[发明专利]基于概率模型的设备状态动态自适应报警方法

摘要

本发明公开了一种基于概率模型的设备状态动态自适应报警方法，基于设备运行的动态数据，使用概率神经网络自学习构建设备状态的概率模型。该模型随设备运行调整其分布概型，动态描述设备状态的变化规律。依托模型，研究设备状态的动态评判规则；同时构建不同状态间的阈值，形成设备运行的自适应报警线。本发明撇开传统的按照各种通用标准对现场设备运行状态的划分依据，从设备各自的发展历程来寻找规律，为每台设备、每个测点、乃至每个监测量都可以建立起状态等级评判依据，明确地将现场常规设备状态划分为三个等级：即正常状态、故障状态、和快速劣化状态，并为每种状态确定了现场中所应采取的措施，方综合评判设备状态奠定了基础。

主权项

1.一种基于概率模型的设备状态动态自适应报警的方法，其特征在于，立足于设备运行的历史数据，使用概率神经网络自学习方法构建设备状态的概率模型，依据模型确定设备状态的动态评判规则，同时根据不同状态间的阈值，形成设备运行的自适应报警线；包括以下步骤：1)根据建立概率模型的需求，确定改进概率神经网络的网络结构；2)从设备运行的历史数据入手，计算网络的平滑因子和条件概率；3)对历史数据进行归一化处理；4)对历史数据中的相同数据点进行处理；5)当历史数据量较少时，采用Bootstrap方法对网络样本层进行扩充；6)当历史数据量过多时，采用聚类法优化网络结构；7)根据概率统计3σ方法，动态确定各个状态的报警阈值；8)随着历史数据的不断增加和概率模型的动态调整，建立设备状态的自适应报警线。