[发明专利]一种面向自动化设备的行为监测与异常诊断方法

说明书

本发明公开了一种面向自动化设备的行为监测与异常诊断方法，具体步骤如下，步骤1：构建自动化设备行为状态模型，简称EBSM模型；步骤2：当设备处于可信状态s₀时，截获一个动作act，时间为t₀；步骤3：依次进行原子动作判定、原子状态判定、状态转换判定以及状态转换序列判定来对设备行为状态进行异常诊断。本发明的目的是针对如何有效地对设备行为进行监测和诊断，并且传统设备监测的研究主要是基于某些特征状态参数的数学模型来判定设备是否出现异常，无法准确判断出设备发生异常的具体位置、异常类型和发生异常的时间，故从机械手设备的运行特征出发，提出一种面向自动化设备的行为监测与异常诊断方法。

技术领域

本发明涉及自动化设备领域,尤其涉及一种面向自动化设备的行为监测与异常诊断方法。

背景技术

近年来,随着信号处理、人工智能和模式识别等学科的快速发展,各国针对设备监测都展开了相应的研究.Günal等提出了一种基于发动机电流陷波滤波信号分析的感应式电机状态监测方法,在时域上提取能量特征、样本极值和累积评估值,可以对电机状态进行检测和分类.He等提出了一种主成分表示方法,使用主成分分析方法从测得的时域和频域静态特征中自动提取主成分,可以有效的用于设备的状态监测.高英杰等提出了一种基于小波包分析的液压泵状态监测方法,利用小波包对液压泵出口处压力信号进行频谱分析,以小波包能量残差判别液压泵的运行状态,实现了对液压泵的状态监测与诊断.以上对设备监测的研究主要以设备状态为关注点,通过对状态信息进行信号采集、分析处理、关键特征提取和模式识别等方法实现对设备的状态监测,而对设备行为监测的研究较少.

自动化设备作为新兴技术的产品,不同于一般的设备,包括控制和执行两部分,通过控制部分发出的动作指令使执行部分进行相应的操作从而完成相应的功能,其在运行过程中可能出现控制指令与执行动作不匹配等行为异常,已有的设备监测与诊断系统无法有效地检测出这类异常,因此如何有效地对设备行为进行监测和诊断是亟需解决的问题.此外,传统设备监测的研究主要是基于某些特征状态参数的数学模型来判定设备是否出现异常,无法准确判断出设备发生异常的具体位置、异常类型和发生异常的时间。

发明内容

为解决上述问题,从自动化设备的运行特征入手,本发明提出一种面向自动化设备的行为监测与异常诊断方法，首先以有限状态自动机为基础,通过自动化设备控制部分发出的动作指令和执行部分执行动作指令产生的状态转换来刻画自动化设备的行为,建立自动化设备的行为状态模型,然后以该设备行为状态模型为基础,给出了对设备进行异常诊断的过程,最后给出了设备行为监测与异常诊断的原型系统,该方法能够有效检测出设备运行过程中的异常行为。

技术方案：为实现本发明的目的，本发明所采用的技术方案是：一种面向自动化设备的行为监测与异常诊断方法，其特征在于：包括以下步骤：

步骤1：构建自动化设备行为状态模型；

所述步骤1中的EBSM模型构建方法如下：

构建模型前给予定义如下：

设备行为状态模型,表示为四元组〈State,Action,Transition,s₀〉,其中,

State＝{state₁,state₂,…,state_n},state_i，1≤i≤n表示设备状态,State为设备状态集合；

Action＝{action₁,action₂,…,action_m},action_i，1≤i≤m表示设备动作,Action为设备动作集合；