[发明专利]一种超声水表故障预警方法

说明书

本发明涉及水表故障预警技术领域，公开了一种超声水表故障预警方法，步骤如下：获取超声水表正常运行数据与故障数据用于形成LSTM预测模型的预测训练集，其中正常运行数据用来组成OCSVM分类模型的分类训练集；对超声水表数据进行预处理以及归一化，之后每6小时的数据作为一组来组成训练集；根据预测训练集构建预测模型，分类训练集构建分类模型；通过预测模型预测接下来6小时的超声水表数据并将预测数据送入分类模型中进行故障识别，若识别出故障则超声水表上报预警信息。本发明通过LSTM模型对超声水表6小时内数据进行预测后，通过OCSVM模型对超声水表故障进行识别，从而实现超声水表提前6小时的故障预警，减少经济损失。

技术领域

本发明涉及水表故障预警技术领域，尤其涉及一种超声水表故障预警方法。

背景技术

物联网时代来临，传统的机械式水表逐渐被智能水表取代。其中，超声波水表是智能水表中备受关注的产品，超声波水表是通过检测超声波声束在水中顺流与逆流传播时因速度发生变化而产生的时差，分析计算得出水的流速，从而进一步计算出水的流量的一种新式水表。由于水表的工作环境十分恶劣，在实际应用中，电子元器件损坏、水表换能器老化、流场结构损坏等故障都会导致水表计量精度下降，给居民或者供水公司带来经济上的损失。

现有对于超声水表故障的诊断方式都是实时或者滞后的，当诊断出故障时，该故障已经对水表的安全运行产生了破坏，对于用户或者供水公司造成了损失。同时超声水表的故障种类比较多，比如电池欠电压引起的测试电路工作不正常；换能器老化导致水表计量性能下降；或者流场结构损坏导致水表受到扰流影响。对于这些故障，常规的故障检测算法极易出现故障漏报或者误报的现象。

发明内容

本发明针对现有技术存在的不足和缺陷，提供了一种超声水表故障预警方法，通过LSTM预测模型对超声水表6小时内数据进行预测后，通过OCSVM分类模型对超声水表故障进行识别，从而实现超声水表提前6小时的故障预警，减少经济损失。

本发明的目的可以通过以下技术方案来实现：

一种超声水表故障预警方法，包括以下步骤：

s1，获取超声水表近一段时间T的正常运行数据与故障数据用于形成LSTM预测模型的预测训练集；

获取超声水表近一段时间T的正常运行数据用于形成OCSVM分类模型的分类训练集；

上述数据包括上下游信号传播时间差、水温、上下游接收信号峰峰值、瞬时流量、电池电压；

s2，对获取的数据进行预处理；

对预处理后的数据进行归一化处理；

对归一化处理后的数据，每6个小时的数据作为一组来组成预测训练集与分类训练集；

s3，根据预测训练集构建LSTM预测模型，并利用Adam优化算法对模型进行参数寻优；

s4，提取分类训练集特征；

构建OCSVM分类模型；

利用提取的特征值训练及优化OCSVM分类模型；

s5，通过LSTM预测模型预测接下来6小时的超声水表数据；

s6，将接下来6小时的预测数据送入OCSVM分类模型中进行故障识别，若识别出故障，则超声水表上报预警信息。

进一步地，所述步骤s2中的数据预处理流程为：

s21，利用比值阈值法对数据进行筛选，即设定其中上下游信号传播时间差与瞬时流量的比值R的阈值范围，抛弃R的阈值范围外的数据；

s22，通过滑动平均法清洗数据，公式如下：

其中，x（n）为清洗前的数据；y（m）为清洗后的数据；n为超声波水表数据索引，步长为5。

进一步地，所述步骤s4中利用高斯径向基核函数来构建OCSVM分类模型。