买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：广东知业科技有限公司

摘要：本发明涉及一种基于混淆矩阵的工业设备机理模型故障诊断方法，通过获取历史时期大规模正常工作时的工业设备功率输入参数和设备运行参数；以功率输入参数为自变量，设备运行参数为因变量，构建初步机理模型；通过上机获取若干个发生故障和未发生故障时的工业设备数据测试集，将功率输入参数输入初步机理模型中，输出设备运行参数预测值；通过设备运行参数实际值与预测值，构建混淆矩阵；采用混淆矩阵的评估指标验证机理模型的预测性能；根据评估指标的大小，分析机理模型预测的误差倾向，并对初步机理模型的参数进行调整。本发明解决了工业设备诊断机理模型开发后需要多次上机验证才能确定模型的准确性，导致对机理模型校正时间长的问题。

主权项：1.一种基于混淆矩阵的工业设备机理模型故障诊断方法，其特征在于：包括以下步骤：S1、数据收集：获取历史时期大规模正常工作时的工业设备数据，所述工业设备数据包括功率输入参数和设备运行参数；S2、以功率输入参数为自变量，设备运行参数为因变量，构建初步机理模型；S3、通过上机获取若干个发生故障和未发生故障时的工业设备数据测试集，将测试集的功率输入参数输入初步机理模型中，输出设备运行参数预测值；S4、通过测试集的设备运行参数实际值与预测值，构建混淆矩阵；S5、采用混淆矩阵的评估指标验证机理模型的预测性能，所述评估指标包括准确率、召回率、精确率和F1值；S6、根据评估指标的大小，分析机理模型预测的误差倾向；S7、根据误差倾向，对初步机理模型的参数进行调整；S8、重复步骤S3-S7，直至评估指标达到预设的阈值为止，确定最终机理模型；S9、将最终机理模型应用于工业设备的实时监测中，当对设备运行参数的预测值与实际值相对误差超过预设的阈值时，发出设备故障报警；步骤S4中，所述构建混淆矩阵，具体内容如下：确定真正例：当初步机理模型对发生故障时设备运行参数预测值与实际值之间的相对误差超过故障误差阈值时，则标记为真正例；确定真负例：当初步机理模型对发生故障时设备运行参数预测值与实际值之间的相对误差未超过故障误差阈值时，则标记为真负例；确定假正例：当初步机理模型对未发生故障时设备运行参数预测值与实际值之间的相对误差未超过正常误差阈值时，则标记为假正例；确定假负例：当初步机理模型对未发生故障时设备运行参数预测值与实际值之间的相对误差超过正常误差阈值时，则标记为假负例；步骤S6中，所述根据评估指标的大小，分析机理模型预测的误差倾向，具体为采用将评估指标输入预设的聚类单元，输出相应的误差倾向等级，所述预设的聚类单元，包括以下构建步骤：S61、收集大规模历史时期初步机理模型的评估指标数据样本；S62、归一化处理：将各评估指标进行归一化处理；S63、初始化聚类中心：随机选取数据空间中的若干个数据对象作为初始聚类中心；S64、初始化聚类簇：计算所有数据对象与初始聚类中心之间的欧式距离，将各数据对象划分至与其欧氏距离最小的初始聚类中心中，形成初始聚类簇；S65、更新聚类中心：计算各初始聚类簇的数据对象的平均值，以该平均值作为新聚类中心；S66、确定最终聚类簇：重复再次计算所有数据对象与新聚类中心之间的欧式距离，将各数据对象划分至与其欧氏距离最小的新聚类中心中，形成新聚类簇；再次计算各新聚类簇的平均值作为新聚类中心，直至新聚类中心不再发生改变，确定最终聚类簇，并根据最终聚类簇的评估指标数值范围，确定各最终聚类簇所对应的误差倾向等级。

全文数据：

权利要求：

百度查询： 广东知业科技有限公司 一种基于混淆矩阵的工业设备机理模型故障诊断方法