專利名稱：基于隱半馬爾科夫模型的設(shè)備狀態(tài)動態(tài)自適應(yīng)報警方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種設(shè)備狀態(tài)動態(tài)自適應(yīng)報警方法，尤其涉及一種基于隱半馬爾科夫模型的設(shè)備狀態(tài)動態(tài)自適應(yīng)報警方法。
背景技術(shù)：
目前企業(yè)中使用的各種設(shè)備等級評定標(biāo)準(zhǔn)都是一些絕對標(biāo)準(zhǔn)，如IS0-2372震動烈度標(biāo)準(zhǔn)等，這些標(biāo)準(zhǔn)所規(guī)定的報警閾值都是靜態(tài)的，難以對特定工作環(huán)境下的特定設(shè)備做相應(yīng)的調(diào)整。這就造成了特定設(shè)備在磨損損壞之前或者之后進行維修或者更換，這樣前者造成了不必要的浪費，后者則會對生產(chǎn)造成影響。而自適應(yīng)報警技術(shù)是要隨著設(shè)備的工作條件、工作時間、功率、速度等實際情況變化而變化，建立報警指標(biāo)與設(shè)備運行情況的動態(tài)評判規(guī)則，形成一條變化的動態(tài)報警曲線。中國專利公開書CN1472674A公開了一種基于概率模型的設(shè)備狀態(tài)動態(tài)自適應(yīng)報警方法，通過設(shè)備運行的動態(tài)數(shù)據(jù)，使用概率神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)構(gòu)件設(shè)備狀態(tài)的概率模型，動態(tài)描述設(shè)備狀態(tài)的變化規(guī)律，形成設(shè)備運行的自適應(yīng)報警曲線。這樣的方法需要大量的歷史運行數(shù)據(jù)來通過概率神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)法構(gòu)建設(shè)備狀態(tài)的概率模型，且直接通過原始數(shù)據(jù)建模，造成浮動較大，報警信息不是十分準(zhǔn)確。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題是提供一種基于隱半馬爾科夫模型的設(shè)備狀態(tài)動態(tài)自適應(yīng)報警方法，該報警方法需要歷史數(shù)據(jù)較少、報警準(zhǔn)確。為解決上述技術(shù)問題，本發(fā)明所采用的技術(shù)方案是:
一種基于隱半馬爾科夫模型的設(shè)備狀態(tài)動態(tài)自適應(yīng)報警方法，其特征在于包含以下步
驟:
A.根據(jù)設(shè)備歷史數(shù)據(jù)，以相同時間長度將數(shù)據(jù)分成若干段，對每段提取特征信息作為觀測值，作為隱半馬爾科夫訓(xùn)練和狀態(tài)識別的觀測序列，觀察序列組數(shù)為K組；
B.基于Baum-Welch算法訓(xùn)練隱半馬爾科夫模型，分別建立設(shè)備正常狀態(tài)和各級退化狀態(tài)的隱半馬爾科夫模型；
C.基于庫爾-萊貝爾信息距離定義每個退化狀態(tài)相對于正常狀態(tài)的偏離程度，作為設(shè)備的性能退化指標(biāo)DI ；
D.設(shè)定觀測序列的最小長度N，設(shè)備運行一段時間，設(shè)備正常狀態(tài)的DI滿足N的時候，計算DI的平均值和標(biāo)準(zhǔn)差，從而通過極限誤差法原理得到正常狀態(tài)報警線的上下閾值；
E.隨著設(shè)備運行的時間推移，不斷得到新的DI值，若新的DI值落在正常狀態(tài)報警線的上下閾值內(nèi)，則將新的DI值加入到正常的DI序列，重新計算DI序列的平均值和標(biāo)準(zhǔn)差；
F.當(dāng)有連續(xù)K個DI值落在正常狀態(tài)報警線的上下閾值外時，設(shè)備偏離正常狀態(tài)，進入退化階段一，觸發(fā)一級報警；然后退化階段一的DI序列長度達到N時，按照步驟D和步驟E的方法得到新的DI并計算其平均值和標(biāo)準(zhǔn)差，確定退化階段一的報警線的上下閾值；當(dāng)有連續(xù)K個DI值落在退化階段一的上下閾值外時，設(shè)備偏離退化狀態(tài)一，進入退化狀態(tài)二，觸發(fā)二級報警；
G.隨著新的DI值的不斷調(diào)整，設(shè)備運行狀態(tài)按照步驟F的規(guī)律進入退化狀態(tài)三、退化狀態(tài)四直至退化狀態(tài)M，退化狀態(tài)M為根據(jù)歷史數(shù)據(jù)得出的設(shè)備運行需要維修的階段；
H.當(dāng)DI值進入到退化階段M時，進行報警，提醒工作人員按照實際情況進行檢修或停
機等處理。采用這樣的技術(shù)方案，通過歷史數(shù)據(jù)隱半馬爾科夫模型，并通過計算得出性能退化指標(biāo)DI的曲線，確定設(shè)備各個階段的報警閾值，來最終確定報警門限，實現(xiàn)設(shè)備運行狀態(tài)的自適應(yīng)報警。與傳統(tǒng)的絕對指標(biāo)的報警方式相比，本發(fā)明的報警方法具有自動獲取報警閾值的功能，方法靈活，報警準(zhǔn) 確，而且基于隱半馬爾科夫模型的方法，所需歷史數(shù)據(jù)較少，便于操作。
具體實施例方式隱半馬爾科夫模型簡稱HSMM。本發(fā)明的基于隱半馬爾科夫模型的設(shè)備狀態(tài)動態(tài)自適應(yīng)報警方法以軸承的使用為例，主要包含以下步驟:
A.根據(jù)軸承壽命的歷史數(shù)據(jù)，以相同的時間長度將數(shù)據(jù)分成若干段，對每段提取特征信息作為被測軸承運行狀態(tài)的觀測值，所有觀測值組成觀測序列，作為HSMM訓(xùn)練和狀態(tài)識別的觀測序列，觀測序列組數(shù)為K組；
B.基于Baum-Welch算法訓(xùn)練HSMM模型，分別建立軸承正常狀態(tài)和各級退化狀態(tài)的HSMM模型；Baum-WeIch算法用于解決HMM訓(xùn)練問題，S卩HMM參數(shù)估計問題。Baum-WeIch算法
可描述為，給定一個觀測值序列0= 11 O2,...οτ}，該算法能夠確定一個模型B)
，使P (O丨λ)最大。這是一個泛涵極值問題，因而不存在一個最佳方案來估計λ。在這種情況下，Baum-Welch算法利用遞歸的思想，使P (θ| λ)為局部最大，最后得到模型的參數(shù)。定義為給定訓(xùn)練觀測序列O和參數(shù)模型λ時，時刻t時馬爾可夫鏈處于狀
態(tài)i '而時刻t + I處于狀態(tài)j的概率:
權(quán)利要求
1.一種基于隱半馬爾科夫模型的設(shè)備狀態(tài)動態(tài)自適應(yīng)報警方法，其特征在于包含以下步驟: A.根據(jù)設(shè)備歷史數(shù)據(jù)，以相同時間長度將數(shù)據(jù)分成若干段，對每段提取特征信息作為觀測值，作為隱半馬爾科夫模型訓(xùn)練和狀態(tài)識別的觀測序列，觀察序列組數(shù)為K組； B.基于Baum-Welch算法訓(xùn)練隱半馬爾科夫模型，分別建立設(shè)備正常狀態(tài)和各級退化狀態(tài)的隱半馬爾科夫模型； C.基于庫爾-萊貝爾信息距離定義每個退化狀態(tài)相對于正常狀態(tài)的偏離程度，作為設(shè)備的性能退化指標(biāo)DI ； D.設(shè)定觀測序列的最小長度N，設(shè)備運行一段時間，設(shè)備正常狀態(tài)的DI滿足N的時候，計算DI的平均值和標(biāo)準(zhǔn)差，從而通過極限誤差法原理得到正常狀態(tài)報警線的上下閾值； E.隨著設(shè)備運行的時間推移，不斷得到新的DI值，若新的DI值落在正常狀態(tài)報警線的上下閾值內(nèi)，則將新的DI值加入到正常的DI序列，重新計算DI序列的平均值和標(biāo)準(zhǔn)差； F.當(dāng)有連續(xù)K個DI值落在正常狀態(tài)報警線的上下閾值外時，設(shè)備偏離正常狀態(tài)，進入退化階段一，觸發(fā)一級報警；然后退化階段一的DI序列長度達到N時，按照步驟D和步驟E的方法得到新的DI并計算其平均值和標(biāo)準(zhǔn)差，確定退化階段一的報警線的上下閾值；當(dāng)有連續(xù)K個DI值落在退化階段一的上下閾值外時，設(shè)備偏離退化狀態(tài)一，進入退化狀態(tài)二，觸發(fā)二級報警； G.隨著新的DI值的不斷調(diào)整，設(shè)備運行狀態(tài)按照步驟F的規(guī)律進入退化狀態(tài)三、退化狀態(tài)四直至退化狀態(tài)M，退化狀態(tài)M為根據(jù)歷史數(shù)據(jù)得出的設(shè)備運行需要維修的階段； H.當(dāng)DI值進入到退化階段M時，進行報警，提醒工作人員按照實際情況進行檢修或停機等處理。
全文摘要
本發(fā)明公開了一種基于隱半馬爾科夫模型的設(shè)備狀態(tài)動態(tài)自適應(yīng)報警方法，其特征在于通過對歷史數(shù)據(jù)和設(shè)備運行數(shù)據(jù)建立HSMM模型，并定義性能退化指標(biāo)DI，求出DI曲線，通過極限誤差法將DI分成若干階段，并求出DI的上下報警閾值。通過這樣的方式，運用HSMM建模所需歷史數(shù)據(jù)較少，建模方便，同時，能動態(tài)獲取設(shè)備運行的報警閾值，報警靈活準(zhǔn)確。
文檔編號G06F19/00GK103218521SQ20131009672
公開日2013年7月24日 申請日期2013年3月25日 優(yōu)先權(quán)日2013年3月25日
發(fā)明者王恒, 朱龍彪, 黃希, 徐海黎, 馬海波 申請人:南通大學(xué)