度依赖建模数据的质量；模型参数缺乏物理意义。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种工况分类方法。

本发明通过以下技术方案来实现：一种工况分类方法，包括以下步骤：

S1:确定需要分析的工况变量；

S2:对工况变量间的相关性分析；

S3：对工况变量间的相似性分析；

S4:确定输入工况变量与输出工况变量；

S5:对工况变量进行标准化；

S6:处理输入工况变量；

S7:进行工况分类。

其中，所述工况分类根据采用数值范围、数量范围和数值范围与数量范围结合考虑的概率密度划分方法进行划分。

优选地，所述工况分类会对概率低于0.3的工况进行合并。

优选地，所述工况变量间的相关性分析是根据专家经验在所有工况变量之间发现工况之间的相关性。

优选地，所述处理输入工况变量中在M个输入工况变量中，根据概率分布找出m₁个快变化工况变量和m₂个慢变化工况变量，且m₁+m₂＝M。

优选地，所述慢变化工况变量需要进行积分操作，然后与快变化工况变量进行合并排序。

本发明具有如下有益效果：(1)可以改善无标签的工况分类效果。(2)具有较好的外推能力，模型适应性强。(3)可以在大范围内描述非线性特性。

附图说明