[发明专利]一种测试数据自适应动态阈值确定方法

说明书

一种测试数据自适应动态阈值确定方法，步骤包括：步骤一，对于某个测试数据，选取之前一段时间的数据序列作为训练集；步骤二，为训练集确定初始化门限值θ，计算训练集中超过初始门限θ的概率；步骤三，估计步骤二中概率的参数值；步骤四，计算得到新的门限值ε；步骤五，利用新的门限值ε对实时采集的测量数据进行监测，当某时刻测量数据大于等于ε时，该测量数据记为异常数据；当某时刻测量数据小于ε大于θ时，该测量数据记为正常数据，同时更新门限值ε；当某时刻测量数据小于等于θ时，该测量数据记为正常数据。本发明能够实现对工业设备故障的实时在线检测，不依赖于专家经验和领域先验知识、自动设置阈值、具有良好的可扩展性。

技术领域

本发明属于工业设备故障检测领域，涉及一种测试数据自适应动态阈值确定方法。

背景技术

对设备的运行状态进行在线监测，对于及时的发现故障，避免设备发生致命性故障有着重要作用。随着电子技术以及传感技术的发展，使得对于设备运行过程中的机、电、热信号进行实时监测成为可能。随着设备复杂程度的增加，监测的参数和数据量也急剧增加。因此在大数据条件下，如何对设备的参数进行监测已成为研究的热点。

对于复杂设备特别是航天器的在线监测，使用最多、最广泛的是基于阈值的专家系统方法。即根据领域知识和专家经验，为每个参数设置一个阈值，当参数的测试数据超过规定的阈值时，则对应的数据被认为是异常点。为了提高设置阈值的准确性，提出了一种成功数据包络分析方法。日本宇宙航空研究开发机构JAXA开发出智能卫星控制软件(ISACS-DOC)，被成功地用于Geotail、Nozomi、Hayabusa等任务中。

近年来，随着设备集成化程度的提高，以及长期在轨运行等使用要求的提出，设备在全寿命周期内会产生大量的测试数据。除了产生大规模的测试数据，设备的各监测参数间也存在着极强的耦合关系，独立的监测每个参数，不能反映数据真实的关系。另外，为了能够尽早的发现异常数据，还需要对数据进行实时的监测。

阈值方法操作简便，直观明了，是实际工业设备运行监督工作中使用的主要方法。工况多变的复杂运行环境使得监测变量的正常值并不固定于一点，而是在较大的区域范围内变动。静态阈值判据通常设定较宽的阈值，以防止虚警的发生。但同时也牺牲了诊断的精度和时间，不能起到对异常状态的早期识别和预警作用。对不同运行工况下监测量的正常值获取及相应阈值的准确估计，是合理运用阈值诊断法的关键所在。基于专家系统阈值的方法原理简单，便于实施，但其需要丰富的专家经验和领域先验知识、需要设置的阈值多、可扩展性差，导致其不太适应功能越来越复杂的航天器。基于阈值的专家系统方法的异常监测算法已不能满足使用要求。

另一种常用的方法是对监测的数据进行统计分析，然后计算分位数阈值。分位数阈值可以依据专家经验计算，也可以先假设监测的测试数据服从一定的概率分布(如正态分布、标准分布、指数分布等)然后计算阈值。但是通常监测的数据并不满足这些分布形式，从而导致建模过程非常困难。极值理论可以很好的对监测数据的极值进行分析。

发明内容

本发明解决的技术问题是：克服现有技术的不足，提出一种测试数据自适应动态阈值学习方法。

本发明解决技术的方案是：

一种测试数据自适应动态阈值确定方法，该方法的步骤包括：

步骤一，对于某个测试数据，选取之前一段时间的数据序列作为训练集，训练集X＝[x₁,x₂,…,x_n]；

步骤二，为训练集确定初始化门限值θ，计算训练集中超过初始门限θ的概率；

超过初始门限θ的概率满足如下公式：

步骤三，根据步骤二计算γ、σ(θ)的估计值和

步骤四，按照如下公式计算得到新的门限值ε；