一种矿用通风机异常检测的方法、系统、设备和存储介质与流程

1.本发明涉及设备检测领域，更具体地，特别是指一种矿用通风机异常检测的方法、系统、设备和存储介质。


背景技术：

2.通风机是煤矿安全生产的关键设备，担负着向井下输送新鲜空气、排出粉尘和污浊气流、确保矿井安全生产的重任。为保证通风机安全、稳定、经济地运行。煤矿每年投入大量资金和人力对其进行健康维护。现有的通风机检测方法主要采用振动分析法。
3.目前的方法存在的主要问题：
4.1、大多数矿井矿山的通风机对于震动数据的采集频率不高，难以对其做震动性分析；
5.2、采用传统方法对通风机进行检测需要专业人员到现场查看，采集数据；
6.3、对于其他体现通风机运行状态的指标(温度、电流等)则没有考虑。


技术实现要素：

7.有鉴于此，本发明实施例的目的在于提出一种矿用通风机异常检测的方法、系统、计算机设备及计算机可读存储介质，本发明使用震动数据以外的其他设备数据特征对通风机设备进行异常分析检测，对一维数据中周期性数据采用周期性分解算法，分解为周期性、趋势性、残差，并对残差序列进行异常检测，对多维数据采用孤立森林算法进行异常检测，提高了检测的准确性。
8.基于上述目的，本发明实施例的一方面提供了一种矿用通风机异常检测的方法，包括如下步骤：获取矿用通风机运行中实时采集的基础数据，并对所述基础数据进行预处理；从预处理后的基础数据中选取待检测的特征数据，并根据特征的数量将所述特征数据分类为单特征数据和多特征数据；根据是否具有周期性将所述单特征数据分类为周期性数据和非周期性数据，并将所述周期性数据分解为周期因素、趋势因素和残差；以及对所述残差、所述非周期性数据和所述多特征数据运用不同的检测算法进行检测，并综合多种检测算法的结果对所述矿用通风机的健康状态进行预测。
9.在一些实施方式中，所述对所述残差、所述非周期性数据和所述多特征数据运用不同的检测算法进行检测包括：对于所述残差或所述非周期性数据使用突变异常检测算法检测通风及运行存在的突变性异常。
10.在一些实施方式中，所述对所述残差、所述非周期性数据和所述多特征数据运用不同的检测算法进行检测包括：对于所述残差或所述非周期性数据使用箱线图算法检测单独数据点的异常情况。
11.在一些实施方式中，所述对所述残差、所述非周期性数据和所述单特征数据运用不同的检测算法进行检测包括：通过孤立森林算法检测所述多特征数据中的异常点。
12.本发明实施例的另一方面，提供了一种矿用通风机异常检测的系统，包括：采集模
块，配置用于获取矿用通风机运行中实时采集的基础数据，并对所述基础数据进行预处理；分类模块，配置用于从预处理后的基础数据中选取待检测的特征数据，并根据特征的数量将所述特征数据分类为单特征数据和多特征数据；分解模块，配置用于根据是否具有周期性将所述单特征数据分类为周期性数据和非周期性数据，并将所述周期性数据分解为周期因素、趋势因素和残差；以及检测模块，配置用于对所述残差、所述非周期性数据和所述多特征数据运用不同的检测算法进行检测，并综合多种检测算法的结果对所述矿用通风机的健康状态进行预测。
13.在一些实施方式中，所述检测模块配置用于：对于所述残差或所述非周期性数据使用突变异常检测算法检测通风及运行存在的突变性异常。
14.在一些实施方式中，所述检测模块配置用于：对于所述残差或所述非周期性数据使用箱线图算法检测单独数据点的异常情况。
15.在一些实施方式中，所述检测模块配置用于：通过孤立森林算法检测所述多特征数据中的异常点。
16.本发明实施例的又一方面，还提供了一种计算机设备，包括：至少一个处理器；以及存储器，所述存储器存储有可在所述处理器上运行的计算机指令，所述指令由所述处理器执行时实现如上方法的步骤。
17.本发明实施例的再一方面，还提供了一种计算机可读存储介质，计算机可读存储介质存储有被处理器执行时实现如上方法步骤的计算机程序。
18.本发明具有以下有益技术效果：使用震动数据以外的其他设备数据特征对通风机设备进行异常分析检测，对一维数据中周期性数据采用周期性分解算法，分解为周期性、趋势性、残差，并对残差序列进行异常检测，对多维数据采用孤立森林算法进行异常检测，提高了检测的准确性。
附图说明
19.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的实施例。
20.图1为本发明提供的矿用通风机异常检测的方法的实施例的示意图；
21.图2为本发明提供的矿用通风机异常检测的方法中周期性数据分解的时序图；
22.图3为本发明提供的矿用通风机异常检测的方法中突变性检测结果时序图；
23.图4为本发明提供的矿用通风机异常检测的方法中残差序列应用箱线图算法检测出的异常图；
24.图5为本发明提供的矿用通风机异常检测的方法中多特征应用孤立森林算法检测出的异常图；
25.图6为本发明提供的矿用通风机异常检测的系统的实施例的示意图；
26.图7为本发明提供的矿用通风机异常检测的计算机设备的实施例的硬件结构示意图；
27.图8为本发明提供的矿用通风机异常检测的计算机存储介质的实施例的示意图。
q1。数据在q
1-c iqr与q3+c iqr(c一般取1.5)之外视为疑似异常值。
43.在一些实施方式中，所述对所述残差、所述非周期性数据和所述多特征数据运用不同的检测算法进行检测包括：对于所述残差或所述非周期性数据使用箱线图算法检测单独数据点的异常情况。对分解的残差数据或者没有周期和趋势性因素的原始数据使用箱线图算法，检测个别数据点的异常情况，检测结果如图4所示，确定性因素分解后在进行异常检测有效地避免了周期性和趋势性因素的影响，能够时异常检测算法更加准确。
44.在一些实施方式中，所述对所述残差、所述非周期性数据和所述单特征数据运用不同的检测算法进行检测包括：通过孤立森林算法检测所述多特征数据中的异常点。选取多个特征使用孤立森林算法识别出异常点，异常检测结果如图5所示。
45.孤立森林异常检测算法：
46.孤立森林(isolation forest)由大量的孤立树(isolation tree，简称itree)组成。
47.构造单棵itree：1、假设数据集有n条数据，构建一棵itree时，从n条数据中随机抽取ψ个点作为样本；2、随机选取一个特征，在当前节点数据的范围内，随机产生一个切割点p(切割点p产生于当前节点数据中该特征值最大值和最小值之间；3、使用切割点p将当前节点数据空间分右分支递归步骤2、3，不断构造新的叶子节点，直到叶子节点上只有一个数据或者树已经生长到了所设定的高度。
48.平均路径长度定义：样本点x的路径长度h(x)为从itree的根节点到叶子节点所经过的边的数量。
49.异常分数：给定一个包含n个样本的数据集，树的平均路径长度为：
[0050][0051]
其中h(i)为调和数，该值可以被估计为ln(i)+0.5772156649。c(n)为给定样本数n时，路径长度的平均值，用来标准化样本x的路径长度h(x)。样本x的异常得分定义为：
[0052][0053]
其中，e(h(x))为样本x在一批孤立树中的路径长度的期望。
[0054]
如果异常得分接近1，那么一定是异常点；如果异常得分远小于0.5，那么一定不是异常点；如果异常得分所有点的得分都在0.5左右，那么样本中很可能不存在异常点。
[0055]
综合分析多种算法得出的异常结果，可以对通风机运行过程中的健康状况有个直观表示，对于多个算法都识别出异常的时间点，通风机出现异常的可能性较大，对于多个算法都未识别出异常点的时间点，通风机出现异常的可能性较小。
[0056]
本发明实施例使用震动数据以外的其他设备数据特征对通风机设备进行异常分析检测，对一维数据中周期性数据采用周期性分解算法，分解为周期性、趋势性、残差，并对残差序列进行异常检测，对多维数据采用孤立森林算法进行异常检测，提高了检测的准确性。
[0057]
需要特别指出的是，上述矿用通风机异常检测的方法的各个实施例中的各个步骤均可以相互交叉、替换、增加、删减，因此，这些合理的排列组合变换之于矿用通风机异常检测的方法也应当属于本发明的保护范围，并且不应将本发明的保护范围局限在实施例之
上。
[0058]
基于上述目的，本发明实施例的第二个方面，提出了一种矿用通风机异常检测的系统。如图6所示，系统200包括如下模块：采集模块，配置用于获取矿用通风机运行中实时采集的基础数据，并对所述基础数据进行预处理；分类模块，配置用于从预处理后的基础数据中选取待检测的特征数据，并根据特征的数量将所述特征数据分类为单特征数据和多特征数据；分解模块，配置用于根据是否具有周期性将所述单特征数据分类为周期性数据和非周期性数据，并将所述周期性数据分解为周期因素、趋势因素和残差；以及检测模块，配置用于对所述残差、所述非周期性数据和所述多特征数据运用不同的检测算法进行检测，并综合多种检测算法的结果对所述矿用通风机的健康状态进行预测。
[0059]
在一些实施方式中，所述检测模块配置用于：对于所述残差或所述非周期性数据使用突变异常检测算法检测通风及运行存在的突变性异常。
[0060]
在一些实施方式中，所述检测模块配置用于：对于所述残差或所述非周期性数据使用箱线图算法检测单独数据点的异常情况。
[0061]
在一些实施方式中，所述检测模块配置用于：通过孤立森林算法检测所述多特征数据中的异常点。
[0062]
基于上述目的，本发明实施例的第三个方面，提出了一种计算机设备，包括：至少一个处理器；以及存储器，存储器存储有可在处理器上运行的计算机指令，指令由处理器执行以实现如下步骤：s1、获取矿用通风机运行中实时采集的基础数据，并对所述基础数据进行预处理；s2、从预处理后的基础数据中选取待检测的特征数据，并根据特征的数量将所述特征数据分类为单特征数据和多特征数据；s3、根据是否具有周期性将所述单特征数据分类为周期性数据和非周期性数据，并将所述周期性数据分解为周期因素、趋势因素和残差；以及s4、对所述残差、所述非周期性数据和所述多特征数据运用不同的检测算法进行检测，并综合多种检测算法的结果对所述矿用通风机的健康状态进行预测。
[0063]
在一些实施方式中，所述对所述残差、所述非周期性数据和所述多特征数据运用不同的检测算法进行检测包括：对于所述残差或所述非周期性数据使用突变异常检测算法检测通风及运行存在的突变性异常。
[0064]
在一些实施方式中，所述对所述残差、所述非周期性数据和所述多特征数据运用不同的检测算法进行检测包括：对于所述残差或所述非周期性数据使用箱线图算法检测单独数据点的异常情况。
[0065]
在一些实施方式中，所述对所述残差、所述非周期性数据和所述单特征数据运用不同的检测算法进行检测包括：通过孤立森林算法检测所述多特征数据中的异常点。
[0066]
如图7所示，为本发明提供的上述矿用通风机异常检测的计算机设备的一个实施例的硬件结构示意图。
[0067]
以如图7所示的装置为例，在该装置中包括一个处理器301以及一个存储器302。
[0068]
处理器301和存储器302可以通过总线或者其他方式连接，图7中以通过总线连接为例。
[0069]
存储器302作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本技术实施例中的矿用通风机异常检测的方法对应的程序指令/模块。处理器301通过运行存储在存储器302中的非易失性软件程序、指
令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现矿用通风机异常检测的方法。
[0070]
存储器302可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据矿用通风机异常检测的方法的使用所创建的数据等。此外，存储器302可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器302可选包括相对于处理器301远程设置的存储器，这些远程存储器可以通过网络连接至本地模块。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
[0071]
一个或者多个矿用通风机异常检测的方法对应的计算机指令303存储在存储器302中，当被处理器301执行时，执行上述任意方法实施例中的矿用通风机异常检测的方法。
[0072]
执行上述矿用通风机异常检测的方法的计算机设备的任何一个实施例，可以达到与之对应的前述任意方法实施例相同或者相类似的效果。
[0073]
本发明还提供了一种计算机可读存储介质，计算机可读存储介质存储有被处理器执行时执行矿用通风机异常检测的方法的计算机程序。
[0074]
如图8所示，为本发明提供的上述矿用通风机异常检测的计算机存储介质的一个实施例的示意图。以如图8所示的计算机存储介质为例，计算机可读存储介质401存储有被处理器执行时执行如上方法的计算机程序402。
[0075]
最后需要说明的是，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关硬件来完成，矿用通风机异常检测的方法的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，程序的存储介质可为磁碟、光盘、只读存储记忆体(rom)或随机存储记忆体(ram)等。上述计算机程序的实施例，可以达到与之对应的前述任意方法实施例相同或者相类似的效果。
[0076]
以上是本发明公开的示例性实施例，但是应当注意，在不背离权利要求限定的本发明实施例公开的范围的前提下，可以进行多种改变和修改。根据这里描述的公开实施例的方法权利要求的功能、步骤和/或动作不需以任何特定顺序执行。此外，尽管本发明实施例公开的元素可以以个体形式描述或要求，但除非明确限制为单数，也可以理解为多个。
[0077]
应当理解的是，在本文中使用的，除非上下文清楚地支持例外情况，单数形式“一个”旨在也包括复数形式。还应当理解的是，在本文中使用的“和/或”是指包括一个或者一个以上相关联地列出的项目的任意和所有可能组合。
[0078]
上述本发明实施例公开实施例序号仅仅为了描述，不代表实施例的优劣。
[0079]
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
[0080]
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本发明实施例公开的范围(包括权利要求)被限于这些例子；在本发明实施例的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，并存在如上的本发明实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。因此，凡在本发明
实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明实施例的保护范围之内。