[发明专利]一种卷烟厂烘丝机设备故障类型判定方法与装置

说明书

本发明提供一种卷烟厂烘丝机设备故障类型判定方法与装置，该方法包括:获取待判定故障类型的第一数据集；从影响烘丝机设备运行的所有历史传感器数据特征中获取第二数据集；利用基于模糊C均值聚类的方法，对第二数据集分别进行L次聚类，对应得到L个聚类结果；根据L个聚类结果，利用哈希表构建离线故障索引库；根据离线故障索引库，确定第一数据集的故障类型。本发明提供的方法，可以快速高效地判定第一数据集的故障类型。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种卷烟厂烘丝机设备故障类型判定方法与装置。

背景技术

在烟草生产过程中，烘丝机设备的稳定运行对最终生产出的烟丝质量起到了至关重要的作用。在传统的烟厂设备检修过程中，由于系统设备级联的复杂性、各级传感器数据的庞大性以及故障源之间的关联性，生产设备一旦出现运行故障，面对庞大的传感器数据，及时准确地、快速地定位故障源、判定故障类型并进行相应的维护，十分依赖维修人员的维修经验。

目前现有通过检测传感器数据来判断烟厂设备是否出现故障的方法中，通常采用基于小波分析、SOD孤立点检测、故障树的方式对传感器数据进行故障检测及类型判定，但是在对这种高维数据进行处理时，会存在耗时过长的不足，不能及时地将故障判定结果反馈给维修人员的缺陷。

发明内容

本发明的目的在于解决上述现有技术存在的缺陷，提供一种能够及时将故障结果反馈给维修人员的卷烟厂烘丝机设备故障类型判定方法与装置。

一种卷烟厂烘丝机设备故障类型判定方法，包括：

步骤一：获取待判定故障类型的第一数据集；所述第一数据集为烘丝机设备运行过过程中传感器检测到的各种传感器数据；

步骤二：从影响烘丝机设备运行的所有历史传感器数据特征中获取第二数据集[x₁,x₂,x₃,x₄,..x_i.,x_N]，所述第二数据集为烘丝机发生故障时对应的故障数据集,x_i为第i个故障样本点；

步骤三：利用基于模糊C均值聚类的方法，对所述第二数据集分别进行L次聚类，对应得到L个聚类结果；每个所述聚类结果包括K个聚类簇，每个所述聚类簇对应有一个聚类中心；

步骤四：根据所述L个聚类结果，利用哈希表构建离线故障索引库；所述离线故障索引库包括：L张哈希映射表，每张所述哈希映射表对应一个所述聚类结果；

步骤五：根据所述离线故障索引库，确定所述第一数据集的故障类型。

进一步地，如上所述的卷烟厂烘丝机设备故障类型判定方法，所述步骤三包括：

步骤31：根据聚类类别数目K、所述第二数据集中数据的个数N，随机初始化隶属度矩阵u_ij，得到初始化后的隶属度矩阵；其中，i表示该隶属度矩阵的第i行，j表示该隶属度矩阵的第j列；

步骤32：根据隶属度因子m以及所述初始化后的隶属度矩阵,对所述第二数据集进行初步聚类，得到初始聚类中心cj；

步骤33：根据所述初始聚类中心c_j更新所述隶属度矩阵；

步骤34：重复步骤33，直到本次隶属度矩阵的每一行中每个元素与上一次迭代的隶属度矩阵中对应行的对应元素的绝对差值小于预设隶属度阈值ε，从而得到最终的隶属度矩阵；

步骤35：以所述最终的隶属度矩阵作为所述第二数据集的一次聚类结果，所述一次聚类结果包括K个聚类簇，每个聚类簇包括若干个故障样本点；

步骤36：固定参数聚类类别数目，隶属度阈值，以δ作为扰动幅度因子，随机扰动隶属度因子L-1次，并以每次扰动后的隶属度因子重复步骤31-35，对应得到L-1次聚类结果。