CN104133468B - 一种破碎筛分流程的故障诊断方法 - Google Patents

Abstract

本发明公开了一种破碎筛分流程的故障诊断方法，该方法通过对工业过程所获得生产数据的分析与特征提取，正确及时的推理出导致故障的原因，以求缩短故障停车处理的时间，甚至通过***来避免故障的发生，确保破碎筛分流程持续、高效、稳定的运行。

Description

一种破碎筛分流程的故障诊断方法

技术领域

本发明涉及选冶过程故障监测与诊断技术领域，尤其涉及一种破碎筛分流程的故障诊断方法。

背景技术

破碎筛分生产条件复杂多变、突发性事件多、工作强度大，特别是矿石性质变化常常给生产带来很多意想不到的困难；如雨季造成破碎筛分生产流程里大量矿泥堆积，导致物料转运设备的下料漏斗堵塞、筛网堵塞、给矿口堵塞、皮带运输机过载等严重生产故障时有发生，一旦发现不及时，就会酿成大面积、长时间停车甚至人身伤害。

鉴于此，实际生产中需要监测和诊断堵料、皮带过载或筛网破损等生产故障，进而对生产流程的问题进行定位，以便于生产操作人员及时采取措施、避免问题恶化、产生更大的经济损失。

然而，现有技术方案中均过分依靠工人经验和不间断的巡检来实现，即增加了选矿厂的人力成本，也容易因工人的惰性和经验差异导致生产流程的异常波动甚至故障。因此及时准确的诊断碎筛分流程故障发生的原因，对生产和操作有着重要意义。

发明内容

本发明的目的是提供一种破碎筛分流程的故障诊断方法，通过对工业过程所获得生产数据的分析与特征提取，正确及时的推理出导致故障的原因，以求缩短故障停车处理的时间，甚至通过***来避免故障的发生，确保破碎筛分流程持续、高效、稳定的运行。

本发明的目的是通过以下技术方案实现的：

一种破碎筛分流程的故障诊断方法，该方法包括：

根据实时获取到的自动化***中各个设备的电流值组建一电流输入数组，并剔除该数组中的异常值；

通过一段时间内该数组中每一电流值的变化量与阈值的大小，来确定每一设备的电流变化趋势；利用方差分析，确定该数组中每一设备电流值在一段时间内的波动稳定性情况；根据该数组中每一电流值与负荷阈值的大小来判断对应设备是否处于正常工作状态；

判断所述自动化***中给矿机的给矿频率值在当前时刻与上一次发生改变时间时隔是否超过给矿延时设定时间；

若是，则根据每一设备的电流变化趋势、每一电流值在一段时间内的波动稳定性情况以及每一设备是否处于正常工作状态来确定每一设备的稳态工作范围，并根据稳态工作点偏移监测结果以及预先建立的故障诊断规则表A，诊断故障发生的原因；

否则，根据每一设备的电流变化趋势以及预先建立的故障诊断规则表B，诊断故障发生的原因。

由上述本发明提供的技术方案可以看出，该破碎筛分流程故障诊断方法能够正确及时的推理出导致故障的原因，以求缩短故障停车处理的时间，甚至通过***来避免故障的发生，确保了破碎筛分流程持续、高效、稳定的运行。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例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，对于本领域的普通技术人员来讲，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附图。

图1为本发明实施例一提供的一种破碎筛分流程的故障诊断方法的流程图。

图2是本发明实施例二提供的一种破碎流程筛分故障诊断算法结构示意图；

图3是本发明实施例二提供的破碎筛分工艺流程示意图；

图4是本发明实施例二提供的根据实时生产数据进行在线故障诊断的示意图。

具体实施方式

下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。

实施例一

图1为本发明实施例一提供的一种破碎筛分流程的故障诊断方法的流程图。如图1所示，该方法主要包括如下步骤：

步骤11、根据实时获取到的自动化***中各个设备的电流值组建一电流输入数组，并剔除该数组中的异常值。

本发明实施例中，自动化***中的设备主要包括：给矿机、振动筛、筛上物料传送皮带运输机及筛下物料传送皮带运输机。

所述的异常值通常是指电流值大于等于该设备额定电流的N(例如，1.2)倍或小于等于空载电流的S(例如，0.8)倍。

步骤12、通过一段时间内该数组中每一电流值的变化量与阈值的大小，来确定每一设备的电流变化趋势；利用方差分析，确定该数组中每一电流值在一段时间内的波动稳定性情况；根据该数组中每一电流值与负荷阈值的大小来判断对应设备是否处于正常工作状态。

本步骤中需要对数组中每一电流进行上述三种类型的判断或计算；具体来说，设备的电流变化趋势主要包括：趋势上述、趋势下降与趋势平稳；波动稳定性情况主要包括：波动偏大、波动偏小与波动正常；工作状态主要包括：负荷偏大、负荷偏小与负荷正常。

步骤13、判断所述自动化***中给矿机的给矿频率值在当前时刻与上一次发生改变时间时隔是否超过给矿延时设定时间；若是，则转入步骤14；否则，转入步骤15。

步骤14、根据每一设备的电流变化趋势、每一电流值在一段时间内的波动稳定性情况以及每一设备是否处于正常工作状态来确定每一设备的稳态工作范围，并根据稳态工作点偏移监测结果以及预先建立的故障诊断规则表A，诊断故障发生的原因。

本步骤根据步骤12的结果来确定每一设备的稳态工作范围，进而结合预先建立的故障诊断规则表A，诊断故障发生的原因。

步骤15、根据每一设备的电流的变化趋势以及预先建立的故障诊断规则表B，诊断故障发生的原因。

本发明实施例提供的破碎筛分流程故障诊断方法能够正确及时的推理出导致故障的原因，以求缩短故障停车处理的时间，甚至通过***来避免故障的发生，确保了破碎筛分流程持续、高效、稳定的运行。

实施例二

为了便于理解本发明，下面结合附图2-4对本发明做进一步说明。

如图2所示，本发明主要包括如下步骤：

步骤21、实时获取到的自动化***中各个设备的电流值。

本发明实施例中，可通过计算机以太网通讯接口，以OPC(一种利用微软的COM/DCOM技术来达成自动化控制的协定)方式与选矿厂自动化***(DCS)实现生产数据实时交互。

实时获取的数据主要包括：给矿机的电流值Cur_feed＝{cf₁,cf₂,cf₃,…,cf_n}和给矿频率值Freq＝{freq₁,freq₂,freq₃,…,freq_n}，每一振动筛的电流值Cur_screen＝{cs₁,cs₂,cs₃,…,cs_n}，筛上物料传送皮带运输机电流值cb₁，筛下物料传送皮带运输机电流值cb₂；采样周期可设置为1秒。

步骤22、组建一电流输入数组，并剔除该数组中的异常值。

本发明实施例中，根据步骤21中所获取到的电流值来组建一电流输入数组：

Cur[]＝{Cur_feed,Cur_screen,cb₁,cb₂}

＝{cf₁,cf₂,cf₃,…,cf_n,cs₁,cs₂,cs₃,…,cs_n,cb₁,cb₂}；

之后，对该数组中每一设备的电流值进行判断，若当前时刻某一设备的电流值大于等于该设备额定电流的N(例如，1.2)倍或小于等于空载电流的S(例如，0.8)倍，则判定其为异常值；再将上一时刻该设备的电流值作为当前时刻的有效电流值，并写入该数组中。

步骤23、通过一段时间内该数组中每一电流值的变化量与阈值的大小，来确定每一设备的电流变化趋势。

具体来说，计算该数组中任一设备在t时刻的电流值Cur[i]_t的与t-1时刻的电流值Cur[i]_t-1之间的变化量e[i]_t：

e[i]_t＝Cur[i]_t-Cur[i]_t-1；

将该变化量e[i]_t与变化量阈值进行比较，判断该变化量e[i]_t落入的区间，并计算该变化量e[i]_t当前时刻变化得分Score[i]_t：

$\mathrm{Score}{\left[i\right]}_t=\left\{\begin{array}{cc}2& e{\left[i\right]}_t\≥\mathrm{error}\_\mathrm{hh}\\ 1& \mathrm{error}\_\mathrm{hh}>e{\left[i\right]}_t>\mathrm{error}\_h\\ 0& \mathrm{error}\_h\≥e{\left[i\right]}_t\≥\mathrm{error}\_l\\ -1& \mathrm{error}\_l>e{\left[i\right]}_t>\mathrm{error}\_\mathrm{ll}\\ -2& e{\left[i\right]}_t\≤\mathrm{error}\_\mathrm{ll}\end{array}\right.$

其中，error_hh与error_h为上升阈值高限，且error_hh＞error_h；error_l与error_ll为下降阈值低限，且error_l＞error_ll；

根据滑动窗口宽度h，将从第t-h+1时刻到t时刻的该变量得分进行累加，得到累计得分Score_total[i]_t：

Score_total[i]_t＝Score[i]_t+Score[i]_t-1+…+Score[i]_t-h+1；

根据累计得分结果，判断该电流的变化趋势：

其中，Score_max为预先设置的上升趋势判断得分阈值，Score_min为下降趋势判断得分阈值。

重复上述步骤，直至获得数组中所有设备电流变化趋势。

步骤24、利用方差分析，确定该数组中每一设备电流值在一段时间内的波动稳定性情况。

根据滑动窗口宽度h，将从第t-h时刻起，到t时刻止，每个采样周期内任一设备电流值Cur[i]的变化量组成数组：

{Cur[i]_t-Cur[i]_t-1,Cur[i]_t-1-Cur[i]_t-2,…,Cur[i]_t-h+1-Cur[i]_t-h}；

并计算该数组的方差σ[i]_t；

将计算得到的方差σ[i]_t与从历史数据进行方差学习得到的阈值进行比较，判断变量的波动情况：

其中，σ_max为波动高限，σ_min为波动低限。

重复上述步骤，直至获得数组所有设备电流值的波动稳定性情况。

步骤25、根据该数组中每一电流值与负荷阈值的大小来判断对应设备是否处于正常工作状态。

利用阈值来判断任一设备在t时刻的电流值Cur[i]_t否超过设备正常生产时的工作范围：

其中，Cur[i]_max为正常工作负荷高限，Cur[i]_min为正常工作负荷负荷低限。

需要强调的是，上述步骤23-步骤25之间可以不区分执行的先后顺序。

步骤26、判断所述自动化***中给矿机的给矿频率值在当前时刻与上一次发生改变时间时隔是否超过给矿延时设定时间；若是，则转入步骤27；否则，转入步骤28。

步骤27、根据每一设备的电流变化趋势、每一电流值在一段时间内的波动稳定性情况以及每一设备是否处于正常工作状态来确定每一设备的稳态工作范围，并根据稳态工作点偏移监测结果以及预先建立的故障诊断规则表A，诊断故障发生的原因。

本发明实施例中，首先，确定每一设备的稳态工作范围，其主要包括：

若某一设备的电流变化趋势为趋势平稳、其在一段时间内的波动稳定性情况为波动正常且工作状态为负荷正常的状态，则其对应的稳态工作点提取计数器加1；否则，其对应的稳态工作点提取计数器清0；且当任一台给矿机的给矿频率发生变化时，其对应的稳态工作点提取计数器也清0；

当该设备的稳态工作点提取计数器达到设定值count_k时，计算从第t-count_k+1时刻起，到t时刻止，该设备的电流值Cur[i]的平均值Ave_Cur[i]作为该设备当前给矿频率下的稳态工作点；

并确定计算稳态工作范围：

若当前给矿频率下，还没有计算出稳态工作点Ave_Cur[i]时，则以Cur[i]_max作为稳态工作高限初始值，Cur[i]_min作为稳态工作低限初始值。

通过上述步骤，完成数组中所有设备的稳态工作范围计算。

然后，根据稳态工作点偏移监测结果，诊断故障发生的原因。

其中，稳态工作点偏移监测结果主要包括：1)工作点缓慢偏移的情况：若某一设备的电流变化趋势为趋势平稳，且持续超过稳态工作范围到达设定的时间，则判定该设备工作点缓慢偏移；否则，判定设备工作点正常；2)工作点迅速偏移的情况，若某一设备的电流变化趋势为趋势上升或趋势下降，且超过稳态工作范围，则判定该设备工作点迅速偏移；否则，判定设备工作点正常。

根据该设备稳态工作点偏移情况，再结合预先建立的故障诊断规则表A，诊断故障发生的原因。

示例性的，故障诊断规则表A如表1所示，可以结合现场工艺流程来建立：

表1 故障诊断规则表A

步骤28、根据每一设备的电流的变化趋势以及预先建立的故障诊断规则表B，诊断故障发生的原因。

示例性的，故障诊断规则表B如表2所示：

表2 故障诊断规则表B

示例性的，为了进一步说明本发明，下面以某金矿的破碎筛分过程作为实施对象。工艺流程如图3所示，其中，设n＝3。具体步骤包括：

步骤1：读取在线数据。通过OPC方式读取一组破碎筛分过程实时数据，包括3个缓冲矿仓料位值Lv＝{4.7,5.5,3.6}，相应的3个给矿机的电流值Cur_feed＝{17.8,16.5,17.2}和给矿频率值Freq＝{32.5,28.5,27}，振动筛的电流值Cur_screen＝{23.6,29.5,30.1}，筛上物料传送皮带运输机电流值cb₁＝222，筛下物料传送皮带运输机电流值cb₂＝191，采样周期为1秒。

步骤2：组建输入数组。将读取到的上述所有设备的电流值组成一个电流输入数组：

Cur[]＝{17.8,16.5,17.2,23.6,29.5,30.1,222,191}。

步骤3：剔除异常值。遍历数组Cur[]中的每一个变量，以第4个变量为例，当该变量所对应的设备运行时，判断在当前时刻，该设备电流23.6是否超过设备的工作范围(其中设备的额定电流为57，空载电流为16)。通过计算发现23.6既没有大于额定电流的1.2倍68.4，又没有小于空载电流的0.8倍12.8；故当前电流值为有效值不予剔除。对于其他变量进行同样的判断处理后，发现均在有效范围内，不需要剔除。

步骤4：对数组Cur[]中的每一个变量，进行变化趋势提取判定。以第4个变量为例，当前时刻值23.6与上一时刻值25.1的差值为-1.8。通过将其与变量变化设置阈值进行比较：

$\mathrm{Score}{\left[i\right]}_t=\left\{\begin{array}{cc}2& e{\left[i\right]}_t\≥1.2\\ 1& 1.2>e{\left[i\right]}_t>0.5\\ 0& 0.5\≥e{\left[i\right]}_t\≥-0.5\\ -1& -0.5>e{\left[i\right]}_t>-1.2\\ -2& e{\left[i\right]}_t\≤1.2\end{array}\right.;$

可知，该变量当前时刻变化趋势的得分为“-2”。根据预设的滑动窗口宽度4，对已知的前3个采样周期的变化趋势得分“0”、“-1”、“-1”和当前时刻的得分“-2”进行累加，得到当期时刻该变量的变化趋势累积得分为“-4”，小于预设的下降趋势判断得分阈值“-3”，故判断该变量为“趋势下降”。类似地，完成其他变量的趋势判定，判定结果依次为{上升，平稳，平稳，下降，平稳，平稳，平稳，平稳}。

步骤5：利用方差分析，对数组Cur[]中的每一个变量进行波动稳定性判定。以第4个变量为例，根据滑动窗口宽度4，计算每相邻2个采样周期内该变量的变化量，假设依次为-1.8，-0.6，-0.6，-0.2，组成数组{-1.8，-0.6，-0.6，-0.2}，并计算该数组的方差为0.6928。通过将其与波动变化设置阈值进行比较

可判断该变量处于“波动正常”状态。类似地，完成其他变量的波动稳定性判定，判定结果依次为{正常，正常，正常，正常，正常，正常，正常，正常}。

步骤6：设备负荷范围判定。遍历数组Cur[]中的每一个变量，以第4个变量为例，当该变量所对应的设备振动筛正在运行，当期时刻电流值为23.6。通过将其与设备负荷范围设置阈值进行比较：

可判断该变量属于“负荷正常”范围内。类似地，完成其他变量的负荷范围判定，判定结果依次为{正常，正常，正常，正常，正常，正常，正常，正常}。

步骤7：已知当期采样周期与上一次给矿频率发生改变时刻的时间时隔已超过给矿延时设定时间30秒，跳转到步骤8。

步骤8：计算设备稳态工作范围。以第4个变量为例，如前所述当前采样周期内该变量处于“趋势平稳”、“波动正常”且“负荷正常”状态，则稳态工作点提取计数器加1。假设该计数器计数值早已到达到设定值60，通过计算计数器到达设定值时第4个变量60个采样周期内的平均值，作为该变量当前给矿频率下的稳态工作点，假设计算结果为26.4。接下来，计算稳态工作范围，其中，稳态工作范围高限：

min((1+10％)×26.4,34.0)＝29.1；

稳态工作范围低限：

max((1-10％)×26.4,17.4)＝23.8；

类似地，完成其他变量的稳态工作范围计算。最终计算结果：所有变量稳态工作范围高限依次为：{17.5,18.2,17.9,29.1,30.8,31.3,241,202,}，稳态工作范围低限依次为：{14.3,14.9,14.6,23.8,25.2,25.6,197,165}。

步骤9：根据稳态工作点偏移监测结果，诊断故障发生的原因。根据步骤8的计算结果，只有第1个变量和第4个变量不在稳态工作范围之内。其中，第1个变量高于“稳态工作范围”，且处于“趋势上升”状态，经判定属于工作点“正偏离”；第4个变量低于“稳态工作范围”，且处于“趋势下降”状态，经判定属于工作点“负偏离”。其他变量均处于“工作点正常”状态。综上，所有变量稳态工作点偏移监测结果依次为：{正偏离，正常，正常，负偏离，正常，正常，正常，正常}。根据稳态工作点偏移监测结果，给矿机“正偏离”，振动筛“负偏离”，在表1中搜索定位故障发生的原因为：给矿机下料漏斗堵塞。破碎筛分流程故障诊断结束。

根据实时生产数据进行在线故障诊断的效果如图4所示，在第23个采样点处，给矿机电流超过稳态工作范围上限，同时处于趋势上升状态，即该变量发生了正偏离；类似地，振动筛电流低于稳态工作范围下限，同时处于趋势下降状态，即该变量发生了负偏离。根据稳态工作点偏移监测结果，在故障诊断规则表A中搜索定位故障发生的原因为：给矿机下料漏斗堵塞。操作人员依据本方法诊断的故障结果，立即停止了给矿机，有效地避免了生产事故的发生。

该故障诊断结果完全符合现场实际的生产异常情况，同时由于尽早的发现了给料机下料漏斗堵塞的故障，缩短了停车处理故障的时间，避免了生产事故的扩大化，对生产操作很有帮助。

本发明提供的破碎筛分流程故障诊断方法，具有以下优点：

1、通过对破碎筛分流程生产数据的特征提取与分析，实现了生产过程中诸如料仓存料不足、振动筛筛孔堵塞、给矿机下料漏斗堵等生产异常的监测与故障的诊断，确保流程异常情况下产能尽快的恢复。

2、实现了对筛分效率影响显著的给矿粒度的异常工况监测，保证了合格筛分产品的产量。

3、诊断实时性高，通过对故障劣化趋势进行提取分析，实习了生产故障的预判，大大降低了人工的巡检强度。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例可以通过软件实现，也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解，上述实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (8)

1.一种破碎筛分流程的故障诊断方法，其特征在于，该方法包括：

根据实时获取到的自动化***中各个设备的电流值组建一电流输入数组，并剔除该数组中的异常值；

通过一段时间内该数组中每一电流值的变化量与阈值的大小，来确定每一设备的电流变化趋势；利用方差分析，确定该数组中每一设备电流值在一段时间内的波动稳定性情况；根据该数组中每一电流值与负荷阈值的大小来判断对应设备是否处于正常工作状态；

判断所述自动化***中给矿机的给矿频率值在当前时刻与上一次发生改变时间时隔是否超过给矿延时设定时间；

若是，则根据每一设备的电流变化趋势、每一电流值在一段时间内的波动稳定性情况以及每一设备是否处于正常工作状态来确定每一设备的稳态工作范围，并根据稳态工作点偏移监测结果以及预先建立的故障诊断规则表A，诊断故障发生的原因；

否则，根据每一设备的电流变化趋势以及预先建立的故障诊断规则表B，诊断故障发生的原因。

2.根据权利要求1所述的方法，其特征在于，所述组建一电流输入数组包括：

实时获取自动化***中每一给矿机的电流值Cur_feed＝{cf₁,cf₂,cf₃,…,cf_n}，每一振动筛的电流值Cur_screen＝{cs₁,cs₂,cs₃,…,cs_n}，筛上物料传送皮带运输机电流值cb₁，筛下物料传送皮带运输机电流值cb₂；

根据获取到的每一电流值组建一电流输入数组：

$\begin{array}{c}Cur\[\]=\left\{Cur\_feed,Cur\_screen,{\mathrm{cb}}_1,{\mathrm{cb}}_2\right\}\\ =\left\{{\mathrm{cf}}_1,{\mathrm{cf}}_2,{\mathrm{cf}}_3,...,{\mathrm{cf}}_n,{\mathrm{cs}}_1,{\mathrm{cs}}_2,{\mathrm{cs}}_3,...,{\mathrm{cs}}_n,{\mathrm{cb}}_1,{\mathrm{cb}}_2\right\}\end{array}.$

3.根据权利要求1或2所述的方法，其特征在于，所述剔除该数组中的异常值包括：

对该数组中每一设备的电流值进行判断，若当前时刻某一设备的电流值大于等于该设备额定电流的N倍或小于等于空载电流的S倍，则判定其为异常值；

将上一时刻该设备的电流值作为当前时刻的有效电流值，并写入该数组中。

4.根据权利要求1所述的方法，其特征在于，所述通过一段时间内该数组中每一电流值的变化量与阈值的大小，来确定每一设备的电流变化趋势包括：

计算该数组中任一设备在t时刻的电流值Cur[i]_t的与t-1时刻的电流值Cur[i]_t-1之间的变化量e[i]_t：

e[i]_t＝Cur[i]_t-Cur[i]_t-1；

将该变化量e[i]_t与变化量阈值进行比较，判断该变化量e[i]_t落入的区间，并计算该变化量e[i]_t当前时刻变化得分Score[i]_t：

$Score{\[i\]}_t=\left\{\begin{array}{cc}2& e{\[i\]}_t\≥error\_hh\\ 1& error\_hh>e{\[i\]}_t>error\_h\\ 0& error\_h\≥e{\[i\]}_t\≥error\_l\\ -1& error\_l>e{\[i\]}_t>error\_ll\\ -2& e{\[i\]}_t\≤error\_ll\end{array}\right.$

其中，error_hh与error_h为上升阈值高限，且error_hh＞error_h；error_l与error_ll为下降阈值低限，且error_l＞error_ll；

根据滑动窗口宽度h，将从第t-h+1时刻到t时刻的变化得分进行累加，得到累计得分Score_total[i]_t：

Score_total[i]_t＝Score[i]_t+Score[i]_t-1+…+Score[i]_t-h+1；

根据累计得分结果，判断该电流的变化趋势：

其中，Score_max为预先设置的上升趋势判断得分阈值，Score_min为下降趋势判断得分阈值。

5.根据权利要求1所述的方法，其特征在于，所述利用方差分析，确定该数组中每一设备电流值在一段时间内的波动稳定性情况包括：

根据滑动窗口宽度h，将从第t-h时刻起，到t时刻止，每个采样周期内任一设备电流值Cur[i]的变化量组成数组：

{Cur[i]_t-Cur[i]_t-1,Cur[i]_t-1-Cur[i]_t-2,…,Cur[i]_t-h+1-Cur[i]_t-h}；

并计算该数组的方差σ[i]_t；

将计算得到的方差σ[i]_t与从历史数据进行方差学习得到的阈值进行比较，判断变量的波动情况：

其中，σ_max为波动高限，σ_min为波动低限。

6.根据权利要求1所述的方法，其特征在于，所述根据该数组中每一电流值与负荷阈值的大小来判断对应设备是否处于正常工作状态包括：

其中，Cur[i]_max为正常工作负荷高限，Cur[i]_min为正常工作负荷负荷低限，Cur[i]为该数组任一设备在t时刻的电流值。

7.根据权利要求1、4、5或6所述的方法，其特征在于，所述确定每一设备的稳态工作范围包括：

若某一设备的电流变化趋势为趋势平稳、其在一段时间内的波动稳定性情况为波动正常且工作状态为负荷正常的状态，则其对应的稳态工作点提取计数器加1；否则，其对应的稳态工作点提取计数器清0；且当任一台给矿机的给矿频率发生变化时，其对应的稳态工作点提取计数器也清0；

当该设备的稳态工作点提取计数器达到设定值count_k时，计算从第t-count_k+1时刻起，到t时刻止，该设备的电流值Cur[i]的平均值Ave_Cur[i]作为该设备当前给矿频率下的稳态工作点；

并确定计算稳态工作范围：

若当前给矿频率下，还没有计算出稳态工作点Ave_Cur[i]时，则以Cur[i]_max作为稳态工作高限初始值，Cur[i]_min作为稳态工作低限初始值。

8.根据权利要求7所述的方法，其特征在于，所述根据稳态工作点偏移监测结果以及预先建立的故障诊断规则表A，诊断故障发生的原因包括：

工作点缓慢偏移的情况：若某一设备的电流变化趋势为趋势平稳，且持续超过稳态工作范围到达设定的时间，则判定该设备工作点缓慢偏移；否则，判定设备工作点正常；

工作点迅速偏移的情况：若某一设备的电流变化趋势为趋势上升或趋势下降，且超过稳态工作范围，则判定该设备工作点迅速偏移；否则，判定设备工作点正常；

根据该设备稳态工作点偏移情况，再结合预先建立的故障诊断规则表A，诊断故障发生的原因。