当前课程知识点:大数据管理与挖掘 > 第11章 诊断方法 > 11.6 应用实例-纱线断点诊断 > 11.6 应用实例-纱线断点诊断
好 欢迎大家回到第十一章
诊断方法
接下来让我们通过一个具体的应用实例
来看一下纱线断点诊断
离群点诊断技术的主要目的是发现异常
这种异常若发生在大型设备中将更为关键
造成大量的经济损失
基于此
选择与我们生活息息相关的纱线为切入点
以纺织过程中的细纱机为对象
运用基于统计的离群点诊断技术
赶在细纱机发生故障之前
以实现基于主元数据的细纱机寿命预测
及剩余寿命估计
首先是表征参数的选择
为第I个参数样本均值
为时间均值
Ri当越接近1时
代表该参数与时间相关性越强
相反 当Ri越接近0时
则代表与时间相关性越弱
当Ri大于等于0.5时
代表参数与时间的相关性较强
由此 选择Ri大于等于0.5的参数为表征参数
根据实地调研得到监测信息
计算得出为表4-1为细纱机钳口隔距
罗拉直径 罗拉中心距 钢领直径
四种退化参数退化值
记这参数数据的集合为X
则X=X1到 X4
其中X1代表第一个参数的
全部监测数据的矩阵
X11代表在第1个时间采集到的
第1个参数的数据
0-480表示时间
二 主元参数计算
由于各表征参数单位的不同或数量级差距过大
在进行融合之前
要将数据进行标准化处理
用离差标准化公式
对标准化数据进行主成分分析
得到相关系数矩阵和特征值 贡献率
图中分别显示了标准化数据值
相关系数矩阵值以及主元贡献率值
如图所示
从表4-4可以看出
单独第一主元Y1的贡献率已经达到了99%
超过了80%
所以选取第一个主元就可很好的
反应原始的四个表征参数
从而很好的体现设备的退化过程
选取第一列作为主元数据退化量
数据如表4-5所示
为了验证主元数据可以代替原始表征参数
进行剩余寿命的预测
画出了原始表征参数的退化曲线
如图4-1a,b,c,d 所示
分别代表细纱机钳口隔距
罗拉直径 罗拉中心距
钢领直径的退化值
和主元参数的退化曲线图4-2
退化曲线如图所示
可以看出主元参数与原始表征参数相比
退化趋势更明显
且更可以很好的表征退化过程
并且没有超过阈值上限
即没有离群点出现
wiener过程表示为
若一个随机过程yt t大于等于0满足
一 yt是独立增量过程
二 任意t大于0
即增量服从正态分布
三 yt关于是连续函数
四 y0等于0
因此wiener过程退化模型可以表示为
其中yt代表t时刻的主元退化值
Y0代表初始时刻的退化量
Bt为标准布朗运动
θ代表漂移系数 σ为扩散系数
在此将参数θ视为常量
扩散系数σ也是常量
这个过程实现的关键是对参数θ和σ的计算
利用极大似然的思想
通过构建似然函数来进行估计
为实验方便 在以下的推导过程中
假设设备的初始退化量y0等于0
假设设备的退化量随时间的变化而增大
表示初始时刻的退化增量
为退化量在时刻Tj-1到tj的退化增量
根据wiener过程的平稳独立增量性
可知
且其概率密度函数为如下式所示
由此可得似然函数为如下式所示
对式6取对数得到对数似然函数为下式所示
对式7中的两参数分别求导
并令参数值为0
可得到参数的极大似然估计值的参数
表4-6显示了wiener过程参数估计值
基于退化数据的剩余寿命预测研究中
设备某一关键参数首次达到或超过退化阈值
但设备还未发生重大故障
所以对设备寿命的预测转化为
求取表征参数首次到达
或者超过退化阈值的时间
这个时间被称为首达时间
T是一个随机变量
由文献得其概率密度函数和可靠性函数
如下式所示
其中Φ为标准正态分布的累积分布函数
设备剩余寿命定义为设备在t时刻
主元退化量Yt第一次达到
或超过主元阈值w的时间
由wiener过程的马尔可夫性可得下式
又由独立增量性可知
仍然服从
所以
则式11可以写成如下式所示
根据式11 15可以得到设备在t时刻的
剩余寿命密度函数如下所示
其中 lt代表在t时刻的剩余寿命
w代表计算得到的主元参数阈值
Yt代表t时刻的主元退化量
θσ方为模型中未知参数
综上推导
设备在t时刻的剩余寿命密度函数
为如下式所示
根据相关文献引入失效原则L
所以失效阈值
确定失效原则
可得四种表征参数的退化阈值分别为
28.40 8.30 7.60 7.84
对其进行标准化处理和主成份分析后
得到主元退化阈值为下式所示
下面利用表4-5的数据进行退化建模
以0-420天的数据为计算样本
进行参数计算
以450和480天的数据为测试样本
进行模型准确性验证
当t=450时
原退化参数的退化测量值为
26.52 7.30 8.00 8.88
按照之前的方法进行中心化和
主成分分析后得到的主元退化量为1.95
当t=480时 退化量为2
由计算结果得知预测的结果
与真实值是一致的
以下三幅图分别为寿命密度函数曲线图
可靠度函数曲线图 剩余寿命密度函数图
从图4-3中可以得出
当t等于450左右时 可靠度大幅度降低
可见该设备将进入故障阶段
从图4-4可以得出
当t等于480时 剩余寿命几乎为0
当t等于120时 剩余寿命最大
综上可以得出
该细纱机在刚开始使用时寿命最大
随着设备不断使用
再加上各种不确定因素的影响
设备在480天时
剩余寿命几乎为0
因此该细纱机的平均寿命大概在480 天
且该细纱机在450天时可靠度大幅度降低
进入事故高发阶段
需要及时进行维修处理
可见基于统计的离群点诊断技术
在细纱机寿命预测及故障诊断中
具有良好的效果
好 纱线断点诊断就为大家介绍到这里
-第1章 教学目标
--第1章 教学目标
-1.1 大数据的基本概念
-1.2 大数据的演变过程
-1.3 大数据应用
-1.4 大数据的处理模式
-1.5 大数据管理的关键技术
-第1章 作业
--第1章 作业
-第1章 讨论
--第1章 讨论
-第2章 教学目标
--第2章 教学目标
-2.1 大数据融合的概念
-2.2 大数据融合的方法论
-2.3 数据融合技术
-2.4 知识融合技术
-2.5 大数据融合的驱动枢纽
-2.6 小结
--2.6 小结
-第2章 作业
--第2章 作业
-第2章 讨论
--第2章 讨论
-第3章 教学目标
--第3章 教学目标
-3.1 大数据存储与管理方法
-3.2 基于新型存储的大数据管理
-3.3 大数据处理与存储一体化技术
-3.4 小结
--3.4 小结
-第3章 作业
--第3章 作业
-第3章 讨论
--第3章 讨论
-第4章 教学目标
--第4章 教学目标
-4.1 大数据的实时分析
-4.2 大数据的交互式分析
-4.3 云在线聚集
-4.4 大数据的智能分析
-4.5 小结
--4.5 小结
-第4章 作业
--第4章 作业
-第4章 讨论
--第4章 讨论
-第5章 教学目标
--第5章 教学目标
-5.1 隐私保护技术
-5.2 隐私保护技术的应用
-5.3 大数据隐私管理
-5.4 小结
--5.4 小结
-第5章 作业
--第5章 作业
-第5章 讨论
--第5章 讨论
-第6章 教学目标
--第6章 教学目标
-6.1 云计算 大数据基础平台与支撑技术
-6.2 批数据与流数据管理系统
-6.3 SQL NOSQL与NEWSQL系统
-6.4 小结
--6.4 小结
-第6章 作业
--第6章 作业
-第6章 讨论
--第6章 讨论
-第7章 教学目标
--第7章 教学目标
-7.1 一元回归
--7.1 一元回归
-7.2 多元回归
--7.2 多元回归
-7.3 逐步回归
--7.3 逐步回归
-7.4 Logistic回归
-7.5 应用实例-多因子选股模型的实现
-7.6 小结
--7.6 小结
-第7章 作业
--第7章 作业
-第7章 讨论
--第7章 讨论
-第8章 教学目标
--第8章 教学目标
-8.1 分类方法概要
-8.2 K-近邻(KNN)
-8.3 贝叶斯分类
-8.4 神经网络
--8.4 神经网络
-8.5 LOGISTIC分类
-8.6 判别分析
--8.6 判别分析
-8.7 支持向量机(SVM)
-8.8 决策树
--8.8 决策树
-8.9 分类的评判
-8.10 小结
--8.10 小结
-第8章 作业
--第8章 作业
-第8章 讨论
--第8章 讨论
-第9章 教学目标
--第9章 教学目标
-9.1 聚类方法概要
-9.2 K-means方法
-9.3 层次聚类
--9.3 层次聚类
-9.4 神经网络聚类
-9.5 模糊C-均值(FCM)方法
-9.6 高斯混合聚类方法
-9.7 类别数的确定方法
-9.8 应用实例-股票聚类分池
-9.9 小结
--9.9 小结
-第9章 作业
--第9章 作业
-第9章 讨论
--第9章 讨论
-第10章 教学目标
-10.1 预测方法概要
-10.2 灰色预测
-10.3 马尔科夫预测
-10.4 实用实例-纺纱质量预测
-10.5 小结
--10.5 小结
-第10章 作业
--第10章 作业
-第10章 讨论
--第10章 讨论
-第11章 教学目标
-11.1 离群点诊断概要
-11.2 基于统计的离群点诊断
-11.3 基于距离的离群点诊断
-11.4 基于密度的离群点挖掘
-11.5 基于聚类的离群点挖掘
-11.6 应用实例-纱线断点诊断
-11.7 小结
--11.7 小结
-第11章 作业
--第11章 作业
-第12章 教学目标
-12.1 数字挖掘技术的应用
-12.2 纺纱质量控制
-第12章 作业
--第12章 作业
-第12章 讨论
--第12章 讨论