在预警系统中考虑外部影响来学习最新数据的方法以及用于该方法的系统转让专利
申请号 : CN201780053551.6
文献号 : CN109643484B
文献日 : 2021-03-09
发明人 : 金大雄 , 崔南寓 , 金范年 , 金衡均 , 金址仁 , 姜周亨 , 朴龙勋 , 辛建雄 , 金良锡 , 朴永燮 , 朴致勇 , 李炳伍 , 金钟石
申请人 : 韩国水力原子力株式会社
摘要 :
权利要求 :
1.一种在预警系统中考虑外部影响来学习最新数据的方法,包括:由预警处理设备根据外部环境影响来对机器监测变量进行分类;和由所述预警处理设备针对每个所分类的监测变量而应用不同的模式学习方法,其中所述根据外部环境影响进行分类的步骤包括:计算每个所述机器监测变量与每个外部环境因素之间的相关度;和根据所计算的相关度值对所述机器监测变量进行分类,其中所述应用不同的模式学习方法分别将自动再学习方法应用于第一组的监测变量,将手动再学习方法应用于第二组的监测变量,以及将不需要再学习方法应用于第三组的监测变量,
其中所述第一组的监测变量存储在自动再学习数据库中,并且其中当所述外部环境因素的变化与预先构建的学习模式之间的差异是预定水平或更高时,对所述外部环境因素和所述第一组的监测变量自动执行最新模式学习,其中当在产生预警时确定所述预警是来自所述外部环境因素时,由操作员针对所述第二组的监测变量手动地再学习所述最新模式学习,其中不针对所述第三组的监测变量执行所述再学习。
2.根据权利要求1所述的学习最新数据的方法,其中,所述外部环境因素包括空气温度、气压、湿度和海水温度中的至少一个。
3.根据权利要求1所述的学习最新数据的方法,其中,所述根据所计算的相关度值对所述机器监测变量进行分类包括:根据操作者预先指定的第一标准和第二标准,其中所述第一标准具有比所述第二标准更大的值,当所述相关度值等于或大于所述第一标准时,将所述机器监测变量分类为第一组,
当所述相关度值介于等于或大于所述第二标准至等于或小于所述第一标准时,将所述机器监测变量分类为第二组,以及当所述相关度值等于或小于所述第二标准时,将所述机器监测变量分类为第三组。
4.一种使用考虑外部影响来学习最新数据的方法的预警系统,包括:预警处理设备,其配置成用于实施:根据外部环境影响对机器监测变量进行分类;和针对每个所分类的监测变量应用不同的模式学习方法,其中所述根据所述外部环境影响进行分类包括:计算每个所述机器监测变量与每个外部环境因素之间的相关度;和根据所计算的相关度值对所述机器监测变量进行分类,其中所述应用不同的模式学习方法分别将自动再学习方法应用于第一组的监测变量,将手动再学习方法应用于第二组的监测变量,以及将不需要再学习方法应用于第三组的监测变量,
其中所述第一组的监测变量存储在自动再学习数据库中,并且其中当所述外部环境因素的变化与预先构建的学习模式之间的差异是预定水平或更高时,对所述外部环境因素和所述第一组的监测变量自动执行最新模式学习,其中当在产生预警时确定所述预警是来自所述外部环境因素时,由操作员针对所述第二组的监测变量手动地再学习所述最新模式学习,其中不针对所述第三组的监测变量执行所述再学习。
5.根据权利要求4所述的预警系统,其中,所述外部环境因素包括空气温度、气压、湿度和海水温度中的至少一个。
6.根据权利要求4所述的预警系统,其中,所述根据所计算的相关度值进行分类包括:根据操作者预先指定的第一标准和第二标准,其中所述第一标准具有比所述第二标准更大的值,当所述相关度值等于或大于所述第一标准时,将所述机器监测变量分类为第一组,
当所述相关度值介于等于或大于所述第二标准至等于或小于所述第一标准时,将所述机器监测变量分类为第二组,以及当所述相关度值等于或小于所述第二标准时,将所述机器监测变量分类为第三组。
说明书 :
在预警系统中考虑外部影响来学习最新数据的方法以及用于
该方法的系统
技术领域
背景技术
驱动范围时产生警告。
当前机器的外部环境与一年前的环境之间存在很大差异的情况下,如上所述使用过去一年
的数据的情况可能存在问题。这是因为由于模式学习数据不是最新的,所以由于驱动环境
的变化,在预警中发生错误警告的可能性增加。
机器的实际问题产生的警告。因此,重要的是通过反映驱动条件的变化来利用最新数据进
行学习。
务再次针对变化的外部环境实施模式学习。
发明内容
新数据的方法和系统,其可通过在学习中包括针对机器的外部环境分量(诸如空气温度、气
压、湿度、海水温度等)的最新数据来提高预警的可靠性。
分类以及由预警处理设备针对每个所分类的监测变量应用不同的模式学习方法。
(或大于)第一标准时,将机器监测变量分类为第一组,当相关度值介于第二标准或大于(或
高于)第二标准至第一标准或少于(或小于)第一标准的范围内时,将机器监测变量分类为
第二组,以及当相关度值是第二标准或少于(或小于)第二标准时,将机器监测变量分类为
第三组。
第三组的监测变量。
的监测变量自动执行最新的模式学习。
分类以及针对每个所分类的监测变量应用不同的模式学习方法。
第一标准时,将机器监测变量分类为第一组,当相关度值介于第二标准或大于(或高于)第
二标准至第一标准或少于(或小于)第一标准的范围内时,将机器监测变量分类为第二组,
以及当相关度值是第二标准或少于(或小于)第二标准时,将机器监测变量分类为第三组。
境因素影响不明确的监测变量以及不受外部环境因素影响的监测变量。
组的监测变量自动执行最新的模式学习。
预警系统操作员能够集中精力分析由机器故障实际发生的预警,并且具有提高预警系统操
作的效率和可靠性的效果。
附图说明
具体实施方式
涵盖包括在本发明的思想和技术范围内的所有修改,等效物和替换物。
件,并且类似地,第二部件可以被称为第一部件而不脱离本发明的范围。术语“和/或”包括
多个相关公开项目的组合或多个相关公开项目中的任何项目。
“直接接近”另一元件时,应理解在该元件和另一元件之间不存在元件。
括”或“具有”表示存在说明书中描述的特征、数量、步骤、操作、部件、零件或其组合,但是不
排除预先存在或添加一个或多个其他特征、数字、步骤、操作、部件、零件或其组合的可能
性。
具有与相关领域的上下文中的含义相同的含义,并且除非在本申请中明确定义,否则不被
解释为理想含义或过度正式含义。
描述。
(例如,压力、温度、流速等)以及将它们转换为数字数据;预警处理设备120,用于通过分析
转换的数据来产生预警;以及操作员监测器130,用于操作员检查设备状态、预警状态等。
超过正常驱动范围的情况下,不产生警告。此时,可以由操作员调整用于产生警告的正常驱
动范围。
据并将其存储作为学习模型,而且将其用于下一个预测值计算。
环境变化来学习最新数据的方法。
靠性可能降低。因此,对于这种类型的监测变量,需要执行反映改变的外部环境的最新模式
学习。
受外部环境影响的情况,则执行反映改变的外部环境的最新模式学习,并且当分析出其它
情况时应用传统的模式学习模型而没有任何改变。
境的模式模型(例如空气温度的模式模型300、气压的模式模型310和海水温度的模式模型
320,其中空气温度、气压和海水温度都代表外部环境分量)之间的相关性分析来计算相关
度(步骤S300),。此时,相关性计算使用通常用于统计分析的相关性分析。例如,将过去预定
时段期间的外部环境条件(例如外部空气温度、气压等)与每台机器的监测信号(例如温度、
压力、振动等)的变化进行比较,并且可以在每个外部条件和各个信号之间获得相关度。
S330)。
是由外部环境因素引起的警告进行分析。结果,当原因被确定为外部环境因素时,最新的模
式学习由操作员手动执行。相反,在没有产生预警的情况下,或者甚至在产生预警的情况
下,当预警不是由外部环境因素引起时,不需要再学习。
习数据库中(步骤S400)。然后,将当前值与存储在模式学习数据库中的每个月的值进行比
较(步骤S410)。
据包括在测量数据中并且可用于识别数据的月份)时,将当前值与模式学习和所存储的相
应月份的最大值和最小值进行比较。当差异是例如10%或更多时,确定与当前学习模式的
差异很大,并且认识到需要自动再学习。
大,且该影响对机器监测信号产生影响。也就是说,这意味着生成需要自动再学习的条件
(步骤S420)。
式模型(步骤S430)。
条线显示一年的历史驱动数据模式(实线)502和任意机器监测变量(泵轴承温度、机器冷却
热交换器入口温度、泵入口流量、泵出口压力、发电机油箱液位等)的模式(虚线)503。由于
图4和图5的外部环境监测变量涉及海水温度,因此外部环境监测变量在7月和8月以最高值
变化。
的目标。
是来自外部环境。图5的图表6、7和8可以归类为相关因子小于0.5并受外部环境影响的情
况。例如,图表8显示了海水温度模式和泵轴承振动模式,并且两种模式之间没有相关性。海
水温度显示出模式从1月开始增加,8月达到峰值并下降到12月,但在泵轴承振动模式中,重
复出现峰值又降低的模式重复出现而不考虑季节或月份。这种情况被分类为相关性非常低
并且不受外部环境影响的情况,并且不需要单独的再学习。
要求的范围内。例如,在不脱离本发明的范围的情况下,可以进行各种修改。另外,上述步骤
的一部分独立于顺序,并且可以以与上述步骤不同的顺序执行。