一种电气控制的故障监测方法

本发明涉及故障监测，具体涉及一种电气控制的故障监测方法。

背景技术：

1、在工业生产中，电气控制系统在经过长时间使用后会产生不同程度的磨损、疲劳、变形或损伤，由此导致电气控制系统出现故障，从而影响产品的良品率和生产效率。为了保证产品的良品率和生产效率，有必要对生产设备进行故障监测。传统的电气控制系统故障监测方法由于自身原理所限，存在如下问题：其一，传统的电气控制系统故障监测方法在监测过程中普遍需要依赖经验数据，由此导致监测结果受到人为主观因素的影响，从而导致监测准确度较低。其二，传统的电气控制系统故障监测方法在监测过程中普遍采用机器学习算法进行数据处理，在系统运行数据(各种器件电气数据)中选取用于识别故障类型的特征数据来进行机器算法识别故障，但是，在后续故障监测过程中特征数据的类型固化，导致故障类型的监测视野固化，以致难以保证故障监测准度。

技术实现思路

1、本发明的目的在于提供一种电气控制的故障监测方法，以解决现有技术中多层物料难以在故障监测过程中特征数据的类型固化，导致故障类型的监测视野固化，以致难以保证故障监测准度的技术问题。

2、为解决上述技术问题，本发明具体提供下述技术方案：

3、一种电气控制的故障监测方法，包括以下步骤：

4、统计电气控制系统的故障类型和器件电气数据类型；

5、对故障类型和器件电气数据类型进行监测需求分析得到故障类型对器件电气数据类型的长期监测需求和短期监测需求；

6、基于故障类型对器件电气数据类型的长期监测需求和短期监测需求构建动态化向量，并基于动态化向量生成故障类型对器件电气数据类型的实时监测需求，以实现对器件电气数据类型的动态化监测来提高故障类型的监测准度以及更新故障类型的监测视野。

7、作为本发明的一种优选方案，所述统计电气控制系统的故障类型和器件电气数据类型，包括：

8、基于电气控制系统的历史运行日志统计电气控制系统的故障类型，以及统计电气控制系统中每个器件的电气数据类型作为所述器件电气数据类型。

9、作为本发明的一种优选方案，所述故障类型对器件电气数据类型的长期监测需求的获得包括：

10、利用高斯混合模型基于故障类型和器件电气数据类型进行聚类分析得到每个故障类型对器件电气数据类型的长期监测需求；

11、其中，长期监测需求的聚类分析函数表达式为：

12、

13、

14、式中，pi为第i个故障类型对应的高斯混合模型的模型值，ak,i为第i个故障类型对应的高斯密度函数的混合权重，以代表ω(y|θk,i)的显著性，ω(y|θk,i)为第i个故障类型对应的高斯密度函数，(μk,i,σk,i2)，μk,i为第i个故障类型对应的聚类中心，以代表第i个故障类型中作为长期监测需求的第k个器件电气数据类型，σk,i2为第i个故障类型中作为长期监测需求的第k个器件电气数据类型的聚集程度，θk,i为ω(y|θk,i)的参数，y为器件电气数据类型的标识符，m为器件电气数据类型总数量，k，i均为计数变量。

15、作为本发明的一种优选方案，所述故障类型对器件电气数据类型的短期监测需求的获得包括：

16、将所有器件电气数据类型依据故障类型进行分组；

17、将每个故障类型的所有器件电气数据类型作为capsulesnet算法的输入项，将capsulesnet算法利用协商路由算法对所有器件电气数据类型进行预测训练得到每个故障类型对器件电气数据类型的短期监测需求；

18、其中，capsulesnet算法的损失函数利用mse误差进行量化；

19、短期监测需求的预测训练函数表达式为：

20、{xj,i|j∈[1,n]}＝capsulesnet({yr,i|r∈[1,m]})；

21、式中，xj,i为第i个故障类型中作为长期监测需求的第j个器件电气数据类型，yr,i为第i个故障类型中的第r个器件电气数据类型，m为器件电气数据类型总数量，n为第i个故障类型中作为长期监测需求的器件电气数据类型总数量，capsulesnet为capsulesnet算法，i，j，r为计数变量。

22、作为本发明的一种优选方案，所述动态化向量的构建包括：

23、利用故障类型对器件电气数据类型的长期监测需求量化出故障类型监测需求的广泛性，所述广泛性的量化函数为：

24、si＝fs(ki)；

25、式中，si为第i个故障类型的广泛性，ki为第i个故障类型中作为长期监测需求的器件电气数据类型总数量，fs为ki的规格化函数运算符，fs为将si限定至(0,lims)范围内，lims为si的极限化运算符，i为计数变量；

26、利用故障类型对器件电气数据类型的长期监测需求量化出故障类型监测需求的熟悉性，所述熟悉性的量化函数为：

27、fi＝ff(|{zi|i∈[1,p]}|)；

28、式中，fi为第i个故障类型的熟悉性，zi为第i个故障类型中作为长期监测需求的器件电气数据类型聚类结果，ff为|{zi|i∈[1,p]}|的规格化函数运算符，ff为将fi限定至(0,limf)范围内，limf为fi的极限化运算符，|{zi|i∈[1,p]}|为所有故障类型中作为长期监测需求的器件电气数据类型聚类结果构成向量的模长，p为故障类型总数量，i为计数变量；

29、基于所述广泛性和熟悉性求解确定出动态化向量的向量模长，所述向量模长的函数表达式为：

30、|ei|＝f(si,fi)；

31、式中，|ei|为第i个故障类型的动态化向量的向量模长，f为正相关运算符，si为第i个故障类型的广泛性，fi为第i个故障类型的熟悉性，i为计数变量；

32、利用故障类型对器件电气数据类型的长期监测需求和故障类型对器件电气数据类型的短期监测需求确定出动态化向量的向量方向；

33、所述向量方向的函数表达式为：

34、

35、式中，ei为第i个故障类型的动态化向量，|ei|为第i个故障类型的动态化向量的向量模长，为第i个故障类型的动态化向量的向量方向，{μk,i|k∈[1,m]}为故障类型对器件电气数据类型的长期监测需求构成的向量，{xj,i|j∈[1,n]}为故障类型对器件电气数据类型的短期监测需求构成的向量，m为器件电气数据类型总数量，n为第i个故障类型中作为长期监测需求的器件电气数据类型总数量，i，j，k为计数变量。

36、作为本发明的一种优选方案，所述基于动态化向量生成故障类型对器件电气数据类型的实时监测需求，包括：

37、基于动态化向量的向量模长和向量方向在故障类型对器件电气数据类型中确定出故障类型的实时监测需求的提取区域；

38、确定出故障类型对器件电气数据类型的实时监测需求的采样率，所述采样率的函数表达式为：

39、

40、式中，li为第i个故障类型中作为实时监测需求的采样率，ti为第i个故障类型中作为长期监测需求的器件电气数据类型总数量，p为故障类型总数量，i为计数变量；

41、基于所述采样率在所述提取区域内进行定向采样得到作为故障类型的实时监测需求的器件电气数据类型。

42、作为本发明的一种优选方案，在监测需求分析前对器件电气数据类型进行归一化处理。

43、作为本发明的一种优选方案，利用故障类型的所述实时监测需求对电气控制系统进行实时故障监测。

44、作为本发明的一种优选方案，所述电气控制系统的历史运行日志在电气控制系统的故障监测过程中进行定期更新，以实现故障类型的所述实时监测需求的动态化更新。

45、作为本发明的一种优选方案，对广泛性和熟悉性进行归一化处理。

46、本发明与现有技术相比较具有如下有益效果：

47、本发明对故障类型和器件电气数据类型进行监测需求分析得到故障类型对器件电气数据类型的长期监测需求和短期监测需求，基于故障类型对器件电气数据类型的长期监测需求和短期监测需求构建动态化向量，并基于动态化向量生成故障类型对器件电气数据类型的实时监测需求，以实现对器件电气数据类型的动态化监测来提高故障类型的监测准度以及更新故障类型的监测视野。