一种基于FastICA-iForest的设备故障诊断方法及装置与流程

本发明属于工业设备故障诊断领域，具体涉及一种基于fastica-iforest的设备故障诊断方法及装置。

背景技术：

1、随着智慧化生产和智能制造概念的提出与深入发展，现代化生产制造设备也逐步地向集成化、自动化和复杂化的趋势蓬勃发展。近年来智能制造技术在工业生产实践中已经得到示范性应用，其重要性日益深入人心。由于系统复杂度的增加以及系统内各部分间耦合程度的不断加强，这类系统中发生事故的风险性与严重性也随之加强。研究表明，对工业生产线中关键设备的状态监测和故障诊断已成为影响其安全性和可靠性的最重要因素，因此为了提高复杂性系统的安全性和可靠性，必须注重故障诊断技术的发展和在关键设备上的运用。

2、目前工业生产线上设备最常见的故障类型就是短路，但是由于工业生产技术向大型化、集成化和复杂化等方面发展，各种装置的机械设计型式也趋于复杂化，设备短路故障定位的难度也越来越大。传统的故障诊断主要基于专业人员的经验知识和基础仪器进行，已经不能进行精确的故障定位，导致常常要在设备检修工作上耗费大量时间，造成了严重的经济损失。

3、随着传感器技术的进展，人们可以收集到设备比较详尽的工作数据，为故障诊断技术提供了强有力的数据支撑。基于数据的智能化诊断应用到了很多领域中，贝叶斯网络、支持向量机、人工神经网络、决策树等很多经典算法已经提升了诊断的准确率和速度，但是还存在运算时间相对较长、诊断精准度不高、不能深入理解系统中隐藏的因果关系、扩展性不好、确定奇异模型的能力很差等弊端。

技术实现思路

1、为了克服上述现有技术方案存在的不足，本发明的目的在于提供一种基于fastica-iforest的设备故障诊断方法及装置，提升诊断工业生产线设备短路故障的速度和精准度，进一步提升工业设备运行的稳定性和安全性。

2、为实现本发明的目的，采用的技术方案如下：

3、本发明提出一种基于fastica-iforest的设备故障诊断方法，包括：

4、步骤1：对工业设备的电压数据进行采样，采样周期为ts＝0.002s，一个采样周期内u，v，w三相电各采集1次；

5、步骤2：对采集到的数据存在的缺失、冗余、不一致、异常等问题进行预处理，统计发现采集到的电压在(-5v，5v)区间，为了便于分析和计算，将电压值映射到(0，65535)区间，设f(y)为对应的电压值，y为具体的数值，则有转换法则：

6、步骤3：采用滑动时间窗口对u、v、w三相数据同时进行并行采样，经过算法测试，选取滑动时间窗口的形状为(100，1)，步长为100；

7、步骤4：采用快速独立成分分析(fastica)对数据进行降维，在进行处理时，首先结合滑动时间窗口构造300维随机向量，y＝(y1，y2，......，yn，......，y300)(1≤n≤300)，选取样本数据，构造样本矩阵；

8、对于随机变量y，可将其熵m(y)定义为：

9、m(y)＝∫f(y)lg(y)dy (1)

10、对于随机变量y，其负熵n(y)可以定义为：

11、n(y)＝m(yi)-m(y) (2)

12、其中，f(y)表示随机变量y的概率密度分布函数，yi是一个随机变量，与y呈高斯分布，方差相同。

13、由式(2)可知，只有当随机变量y服从高斯分布时，负熵的值n(y)才为零，否则值为正。且变量y的非高斯随机越强，n(y)就会越大。因而，近似负熵公式可以写为：

14、

15、其中：l(z)表示非二次函数，z用来表示服从标准高斯分布的随机变量。

16、通过找出可以使n(xi)最大的投影方向xi，可以提取出相应的独立分量。当n(xi)取最大值时，也同时取最大值，且极值点xi就是方程的对应解。

17、使用牛顿迭代定理替代两点的固定迭代法，可知：

18、

19、其中α为某一恒定值，利用y是白化数据的性质，可以得到近似关系：

20、

21、使(4)式两边同时乘以化简之后可以得到下式：

22、

23、根据式(6)进行迭代，收敛得到的对应于分离矩阵x的行向量，由此可以提取得到独立分量；

24、步骤5：使用python编程进行处理，在处理时选取n_components＝51，random_state＝12，将处理后的数据输入到iforest模型中进行故障诊断。

25、步骤6：所述iforest模型过程主要包括两个部分；首先，利用原始数据随机采样生成t个孤立树，组成孤立森林模型；其次，数据样本遍历孤立树计算出异常分值；孤立树的构建步骤如下：

26、(1)从原始数据集中随机挑选n个数据点作为抽取出来的样本数据集；

27、(2)在样本数据集中随机选取维度，随机取值获得分割点a对样本集切割，切割后的数据分别放在左右叶子节点；

28、(3)重复执行步骤(2)，不断切割相应数据集，直到达成停止条件。

29、在建立n棵孤立树并生成孤立森林模型之后，使未知数据点m遍历所有孤立树后记录m在每棵孤立树的层数h(m)，计算m的平均深度。对平均深度进行归一化得到数据点m的异常分值。采用如下公式计算异常分值s(y)：

30、

31、其中，e[·]为数据的期望；起归一化作用，是由个点组成的二叉树的平均高度，式中：ξ为欧拉常数

32、

33、在构造孤立树的每个节点时，随机生成τ个超平面，选择其中sdgain最大的超平面作为最优超平面。超平面f(对应分割点p)的计算公式为：

34、

35、其中，q为y的q个属性合集，是[-1，1]中随机选取的常数值；y′j为y中第j个属性的值。超平面f建立后，数据集y′被f分割为yl与yr。

36、

37、其中，dl∪dr＝d,d为采样数据集y’在超平面f上的映射，avg[·]为其计算平均值。诊断的正常值将输出为1，异常值输出为0。

38、本发明提出一种基于fastica-iforest的设备故障诊断装置，包括：接口模块、故障显示模块、中央控制器、传输模块、电源模块、内部无线通讯模块和外联通讯模块。

39、所述接口模块输入端与总线适配器或者外接信号模块连接，用于采集和中转所接工业设备电压数据、文本、图像信号，提升采集速度和采集时的专用性、稳定性；所述接口模块输出端与传输模块通信连接；

40、所述传输模块包括接收部分、控制部分和转换部分，接收部分用于接受从接口模块采集到的电压数据、文本、图像信号；控制部分进行连接管理，判断信号是否已进行转换，若转换则进入转换部分，否则重新采集信号；控制部分还需要控制信号的分割与重组，控制部分可以产生模拟信号，实现接收部分与转化部分之间的流量控制，并进行差错控制与恢复；转化部分用于接收控制部分的命令，将信号转换为中央控制器预处理模块可以理解的数字信号形式。所述传输模块输出端与中央控制器预处理模块连接；

41、所述中央控制器包括预处理模块、存储模块、诊断模块和决策模块；预处理模块用于处理从传输模块传来的数据信号存在的缺失、重复、前后不一致、噪声问题，并把信号先传递到决策模块，决策模块再决定是否传输到存储模块和诊断模块；存储模块起到数据仓储的作用，对正常值和异常值进行存储和替换，以便于诊断模块进行判断，同时存储模块还能起到更新数据的作用，为诊断模块的模型自适应学习提供保障，存储模块需要接收来自决策模块的指定进行操作并反馈结果。诊断模块接收来自预处理模块和存储模块的数据信号以及决策模块的“命令”，进行异常判断，正常输出为1，异常输出为0，并将诊断结果、故障时间和故障点位信息传递至决策模块；决策模块接收来自预处理模块的信号，决定是否存储和更新；决策模块接收来自诊断模块的结果决定通过内部无线通讯模块和外联通讯模块向外接控制系统和智能终端传输信息，同时接收外接控制系统和智能终端的反馈，并决定诊断模块的更新；决策模块接收来自预处理模块的信号，判断信号质量决定信号是否进入存储模块和诊断模块。

42、所述故障显示模块用于实现对接口模块、故障显示模块、中央控制器、传输模块、电源模块、通讯模块的故障报警。具体来说：实现电源模块的电源故障报警、诊断出生产线上设备存在问题之后的电压故障报警、通讯模块通讯故障的报警、接口模块连接不正常的报警、各主要模块内部不正常的报警、故障显示模块无法检测和显示故障的报警，报警时指示灯亮，同时通过通讯模块向中央控制器和外接控制系统报警。

43、所述内部无线通讯模块和外联通讯模块，采用局域网和无线通讯方式用于实现内部之间和内部与外部的无线通讯。内部通讯主要用于实现接口模块与传输模块、传输模块与中央控制器、通讯模块与传输模块、通讯模块与中央控制器、通讯模块与故障显示模块、故障显示模块与接口模块、故障显示模块与中央控制器、故障显示模块与传输模块之间的通讯，除此之外接口模块的信号接入以及故障显示模块、中央控制器、传输模块、电源模块、通讯模块中涉及到的有线通讯有时也可由通讯模块实现。外联通讯主要用于实现本装置和外接控制系统与智能终端之间的联系。

44、所述电源模块用于给本装置的各个部分供电，此模块的能量可以来源于储能电池或者外界电源。

45、本发明基于fastica-iforest方法进行故障诊断，首先在工业设备运行的状态下，使用本发明所述装置和传感器采集实时监控数据，并对数据进行缺失、重复、前后不一致等问题的预处理，接下来基于滑动时间窗口分别构建u、v、w三相电压的数据序列，建立时间序列样本，然后构建基于fastica-iforest的诊断模型进行故障诊断。

46、本发明采用基于滑动时间窗口的数据时间序列构建方法，在保证运算时间要求的同时大幅减少了所需要运算的数据量级，提升了诊断的速度；同时基于fastica的特征提取使得模型更专注于更加重要的因素，减弱了无关或者微弱相关因素对模型的干扰，增强了模型的鲁棒性；同时，基于孤立森林算法的故障诊断可以精准而快速的识别异常数据，增强了诊断结果的可信性。本发明的另外一个显著优点是能够利用产生的新信息来更新自身，具有自我学习的能力，本发明设置的通讯方式也可以避免不同工业设备之间互相干扰。通过本发明可以实现更快速和更准确的故障定位，并且诊断装置的抗干扰性更强，可以较大幅度缩短检修时间，降低停机损失。