技术新讯 > 计算推算,计数设备的制造及其应用技术 > 基于数据驱动的采煤机运行异常监测方法及系统与流程  >  正文

基于数据驱动的采煤机运行异常监测方法及系统与流程

  • 国知局
  • 2024-08-05 12:12:43

本发明涉及数据异常监测,具体涉及一种基于数据驱动的采煤机运行异常监测方法及系统。

背景技术:

1、为了保障采煤机运行的安全与效率,在采煤过程中需要实时获取监测采煤机运行状态的各种数据。由于采煤环境的复杂以及煤矿过载冲击导致采煤机瞬时过载等多种因素,使得采煤机的各种监测数据存在一定的波动误差;又因采煤机在恶劣的环境中长期工作,导致数据采集仪器容易故障,数据采集出现误差。

2、因此在采煤机运行监测过程中,难以区分采煤机部件损坏或是数据采集过程异常导致的数据异常;若直接通过pca主成分分析法对异常数据进行重构而分析异常原因,但未考虑到不同维度的监测数据之间的相关性,导致难以区分不同异常原因的差异特征,进而使得采煤机运行异常原因分析准确性低,难以及时发现异常原因。

技术实现思路

1、为了解决上述通过主成分分析法对异常数据进行重构未考虑不同维度之间的相关性,导致异常原因分析准确性低的技术问题,本发明的目的在于提供一种基于数据驱动的采煤机运行异常监测方法及系统,所采用的技术方案具体如下:

2、获取监测采煤机运行状态的不同维度的监测数据并构建数据曲线图;根据所述监测数据的变化特征获得异常时刻和异常数据点;

3、根据所述异常时刻的不同维度的所述异常数据点与预设邻域范围内其他数据点的距离特征,获得异常时刻的多维异常关联程度;获取所述异常时刻的监测数据的空间坐标、主成分的特征值和特征向量;根据所述空间坐标获得所述异常时刻的单位向量;

4、根据主成分对应的所述多维异常关联程度、所述单位向量和所述特征向量获得主成分的主成分权值系数;根据所述主成分权值系数和所述特征值获得调节特征值;根据所述调节特征值对异常时刻的监测数据进行pca重构获得异常时刻的监测数据的空间新坐标;

5、根据所述异常时刻的所述空间坐标和所述空间新坐标的距离特征获得异常时刻的异常显著程度;根据所述异常显著程度确定采煤机运行异常类型。

6、进一步地,所述根据所述监测数据的变化特征获得异常时刻和异常数据点的步骤包括:

7、对于任意一个维度的任意时刻的监测数据,根据所述数据曲线图计算所述任意时刻与相邻前一时刻的监测数据相连直线的斜率绝对值并归一化,获得异常指数;当所述异常指数超过预设异常阈值时,所述任意时刻为异常时刻,对应的数据点为异常数据点;从所述异常数据点向后继续遍历监测数据,当监测数据等于所述异常数据点的前一时刻的监测数据,获得异常截止时刻;所述任意时刻至所述异常截止时刻中的所有时刻为异常时刻,对应的数据点为异常数据点。

8、进一步地,所述根据所述异常时刻的不同维度的所述异常数据点与预设邻域范围内其他数据点的距离特征,获得异常时刻的多维异常关联程度的步骤包括:

9、根据所述数据曲线图计算所述异常数据点与预设邻域范围内其他数据点的欧氏距离的和值,获得邻域距离表征值;计算所述邻域距离表征值与预设邻域范围内异常数据点数量的乘积,获得所述异常数据点的邻域差异表征值;计算所有维度在所述异常时刻存在异常数据点的所述邻域差异表征值的和值并归一化,获得所述异常时刻的所述多维异常关联程度。

10、进一步地,所述获取所述异常时刻的监测数据的空间坐标、主成分的特征值和特征向量的步骤包括:

11、将所有异常时刻的所有维度的监测数据通过主成分分析法映射到空间中获得异常时刻的监测数据的空间坐标,并获得所有主成分的特征值和对应的特征向量。

12、进一步地,所述根据所述空间坐标获得所述异常时刻的单位向量的步骤包括:

13、根据所述异常时刻的监测数据的空间坐标构建坐标向量,计算所述坐标向量与坐标向量的模的比值,获得所述异常时刻的单位向量。

14、进一步地,所述根据主成分对应的所述多维异常关联程度、所述单位向量和所述特征向量获得主成分的主成分权值系数的步骤包括:

15、对于任意主成分,计算所述任意主成分上的任意异常数据点对应的所述单位向量和所述特征向量的点积,计算所述单位向量和所述特征向量的点积与所述任意异常数据点的所述多维异常关联程度的乘积并累加求和,获得主成分异常权重表征值;计算所有主成分的所述主成分异常权重表征值的和值,获得主成分异常基准表征值;计算主成分异常权重表征值与所述主成分异常基准表征值的比值并归一化,获得所述主成分的主成分权值系数。

16、进一步地,所述根据所述主成分权值系数和所述特征值获得调节特征值的步骤包括:

17、计算所述主成分的主成分权值系数与所述特征值的乘积,获得所述主成分的调节特征值。

18、进一步地,所述根据所述异常时刻的所述空间坐标和所述空间新坐标的距离特征获得异常时刻的异常显著程度的步骤包括:

19、计算所述异常时刻的所述空间坐标与所述空间新坐标的欧氏距离并归一化,获得所述异常时刻的异常显著程度。

20、进一步地,所述根据所述异常显著程度确定采煤机运行异常类型的步骤包括:

21、当所述异常显著程度超过预设显著阈值时,认为采煤机运行工况异常,否则认为监测数据采集过程异常。

22、本发明还提出了一种基于数据驱动的采煤机运行异常监测系统,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序实现任意一项一种基于数据驱动的采煤机运行异常监测方法的步骤。

23、本发明具有如下有益效果:

24、在本发明实施例中,获取异常时刻和异常数据点能够确定监测采煤机运行的监测数据出现异常的时刻以及异常的维度,便于后续确定监测数据的异常原因。获取多维异常关联程度能够确定在异常时刻时多维度之间数据变化的相关程度,为异常原因的分析提供基础;获取异常时刻的空间坐标能够分析pca重构后坐标之间的距离特征,提高判断监测数据的异常原因的准确性。计算主成分权值系数能够基于多维异常关联程度从而调整特征值的大小获得调节特征值,根据调节特征值能够基于多维异常关联程度对异常时刻进行pca重构获得空间新坐标,将不同异常原因的异常时刻在空间中的坐标进行不同程度的拉伸,最终根据不同的拉伸程度获得异常显著程度,根据异常显著程度能够明显地区分采煤机监测数据的异常原因,提高了判断监测数据的异常原因的准确性。

技术特征:

1.一种基于数据驱动的采煤机运行异常监测方法,其特征在于,所述方法包括以下步骤:

2.根据权利要求1所述的一种基于数据驱动的采煤机运行异常监测方法,其特征在于,所述根据所述监测数据的变化特征获得异常时刻和异常数据点的步骤包括:

3.根据权利要求1所述的一种基于数据驱动的采煤机运行异常监测方法,其特征在于,所述根据所述异常时刻的不同维度的所述异常数据点与预设邻域范围内其他数据点的距离特征,获得异常时刻的多维异常关联程度的步骤包括:

4.根据权利要求1所述的一种基于数据驱动的采煤机运行异常监测方法,其特征在于,所述获取所述异常时刻的监测数据的空间坐标、主成分的特征值和特征向量的步骤包括:

5.根据权利要求1所述的一种基于数据驱动的采煤机运行异常监测方法,其特征在于,所述根据所述空间坐标获得所述异常时刻的单位向量的步骤包括:

6.根据权利要求1所述的一种基于数据驱动的采煤机运行异常监测方法,其特征在于,所述根据主成分对应的所述多维异常关联程度、所述单位向量和所述特征向量获得主成分的主成分权值系数的步骤包括:

7.根据权利要求1所述的一种基于数据驱动的采煤机运行异常监测方法,其特征在于,所述根据所述主成分权值系数和所述特征值获得调节特征值的步骤包括:

8.根据权利要求1所述的一种基于数据驱动的采煤机运行异常监测方法,其特征在于,所述根据所述异常时刻的所述空间坐标和所述空间新坐标的距离特征获得异常时刻的异常显著程度的步骤包括:

9.根据权利要求1所述的一种基于数据驱动的采煤机运行异常监测方法,其特征在于,所述根据所述异常显著程度确定采煤机运行异常类型的步骤包括:

10.一种基于数据驱动的采煤机运行异常监测系统,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序实现如权利要求1-9任意一项所述方法的步骤。

技术总结本发明涉及数据异常监测技术领域,具体涉及一种基于数据驱动的采煤机运行异常监测方法及系统;根据采煤机监测数据的变化特征获得异常时刻和异常数据点;根据异常数据点之间的距离特征获得多维异常关联程度。获取异常时刻的监测数据的空间坐标和单位向量、主成分的特征值和特征向量;根据主成分的多维异常关联程度、单位向量和特征向量获得主成分权值系数和调节特征值;根据调节特征值进行PCA重构获得异常时刻的空间新坐标;根据空间坐标和空间新坐标获得异常显著程度。本发明根据多维异常关联程度确定异常显著程度,进而确定采煤机运行异常类型,提高了分析采煤机运行数据异常原因的准确性。技术研发人员:鲁伟,李衍磊,吴焘,邵波,孔永政,朱剑,巩利,杨斌,孙艳清,侯京壮受保护的技术使用者:枣庄矿业集团新安煤业有限公司技术研发日:技术公布日:2024/8/1

本文地址:https://www.jishuxx.com/zhuanli/20240802/261571.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。