[发明专利]一种基于时序数据分析的设备故障诊断方法

权利要求书

1.一种基于时序数据分析的设备故障诊断方法，其特征在于，包括以下步骤：

S1：对工业生产系统运行时产生的时序数据库中的数据进行预处理，包括对数据的时间戳处理、缺失值处理、可视化分析、平稳性检验；

S2：对预处理后的数据，采样抽取出有效的样本，并使用时间窗口对齐，保证多测点样本的时间同步；

S3：对抽取的有效样本数据依据发生频率、发生时间、持续时间的特征进行关联规则分析，得到测点之间相关性的提升度矩阵，从而抽取出相关的测点；

S4：根据相关的测点的数据，结合测点相关性推理得到故障归因子图。

2.根据权利要求1所述的基于时序数据分析的设备故障诊断方法，其特征在于，所述S1的数据预处理包括：

S11：所述数据的时间戳处理，包括：对于无序时间戳进行排序，对于以默认字符串数据类型存储的时间戳，先将数据时间列转换为日期型的数据类型；

S12：对缺失值进行处理：利用周围两个已知数据点采用样条插值或者线性插值估计缺失点的值，缺失窗口大小大于5的数据集则直接整段抛弃，使剩余的数据保证有效性和连续性；

S13：计算固定窗口大小的时间序列的平均值，初步观察每个窗口的噪声情况；通过傅里叶变换将时间序列转换到频域，将趋势线突然高峰或下降的离群值监测出来，从而过滤噪声；

S14：采用可视化的方式进行平稳性检测，绘制时间序列的折线图，一方面，观察曲线是否围绕某一数值上下波动，是则说明平均值稳定，否则说明平均值不稳定,舍弃整段数据；另一方面，观察曲线上下波动幅度，若每一组前后数据的差值处于0-1的范围内，则说明方差稳定，否则进行二阶差分使数据平稳。

3.根据权利要求2所述的基于时序数据分析的设备故障诊断方法，其特征在于，所述步骤S2具体包括：

S21：对于预处理后的数据采用分钟级的下采样方法，从数据库中所有测点中抽取完整有效的时序测点数据；

S22：按照所属系统，抽取出拓扑结构上下文相近的测点，抽取出关键测点的段时间数据，并根据时间窗口的偏移量，采用基于偏移量的左对齐，保证抽取出各个辅助系统同一时段的数据相对应。

4.根据权利要求3所述的基于时序数据分析的设备故障诊断方法，其特征在于，所述步骤3具体包括：

S31：对于每个系统，从所有数据中抽取多段触发了报警的记录，对于报警记录时间点t，向前后各扩充一小时，即取[t-60,t+60]分钟的设备运行记录；

S32：对于拓扑结构上有先后关系的，按一定的时间差进行对齐；

S33：对于对齐后的数据，抽取枯水期三到四个月的数据，统计测点值异常、报警信息的次数，将一个设备测点作为一个项集；

S34：列出只包含一个元素的项集；

S35：依次类推，列出包含2～n个元素的项集；

S36：计算每个项在项集集合中出现的频率作为支持度，项集{A,B}的支持为P(AB)，保留那些满足最小支持度阈值条件的项集，淘汰不满足的项集，得到候选项集；

S37：向所述候选项集中增加一个元素，并产生所有可能的项集组合；

S38：重复步骤S36和步骤S37，为越来越大的项集确定支持度，直到没有待检查的新项集；

S39：计算项集的提升度，计算公式：提升度{A,B}＝支持度{A,B}/支持度{A}*支持度{B}，提升度能够反应关联规则种两事务的相关性，提升度大于1表明事务的正相关性越高，提升度小于1且如果越小则表明负相关性越高，若提升度等于1，则表明没有相关性，由于工业生产辅助系统设备之间几乎不存在互斥关系，所以仅将大于1的事务作为有效的相关规则，保留该项集；

S310：对于保留的项集计算项集的置信度，计算公式：置信度{A,B}＝支持度{A,B}/支持度{A}，根据多个项集计算得到关联矩阵。

5.根据权利要求4所述的基于时序数据分析的设备故障诊断方法，其特征在于，所述步骤S4，具体包括：

S41：根据所述关联矩阵，抽取出提升度大于1的相关测点项集观察，并转换为因果拓扑子图，形成关联性示意图；

S42：对于抽取到的关联关系进行校验，与人工抽取分析得到的关联图进行比对。