申请/专利权人：宝武装备智能科技有限公司

申请日：2023-11-03

公开（公告）日：2024-02-23

公开（公告）号：CN117591892A

主分类号：G06F18/22

分类号：G06F18/22;G06F18/10;G06F18/213;G06F18/21;B22D11/16;G06F123/02

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.12#实质审查的生效;2024.02.23#公开

摘要：本发明公开了一种基于T‑test数据分析的辊子故障预警方法，本方法收集辊子对应驱动电机的电流数据，将空值数据和零值数据剔除，保留非零的工作状态数据；按检维修记录划分故障数据、正常数据、基准数据以及对比数据；通过观测样本构造观测特征向量，采用基准数据作为样本构造基准向量，构建不同案例的基准向量以及对应的观测特征向量；采用双总体T‑test分别验证对应的基准向量与观测特征向量；构建记忆矩阵，采用Mset算法建立模型；计算观测特征向量Fobs和估计特征向量Fest的相似度值Sobs，与相似度阈值比较，得到报警输出。本方法对辊子电机较长周期的电流信号数据进行分析，实现对不同状态下辊子电机电流数据分布的识别，提升报警模型的鲁棒性。

主权项：1.一种基于T-test数据分析的辊子故障预警方法，其特征在于本方法包括如下步骤：步骤一、收集辊子对应驱动电机的电流数据，数据间隔为10s，将数据按时间顺序重新排列，保证数据的有效性，并将空值数据和零值数据剔除，保留非零的工作状态数据；步骤二、按照检维修记录标记故障时间点对数据进行标记，将故障时间前t天至故障时间点的数据标记为故障数据，故障时间t天以前的数据标记为正常数据，在正常数据中选择一段正常工况下的数据作为基准数据，任选一段数据作为对比数据；步骤三、构造观测特征向量，选择某一时刻前t′天时间的数据作为观测样本，数据长度为l，并采用滑窗方式将数据划分成d个大小相同的窗口，窗口分别记为W1，W2，…，Wd，步长为p，分别计算窗口内数据的标准差值σ1，σ2，…，σd，构建特征向量F＝[σ1，σ2，…，σd]；步骤四、构造基准向量，采用基准数据作为样本，数据长度为lb，并按步骤三滑窗方式构建基准向量Fb＝[σb1，σb2，......，σbd]；步骤五、准备案例及数据，构建不同案例的基准向量Fb1，Fb2，Fb3，……，Fbn，以及对应的观测特征向量F1，F2，F3，……，Fn；步骤六、采用双总体T-test函数，分别验证[Fb1，F1]，[Fb2，F2]，…，[Fbn，Fn]数组的方差齐性，先对样本进行方差齐性检验，设定T-test的方差齐性参数，如果方差齐性检验结果大于设定的方差齐性参数为True，反之，方差齐性检验结果为False；将方差齐性检验结果输入T-test函数，输出p-value值，如果p-value值大于0.05则接受零假设，Fb和F样本均值相同，分布相同；反之，p-value小于0.05则拒绝零假设，Fb和F样本均值不相同，分布不相同；步骤七、构建记忆矩阵，采用Mset算法，利用正常数据以驱动电机为基础对象建立报警模型，选择基准数据，采用随机撒点的方式选择一定长度的数据样本m条，每条的长度为l′，l′l，采用滑窗方式构建样本的特征向量，分别记为Fs1，Fs2，…，Fsm；构建记忆矩阵D＝[Fs1，Fs2，…，Fsm]；步骤八、报警值计算，将某一时间点前t′时间的数据作为观测数据，采用滑窗方式计算观测数据的特征向量Fobs，特征向量作为报警模型输入，根据Mset算法，结合记忆矩阵计算得出估计特征向量Fest，并组合欧式距离和余弦距离计算观测特征向量Fobs和估计特征向量Fest的相似度值Sobs，通过与预设的相似度阈值St相比较，若SobsSt时输出报警。

全文数据：

权利要求：

百度查询： 宝武装备智能科技有限公司 基于T-test数据分析的辊子故障预警方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD