CN110826024A - 一种传感器数据异常的抽样判别方法 - Google Patents
一种传感器数据异常的抽样判别方法 Download PDFInfo
- Publication number
- CN110826024A CN110826024A CN201911130196.5A CN201911130196A CN110826024A CN 110826024 A CN110826024 A CN 110826024A CN 201911130196 A CN201911130196 A CN 201911130196A CN 110826024 A CN110826024 A CN 110826024A
- Authority
- CN
- China
- Prior art keywords
- data
- sensor
- sampling
- batch
- judgment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Safety Devices In Control Systems (AREA)
Abstract
本发明公开了一种传感器数据异常的抽样判别方法,属于检测技术领域。该方法能够从传感器信号本身中,发现信号消失、保持不变或超出上下限等规则判别不出的无法测量被测目标的故障,以得到真实监测数据,该方法从全局角度计算控制范围,数据样本周期长,受新数据不稳定性的影响较小,因而所得结果更加稳健准确。本方法利用SPC方法成熟的技术和工具,不需要依赖其它参考标准,从而能够及时、有效地判别出传感器故障并报警,进行设备停机、传感器维修或更换,保证被测目标的受控、安全等需求,避免因故障所造成的生产失控、设备故障等损失。
Description
技术领域
本发明属于检测技术领域,具体涉及一种传感器数据异常的抽样判别方法。
背景技术
在工业文明社会,人类生活、工业生产、社会运行等都离不开检测、传感装置,尤其是制造、通信、电力、交通、物流等行业设备设施的正常运转,都非常依赖传感器对相应设备状态的检测、监控。如果传感器发生故障,则会影响到对设备状态的监测、控制,甚至发生安全事故。如生产加工输入传感器故障可造成工艺不达标、产品不合格等损失,如冶金生产原料配比不准确,则生产的塔筒达不到要求,会造成产品退货或报废;反馈控制传感器故障可造成控制失控,如风机风速风向测量不准确,则控制不到位,发电量降低;安全监控传感器故障可造成因素超限,进而发生故障损坏或安全事故,如发电机温度监测不报警,则会过温烧毁机器或起火***;指标传感器故障,则会造成决策失误,如电量统计传感器故障,会造成经济核算损失或者调试失误等。
传感器故障类型多样,一般情况下如信号消失、保持不变或超出上下限等表现,可较容易判别,但是当监测数值在正常范围内略有波动时,较难与正常测量状态信号区分开。同时,现有的判别手段都需要有一个参考标准,如:预测值与测量值的对比、监测数值与另一检测量的关系、多个位置传感器的相似性变化等,适用范围较小,无法满足现代工业的需求。
发明内容
为了解决上述问题,本发明的目的在于提供一种传感器数据异常的抽样判别方法,能够从传感器信号本身中,发现信号消失、保持不变或超出上下限等规则判别不出的无法测量被测目标的故障,以得到真实监测数据,保证被测目标的受控、安全等需求。
本发明是通过以下技术方案来实现:
一种传感器数据异常的抽样判别方法,包括以下步骤:
1)从传感器的记录数据中抽取若干批包含若干个样本数的数据;
2)根据统计过程控制法,选取控制图,计算每批数据的统计值;
3)求出控制图的中心线和上下限控制界限;
4)根据统计过程判异标准,确定该批数据中非受控状态的数据,其余为受控状态的数据;
5)计算传感器的故障指数;
6)将传感器的故障指数与传感器报警阈值进行比较,当传感器的故障指数>传感器报警阈值,则报警,完成本次判别,转步骤1);当传感器的故障指数≤传感器报警阈值,则不报警,完成本次判别,转步骤1)。
优选地,步骤1)中,在抽取数据前,先判定是否为可抽样状态,然后在可抽样状态下进行数据的抽取。
优选地,步骤1)中,抽取是按时间顺序定期抽取。
优选地,若干批数据之间的时间间隔相等,每批数据中若干个数据的时间间隔相等。
优选地,步骤2)中,控制图为均值-标准差控制图,每批数据的统计值包括每批数据的均值和标准差。
进一步优选地,均值和标准差为最后一次的抽样数据的计算结果。
优选地,步骤4)中,当0<受控状态的数据数量<该批数据的总数量时,传感器的故障指数=受控状态的数据数量/该批数据的总数量。
与现有技术相比,本发明具有以下有益的技术效果:
本发明公开的传感器数据异常的抽样判别方法,能够从传感器信号本身中,发现信号消失、保持不变或超出上下限等规则判别不出的无法测量被测目标的故障,以得到真实监测数据,该方法从全局角度计算控制范围,数据样本周期长,受新数据不稳定性的影响较小,因而所得结果更加稳健准确。本方法利用SPC方法成熟的技术和工具,不需要依赖其它参考标准,从而能够及时、有效地判别出传感器故障并报警,进行设备停机、传感器维修或更换,保证被测目标的受控、安全等需求,避免因故障所造成的生产失控、设备故障等损失。
进一步地,在抽取数据前,先判定是否为可抽样状态,避免传感器测量数据无波动被判定为故障,如设备停机时不可进行抽样。
进一步地,按时间顺序定期抽取,因为传感器状态会随时间变化,且通常在安装时无故障,而在使用一段时间有故障,所以要间隔一段时间进行一次数据抽取及后序分析。
进一步地,若干批数据之间的时间间隔相等,每批数据中若干个数据的时间间隔相等,能够使数据一致,保证计算时的参数一致性。
进一步地,控制图选用均值-标准差控制图,采用每批数据的均值和标准差作为统计值,操作简单,能够为下一步的判别提供量化数据。
更进一步地,当传感器失效时,均值和标准差为最后一次的抽样数据的计算结果,因为在生产控制时如果工况稳定,其均值和标准差理论上是一直不变的,否则说明生产发生异常了。而传感器测量数据则相反,其均值和标准差理论上是一直变化的,否则说明被测对象一直不变(一般也不可能,如测量的风速、气温、油压等)或者传感器异常了。所以作为判断标准的均值和标准差等的选取也要动态更新,即以最后一次抽样数据计算结果为准。
进一步地,0<受控状态的数据数量<该批数据的总数量,当受控状态的数据数量=0时,说明所有受控状态的数据均为传感器的正常测量数据;当受控状态的数据数量=该批数据的总数量时,有可能是因为待测量目标量表现如此。当介于上述两种之间时,采用受控状态的数据占比作为传感器的故障指数,简单有效。
附图说明
图1为本发明的抽样判别方法的流程图。
具体实施方式
下面以附图和具体实施例对本发明做进一步的详细说明,所述是对本发明的解释而不是限定。
如图1,为本发明的传感器数据异常的抽样判别方法的流程图,分为以下步骤:
1)当判定传感器为可抽样状态时,从传感器24小时的记录数据中,每隔1小时抽取1次数据,每次抽取1分钟,取样间隔为1秒,得到24批数据,每批数据的样本容量为60。
3)求出控制图的中心线:上下限控制界限:分区:A区(-3σ~-2σ,3σ~2σ),B区(-2σ~-σ,2σ~σ),C区(-σ~σ)。由于 而其中σ未知,用其无偏估计代替,则均值-标准差控制图的上下限控制界限为
4)根据SPC统计过程判异标准,确定该批数据中非受控状态的数据,其余为受控状态的数据;按GB-T4091-2001的八个模式检验,也可取其中几条或用其它模型检验,并根据传感器特点优化,标记相应的失控点为非受控状态的数据(非随机波动点)。
5)计算传感器的故障指数;如果全部判定非受控状态的数据(非随机波动点),则说明均为传感器正常测量数据;如果全部判定受控状态的数据(随机波动),则可能为传感器发生故障,不绝对排除待测量目标量表现如此。介于此间,可用一个指数表示(0~100%),如点数据占比,即当0<受控状态的数据数量<该批数据的总数量时,传感器的故障指数=受控状态的数据数量/该批数据的总数量。也可按时间远近加权,距最后一次抽样近权重大,远则权重小(增加失效后权重,减少早期正常权重,尽早发现失效)。
6)将传感器的故障指数与设定的传感器报警阈值进行比较,当传感器的故障指数>传感器报警阈值,则报警,完成本次判别,进行设备停机、传感器维修或更换后转步骤1),开始下一次的判别;当传感器的故障指数≤传感器报警阈值,则不报警,完成本次判别,转步骤1),开始下一次的判别。
Claims (7)
1.一种传感器数据异常的抽样判别方法,其特征在于,包括以下步骤:
1)从传感器的记录数据中抽取若干批包含若干个样本数的数据;
2)根据统计过程控制法,选取控制图,计算每批数据的统计值;
3)求出控制图的中心线和上下限控制界限;
4)根据统计过程判异标准,确定该批数据中非受控状态的数据,其余为受控状态的数据;
5)计算传感器的故障指数;
6)将传感器的故障指数与传感器报警阈值进行比较,当传感器的故障指数>传感器报警阈值,则报警,完成本次判别,转步骤1);当传感器的故障指数≤传感器报警阈值,则不报警,完成本次判别,转步骤1)。
2.如权利要求1所述的传感器数据异常的抽样判别方法,其特征在于,步骤1)中,在抽取数据前,先判定是否为可抽样状态,然后在可抽样状态下进行数据的抽取。
3.如权利要求1所述的传感器数据异常的抽样判别方法,其特征在于,步骤1)中,抽取是按时间顺序定期抽取。
4.如权利要求1所述的传感器数据异常的抽样判别方法,其特征在于,若干批数据之间的时间间隔相等,每批数据中若干个数据的时间间隔相等。
5.如权利要求1所述的传感器数据异常的抽样判别方法,其特征在于,步骤2)中,控制图为均值-标准差控制图,每批数据的统计值包括每批数据的均值和标准差。
6.如权利要求5所述的传感器数据异常的抽样判别方法,其特征在于,均值和标准差为最后一次的抽样数据的计算结果。
7.如权利要求1所述的传感器数据异常的抽样判别方法,其特征在于,步骤4)中,当0<受控状态的数据数量<该批数据的总数量时,传感器的故障指数=受控状态的数据数量/该批数据的总数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911130196.5A CN110826024A (zh) | 2019-11-18 | 2019-11-18 | 一种传感器数据异常的抽样判别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911130196.5A CN110826024A (zh) | 2019-11-18 | 2019-11-18 | 一种传感器数据异常的抽样判别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110826024A true CN110826024A (zh) | 2020-02-21 |
Family
ID=69556771
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911130196.5A Pending CN110826024A (zh) | 2019-11-18 | 2019-11-18 | 一种传感器数据异常的抽样判别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110826024A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111597398A (zh) * | 2020-05-14 | 2020-08-28 | 易思维(杭州)科技有限公司 | 基于流式测量数据的尼尔森规则判异***和方法 |
CN112528230A (zh) * | 2020-12-10 | 2021-03-19 | 中国空间技术研究院 | 基于精密度和分布转换修正的参数一致性控制方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1206862A (zh) * | 1997-07-29 | 1999-02-03 | 林恒延 | 一种应用控制图原理进行质量控制的通用监控仪 |
CN105676817A (zh) * | 2016-01-14 | 2016-06-15 | 西安电子科技大学 | 不同大小样本均值-标准偏差控制图的统计过程控制方法 |
CN108897954A (zh) * | 2018-06-29 | 2018-11-27 | 龙源(北京)风电工程技术有限公司 | 基于BootStrap置信度计算的风电机组温度预警方法及其*** |
-
2019
- 2019-11-18 CN CN201911130196.5A patent/CN110826024A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1206862A (zh) * | 1997-07-29 | 1999-02-03 | 林恒延 | 一种应用控制图原理进行质量控制的通用监控仪 |
CN105676817A (zh) * | 2016-01-14 | 2016-06-15 | 西安电子科技大学 | 不同大小样本均值-标准偏差控制图的统计过程控制方法 |
CN108897954A (zh) * | 2018-06-29 | 2018-11-27 | 龙源(北京)风电工程技术有限公司 | 基于BootStrap置信度计算的风电机组温度预警方法及其*** |
Non-Patent Citations (1)
Title |
---|
国家质量监督检验检疫总局质量管理司组织编写: "《质量专业理论与实务 中级》", 31 March 2002 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111597398A (zh) * | 2020-05-14 | 2020-08-28 | 易思维(杭州)科技有限公司 | 基于流式测量数据的尼尔森规则判异***和方法 |
CN111597398B (zh) * | 2020-05-14 | 2023-09-08 | 易思维(杭州)科技有限公司 | 基于流式测量数据的尼尔森规则判异***和方法 |
CN112528230A (zh) * | 2020-12-10 | 2021-03-19 | 中国空间技术研究院 | 基于精密度和分布转换修正的参数一致性控制方法及装置 |
CN112528230B (zh) * | 2020-12-10 | 2024-04-09 | 中国空间技术研究院 | 基于精密度和分布转换修正的参数一致性控制方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110849404B (zh) | 一种传感器数据异常的连续判别方法 | |
CN109933905B (zh) | 一种基于多维预警分析的机械设备健康状态评估方法 | |
US5511004A (en) | Diagnostic method for an evolutionary process | |
CN106372735B (zh) | 一种继电保护状态评估方法 | |
CN102182671B (zh) | 一种气体压缩机的状态分析监测方法 | |
CN107291991B (zh) | 一种基于动态网络标志的风电机组早期缺陷预警方法 | |
EP3270250A1 (en) | Method and system for remote monitoring of power generation units | |
CN110826024A (zh) | 一种传感器数据异常的抽样判别方法 | |
CN103942735A (zh) | 一种继电保护状态评估的方法 | |
EP3553044A1 (en) | System and method of remote object monitoring | |
CN106017729A (zh) | 一种基于统计过程控制的电机温度监控方法 | |
CN104615123B (zh) | 基于k近邻的传感器故障隔离方法 | |
CN106845826B (zh) | 一种基于PCA-Cpk的冷连轧生产线服役质量状态评估方法 | |
CN111913056B (zh) | 一种自适应超实时机组工况启动状态预估方法 | |
CN111222247A (zh) | 一种旋转机械早期故障预警方法 | |
CN107219453A (zh) | 一种基于多维混合量的变电站继电保护隐性故障诊断方法 | |
CN115423355A (zh) | 一种电厂磨煤机故障预警方法及*** | |
CN113673600B (zh) | 一种工业信号异常预警方法、***、存储介质及计算设备 | |
CN117560300B (zh) | 一种智能物联网流量预测与优化*** | |
CN104317778A (zh) | 基于海量监测数据的变电设备故障诊断方法 | |
CN113007040A (zh) | 风电机组主轴总成窜动在线监测与故障预警***及方法 | |
EP2631724B1 (en) | Method for measuring health index of plant in which state of lower component is reflected, and computer-readable storage medium in which program for performing the method is stored | |
CN112326246A (zh) | 基于周期数据及核密度估计的轴承安全状态在线监测方法 | |
CN115270982A (zh) | 一种基于多元数据神经网络的开关柜故障预测方法 | |
CN104078381A (zh) | 一种量测机台监测图规格界限设定的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200221 |
|
RJ01 | Rejection of invention patent application after publication |