一种用于识别变频器状态异常的数据处理方法与流程

1.本发明属于变频器领域，尤其是涉及一种用于识别变频器状态异常的数据处理方法。


背景技术：

2.随着社会经济的高速发展以及科学技术的不断进步，工业自动化技术已经得到了广泛的使用，智能制造成为了制造业进一步发展的关键。变频器作为制造业中必不可少的设备，已经得到了广泛的使用，在一些大型的智能制造工厂中，能够同时使用几十台甚至上百台变频器，因此变频器性能的稳定性和可靠性，直接关系到智能制造中各个工艺流程的稳定和质量，对变频器的性能以及管理提出了更高的要求。
3.在现有技术条件下，变频器运行状态是否正常，一般只是通过变频器输出是否过载、过流等指标进行判断，也就是说如果变频器输出没有超出设计的最大范围，变频器就不会报警，认为变频器是运行正常的，这种传统的变频器运行异常的判定方法，显然已经不符合智能制造对产品生产过程以及生产质量有更高要求的发展趋势，例如当变频器的输出虽然没有超出设计的最大范围，没有进行过载、过流等情况的报警，但某个时刻变频器的输出已经超出了日常运行状态，同样也有可能存在故障或运行状态异常，如果不能及时发现变频器运行状态异常，短时间内就有可能生产出比较多的不良品，造成较大的经济损失，因此如何能够有效、快速的发现变频器输出状态异于日常运行状态，及时识别可能存在的故障隐患，保证生产工艺的连续稳定性，提高产品批量生产的质量，是实现利用智能制造提升产品生产质量的关键问题。


技术实现要素：

4.有鉴于此，本发明旨在提出一种用于识别变频器状态异常的数据处理方法，基于历史数据建立正常状态模型，并且可以进行自动更新，实现对变频器运行状态异常的快速识别，具有识别迅速、状态异常识别敏锐以及应用范围广的特点。
5.为达到上述目的，本发明的技术方案是这样实现的：一种用于识别变频器状态异常的数据处理方法，包括：步骤一：数据采集：在设定的每天工作时间内，按预设采集频率采集变频器输出的电压值、电流值以及频率值，并记录每个采集点的时间；步骤二：确定标准状态限值：把设定的每天工作时间均匀划分成多个时间段，把第一天的数据采集结果按采集点时间对应到相应的时间段内，每一个时间段内采集结果的电压值最大最小值、电流值最大最小值以及频率值最大最小值作为这一时间段的正常状态限值，随后在设定的采集天数内对正常状态限值进行连续更新，最后把一天中所有时间段最终的正常状态限值的集合作为标准状态限值；步骤三：识别变频器运行状态异常：在设定的每天工作时间内，按预设采集频率采集变频器输出的电压值、电流值以及频率值，并记录每次采集的时间；对比每次采集结果的
电压值、电流值以及频率值，是否分别对应在标准状态限值对应时间段的同类型正常状态限值内，如果均在正常状态限值内，则识别变频器运行状态正常；如果不是都在正常状态限值内，则继续对比此次采集结果的电压值、电流值以及频率值，是否分别对应在标准状态限值对应时间段相邻的下一个时间段同类型正常状态限值内，如果均在正常状态限值内，则识别为变频器运行状态正常，如果不是都在正常状态限值内，则识别为变频器运行状态异常；如果没有对应的标准状态限值对应时间段相邻的下一个时间段正常状态限值，则直接判定变频器运行状态异常；步骤四：第一次标准状态限值自动更新：变频器运行状态监控达到设定天数后，在设定天数内所得到的每天采集数据中，在每个时间段随机选择百分之五十采集点的采集数据作为后数据库，再在每个时间段随机选择百分之五十采集点的采集数据作为前数据库，前数据库和后数据库均按日期从前向后排序，相同天数相对应时间段采集数据合并，组成混合数据库，再把混合数据库输入步骤二，得到新的标准状态限值，完成标准状态限值第一次自动更新；步骤五：标准状态限值循环自动更新：当后续变频器运行状态监控每一次达到设定天数后，在设定天数内所得到的每天采集数据中，每个时间段随机选择百分之五十采集点的采集数据作为后数据库，再在上一个混合数据库每天每个时间段随机选择百分之五十采集点的采集数据作为前数据库，前数据库和后数据库均按日期从前向后排序，相同天数相对应时间段采集数据合并，组成新的混合数据库，把新的混合数据库输入步骤二，得到新的标准状态限值。
6.相对于现有技术，本发明公开的一种用于识别变频器状态异常的数据处理方法，具有以下优势：第一、本发明公开的一种用于识别变频器状态异常的数据处理方法，基于历史数据建立正常状态模型，识别变频器运行状态异常，明显区别于现有技术中变频器输出超过设计的最大范围再进行报警的方式，能过有效识别变频器某个时刻的输出异常，不受是否超过设计最大范围的限制，具有更强的变频器运行异常探测深度，满足智能制造领域对变频器运行稳定性的更高要求，提升了产品生产质量的连续稳定性。
7.第二、本发明公开的一种用于识别变频器状态异常的数据处理方法，能够根据历史数据，自动更新标准状态限值，使对变频器运行状态异常的识别标准能够根据实际使用情况进行相适应的自动跟踪调整，具有变频器运行异常识别准确度高以及适应性好的特点。
8.第三、本发明公开的一种用于识别变频器状态异常的数据处理方法，基于历史数据建模的角度，去识别变频器运行状态异常，识别方式直接高效，受生产环境影响小，可靠性高。
附图说明
9.构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
10.在附图中：图1为本发明实施例所述的一种用于识别变频器状态异常的数据处理方法流程示
意图；图2为本发明实施例所述的一种用于识别变频器状态异常的数据处理方法步骤二时间段划分示意图；图3为本发明实施例所述的一种用于识别变频器状态异常的数据处理方法步骤二标准状态限值组成示意图；图4为本发明实施例所述的一种用于识别变频器状态异常的数据处理方法混合数据库组成示意图；图5为本发明实施例所述的一种用于识别变频器状态异常的数据处理方法步骤三对比示意图。
具体实施方式
11.需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
12.在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。
13.在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以通过具体情况理解上述术语在本发明中的具体含义。
14.下面将参考附图并结合实施例来详细说明本发明。
15.在现有技术中，判断变频器运行状态是否正常，通常是通过变频器输出是否超出最大设计范围，即变频器输出过载、过流报警的方式，这种方式只是简单的监控变频器输出值是否超过设定的报警值即可，而在智能制造领域，对变频器运行状态的稳定性要求更高，当在某一时刻，即便变频器的输出没有超出需要过载、过流报警状态，但实际输出与正常状态相比有明显的差异，同样可能是变频器发生故障或运行异常，这种运行异常同样会对产品的生产质量产生影响，降低了生产工艺的连续稳定性。
16.本发明公开的用于识别变频器状态异常的数据处理方法，通过观察到在自动化程度非常高的智能制造工厂中，生产工艺稳定，因此当变频器正常运行时，每天每个时间段输出值具有稳定性和规律性的，因此在每天对应的时间段内，如果变频器的输出值，超过这个时间段历史数据中的最高值或最低值，就有很大可能性变频器出现了运行状态异常，即便变频器输出没有超过报警状态，这种基于历史数据、按时间段设定正常状态限值的方法，可以及时识别现有技术中无法快速识别的变频器运行状态异常，方便管理人员及时发现制造
工艺中的异常情况，进一步提高产品的制造质量。
17.如图1所示，一种用于识别变频器状态异常的数据处理方法，包括：步骤一：数据采集：在设定的每天工作时间内，按预设采集频率采集变频器输出的电压值、电流值以及频率值，并记录每个采集点的时间；在另一个实施例中，采集变频器输出的类型值，也可以是电压值、电流值以及频率值中的一种。
18.在本实施例中，每天工作时间设定为24个小时。
19.在本实施例中，预设采集频率是每分钟120次。
20.在另一个实施例中，预设采集频率也可以是每分钟60次。
21.步骤二：确定标准状态限值：如图2及图3所示，把设定的每天工作时间均匀划分成多个时间段，把第一天的数据采集结果按采集点时间对应到相应的时间段内，每一个时间段内采集结果的电压值最大最小值、电流值最大最小值以及频率值最大最小值作为这一时间段的正常状态限值，随后在设定的采集天数内对正常状态限值进行连续更新，最后把一天中所有时间段最终的正常状态限值的集合作为标准状态限值。
22.在本实施例步骤二中，在设定的采集天数内对正常状态限值进行连续更新的方法包括：后一天的每一个时间段内采集结果的电压值最大最小值、电流值最大最小值以及频率值最大最小值与前一天同一时间段的同类型正常状态限值进行比较，同类型最高值作为这一时间段这类采集新的正常状态限值最高值，同类型最低值作为这一时间段这类采集新的正常状态限值最低值，达到设定采集天数后，把一天中所有时间段最终的正常状态限值的集合作为标准状态限值。
23.在本实施例中，标准状态限值设定的采集天数是7天。
24.连续7天对正常状态限值进行更新，保证了标准状态限值是根据连续7天的历史数据产生，代表了最近7天内变频器的正常运行工况，相比于只把某一天变频器的运行数据作为标准状态，具有更好的变频器运行状态异常识别效果，减低了识别的误差。
25.步骤三：识别变频器运行状态异常：在设定的每天工作时间内，按预设采集频率采集变频器输出的电压值、电流值以及频率值，并记录每次采集的时间；如图5所示，对比每次采集结果的电压值、电流值以及频率值，是否分别对应在标准状态限值对应时间段的同类型正常状态限值内，如果均在正常状态限值内，则识别变频器运行状态正常；如果不是都在正常状态限值内，则继续对比此次采集结果的电压值、电流值以及频率值，是否分别对应在标准状态限值对应时间段相邻的下一个时间段同类型正常状态限值内，如果均在正常状态限值内，则识别为变频器运行状态正常，如果不是都在正常状态限值内，则识别为变频器运行状态异常；如果没有对应的标准状态限值对应时间段相邻的下一个时间段正常状态限值，则直接判定变频器运行状态异常；在步骤三中，采集电压值在标准状态限值对应时间段的同类型正常状态限值内，即是采集的电压值在正常状态限值中最大电压值和最小电压值之间，电流值以及频率值以此类推。
26.在本实施例中，没有对应的标准状态限值对应时间段相邻的下一个时间段正常状态限值的情况是，采集变频器输出的电压值、电流值以及频率值的时间正好处于每天的最后一个时间段中。
27.在步骤三中，如果采样结果在标准状态限值对应时间段正常状态限值外，则继续对比此次采集结果是否在标准状态限值对应时间段相邻的下一个时间段正常状态限值内的目的是降低识别变频器运行状态异常的误差，用标准状态限值的相邻两个时间段正常状态限值去判断变频器运行状态是否异常，兼容了由于变频器每天运行状态可能不能完全一致，可能会有延迟，尤其是采集时间正好处与两个时间段之间交界时候，只用一个时间段正常状态限值去判断变频器运行状态是否异常，可能出现异常识别过于敏感的问题。
28.步骤四：第一次标准状态限值自动更新：如图4所示，变频器运行状态监控达到设定天数后，在设定天数内所得到的每天采集数据中，在每个时间段随机选择百分之五十采集点的采集数据作为后数据库，再在每个时间段随机选择百分之五十采集点的采集数据作为前数据库，前数据库和后数据库均按日期从前向后排序，相同天数相对应时间段采集数据合并，组成混合数据库，再把混合数据库输入步骤二，得到新的标准状态限值，完成标准状态限值第一次自动更新；步骤五：标准状态限值循环自动更新：如图4所示，当后续变频器运行状态监控每一次达到设定天数后，在设定天数内所得到的每天采集数据中，每个时间段随机选择百分之五十采集点的采集数据作为后数据库，再在上一个混合数据库每天每个时间段随机选择百分之五十采集点的采集数据作为前数据库，前数据库和后数据库均按日期从前向后排序，相同天数相对应时间段采集数据合并，组成新的混合数据库，把新的混合数据库输入步骤二，得到新的标准状态限值。
29.标准状态限值循环自动更新，可以保证标准状态限值能够根据变频器的实际运行情况，不断进行更新，使标准状态限值一直符合最近的变频器正常运行工况，提高了识别变频器运行状态异常的准确性，减少误判。
30.在步骤五中，前数据库和后数据库分别代表旧数据样本和新数据样本，由于都是每个时间段随机选择百分之五十采集点，再组合成一个完整的混合数据库，这个混合数据库相当于不断加入最新的数据样本，在兼顾旧数据样本的同时，不断的稀释旧数据样本，这样就取得了侧重于新数据样本，又对旧数据样本有一定兼顾的混合数据库，进一步用这个混合数据库带入到步骤二中，更新标准状态限值，就会对变频器正常工况有比较准确、符合客观情况的确定，最终提高变频器运行状态异常的识别效果。
31.在本实施例中，变频器运行状态监控达到设定天数是14天。
32.在步骤三中，当识别为变频器运行状态异常时，记录这个带有电压值、电流值、频率值以及采集时间的采集结果到数据日志中，并发送此数据日志信息到管理员。
33.在步骤三中，当管理员收到变频器运行状态异常数据日志信息后，判断该采集点时间所对应的变频器实际运行状态是正常时，直接把收到的数据日志信息直接更新到标准状态限值中，得到新的标准状态限值。
34.以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。