[发明专利]一种旋转机械状态监测和异常自动报警的方法及装置

权利要求书

1.一种旋转机械状态监测和异常自动报警的方法，其特征在于，包括以下步骤：

获取原始数据，通过数据接口获取机组运行参数的传感器数据，并通信传输存储在本地或云服务器上；

对传感器数据进行预处理，依次包括频谱特征值提取、缺失值处理、离群值处理、数据标准化、小波包贝叶斯阈值去噪；

使用训练存储的PPCA参数对预处理后的传感器数据进行降维分析，得到主成分数据；

建立OAKR模型，所述OAKR模型包括模型训练、模型测试和模型预测；

通过检查OAKR模型输出与实际PPCA主成分数据之间的均方误差MSE，来动态判断设备是否出现异常，产生异常警报；

其中，所述建立OAKR模型的方法为：

第一步、计算监测向量θ和每一个记忆向量Θ_i之间的距离，得到一个n_m×1的距离向量d，采用最常用的欧式距离计算方法：

第二步、通过得到的距离矩阵d和高斯核函数来计算权重w，w也是一个n_m×1的矩阵：

其中，h是核函数带宽，带宽h决定了核函数的平滑程度；

第三步、通过模型训练时最小化均方误差MSE值，得到核密度带宽h最佳值，并更新权重w；

第四步、通过得到的权重w做监测向量θ的预测值由每个记忆向量Θ_i的加权平均值计算得到，计算公式如下：

。

2.如权利要求1所述的旋转机械状态监测和异常自动报警的方法，其特征在于，所述频谱特征值提取、缺失值处理、离群值处理、数据标准化、小波包贝叶斯阈值去噪具体为：

频谱特征值提取，将得到的传感器数据经过快速傅里叶变换，提取时间序列不同的频谱特征值；

缺失值处理，采用向上填充和向下填充的方法来处理传感器数据中的空缺值或无穷值；

离群值处理，根据机组运行的速度，对停机重启时的数据点进行自动剔除；

数据标准化，对传感器数据中多变量数据进行标准化处理，通过去均值和方差归一化方法，对传感器数据进行线性变换，使传感器数据的均值为0、方差为1；

小波包贝叶斯阈值去噪，对采集的传感器数据中低频和高频信号的噪声进行去除。

3.如权利要求1所述的旋转机械状态监测和异常自动报警的方法，其特征在于，所述使用训练存储的PPCA参数对预处理后的传感器数据进行降维分析，得到主成分数据，具体为：对传感器数据进行主成分分析，选取降维后累计方差贡献率至少95％的主成分构件数量，然后再进行概率主成分分析降维，提取不相关的主成分特征。

4.如权利要求1所述的旋转机械状态监测和异常自动报警的方法，其特征在于，所述模型训练具体为：由PPCA得到的主成分构件用于OAKR模型训练，选取机组健康运行状态下主成分85％的数据，按照均匀采样的方法，选取前70％数据形成记忆矩阵，后15％数据通过单纯形法优化模型核函数带宽。

5.如权利要求1所述的旋转机械状态监测和异常自动报警的方法，其特征在于，所述模型测试具体为：选取机组健康运行状态下后15％的主成分数据，按照均匀采样的方法对模型选取测试数据进行模型的测试，使用均方误差MSE、确定系数R-square作为模型测试的指标。

6.如权利要求1所述的旋转机械状态监测和异常自动报警的方法，其特征在于，所述模型预测具体为：给定某段机组新运行的时间序列，对数据进行清洗并进行去均值和方差归一化处理后，使用训练存储的PPCA参数对新数据进行降维分析，得到主成分数据，再把PPCA主成分数据输入训练的OAKR模型，得到系统健康状态的反应估计。