[发明专利]一种动设备状态监测动态阈值预警方法

摘要

本发明公开了一种动设备状态监测动态阈值预警方法，包括：对在线监测系统大量监测数据统计分析，采用动态的自学习阈值算法计算预警阈值，并应用l1趋势滤波技术消除随机误差获取滤波后的趋势；应用动态自学习阈值替代监测系统中的常规报警阈值，比较自学习预警阈值与滤波后的趋势，实现了动设备故障早期预警。本发明能够弥补常规报警方式在早期故障预警方面的不足，在故障发生早期尚未出发常规报警时就可以监测到趋势异常，从而实现早期预警。

主权项

1.一种动设备状态监测动态阈值预警方法，其特征在于，包括如下步骤：(1.1)根据动设备平稳运行t秒的监测参数趋势数据X(N)＝{x₁,x₂,…,x_N},N＝f_st，其中f_s为采样频率，N为采样点数，计算得到监测参数趋势数据的概率密度分布函数，即式中，X_k为X(N)所分第k个区间的中点值，γ,η为形状参数，m_k为X(N)落在第k个区间内的样本数据个数，h_k是每个区间的半宽度，n为X(N)所分区间的个数；(1.2)基于(1.1)所得概率密度分布f(X_k)拟合得到监测参数趋势数据X(N)的贝塔分布形状参数γ和η，并将X(N)服从贝塔分布简记为X(n)～β(γ,η)；(1.3)计算(1.2)所得贝塔分布的双侧α分位数λ₁,λ₂，其中α为尖峰噪声引起的采集误差，也即式中，P{X≤λ₁}表示X(N)中不大于上侧分位数λ₁的概率，P{X＞λ₂}表示X(N)中不小于上侧分位数λ₂的概率；(1.4)计算得到监测参数趋势数据X(N)的阈值下限Thd1和阈值上限Thd2，也即Thd1＝λ₁(x_max‑x_min)+x_minThd2＝λ₂(x_max‑x_min)+x_min式中，x_min为X(n)中的最小值，x_max为X(n)中的最大值，进而得到自学习报警阈值区间[Thd1,Thd2]；(1.5)采用l1趋势滤波技术对动设备趋势数据进行实时滤波，消除X(n)中的采集误差，也即使下式最小式中，Y(N)是X(N)的基本趋势，||X(N)‑Y(N)||₂表示残差序列X(N)‑Y(N)的l2范数，χ表示l1滤波控制系数是一个非负参数用来控制Y(N)的平滑性和平衡余项的大小，为二阶差分托普利兹矩阵，表示实数，当滤波后的趋势超出步骤(1.4)所得报警阈值区间[Thd1,Thd2]时，监测系统发出预警。通过对监测参数趋势数据X(n)进行上述处理，实现动设备状态监测动态阈值预警。