物聯(lián)設備預警算法說明

油氣生產(chǎn)物聯(lián)設備預警系統(tǒng)—傳感器健康分析算法說明算法說明自學習判讀算法功能結(jié)構(gòu)概要設計系統(tǒng)模塊關(guān)系圖概要設計系統(tǒng)數(shù)據(jù)&控制流圖接口設計1、原則以數(shù)據(jù)庫為接口，判讀系統(tǒng)作為獨立進程運行，進程間不進行直接數(shù)據(jù)交互2、接口表概要設計輸入接口表：判讀邏輯輸出接口表輸出接口表算法模型讀值判讀模型貝葉斯網(wǎng)絡模型（BayesianNetwork）P(Final_rate)P(R)P(N_R)P(V_R)P(F_node_rate)P(H_V_rate)P(V_V_rate)P(B_node_rate)P(K_node_rate)P(T)算法設計-數(shù)據(jù)預處理統(tǒng)計滑動窗口

吳小培,葉中付,郭曉靜,張道信,胡人君,基于滑動窗口的獨立分量分析算法計算機研究與發(fā)展》2007年1期聶國梁,盧正鼎,聶國棟，流數(shù)據(jù)近似統(tǒng)計算法研究《計算機科學》2005年4期算法設計-閾值分析跳變發(fā)現(xiàn)流程劉軍,程光,異常檢測中信息熵靈敏度分析《廣西大學學報（自然科學版）》2011年z1期算法設計-同比環(huán)比分析環(huán)比判讀流程薛正華,董小社,李炳毅,廖詩華,基于BP神經(jīng)網(wǎng)絡的集群負載預測器《華中科技大學學報（自然科學版）》2007年z2期

林香,姜青山,熊騰科,一種基于遺傳BP神經(jīng)網(wǎng)絡的預測模型《計算機研究與發(fā)展》2006年z3期核心思路1.斜率擬合算法設計-關(guān)聯(lián)分析（趨勢分析）獲取一個單元的斜率向量（最小二乘擬合）判別向量相似度給定評分向量空間增量式聚類算法狀態(tài)遷移窗口設計吳佳,羅可,改進的模糊C均值的增量聚類算法《計算機工程與應用》2011年23期劉青寶,侯東風,鄧蘇,張維明基于相對密度的增量式聚類算法《國防科技大學學報》2006年5期張宇,劉雨東,計釗，向量相似度測度方法《聲學技術(shù)》2009年4期2.相似度判別3.計算得分算法設計-關(guān)聯(lián)分析（趨勢分析）續(xù)（0,0）（1,1）（1,-2）Θ2Θ1（x1,x2）理論壽命例如：廠家規(guī)定壽命8年，帶入計算公式可得：算法設計-壽命估計徐春玲，現(xiàn)場可靠性評定的理論與實踐，2010-南京理工大學：電子與通信工程秦金磊,牛玉廣,李整,電站設備可靠性問題的威布爾模型求解優(yōu)化方法《中國電機工程學報》2012年z1期服役時間評分檢修時間評分算法設計-壽命估計（續(xù)）故障信息評分算法設計-壽命估計（續(xù)）算法設計-綜合評定算法設計-自學習模塊增量式聚類算法設計-自學習模塊（0,0）（1,1）（1,-2）（x1,x2）1）若告警，則將當前狀態(tài)插入向量空間2）當前狀態(tài)空間內(nèi)的向量超過預定范圍，進行增量合并神經(jīng)網(wǎng)絡預測模塊算法設計-自學習模塊1）構(gòu)建三層神經(jīng)網(wǎng)絡，通過學習，確定每層次權(quán)重；2）依據(jù)歷史3次讀值，預計第四次讀值并校驗；循環(huán)迭代，訓練網(wǎng)絡模型；3）依據(jù)最近3次讀值，預計本次讀值第1層（隱含層）第2層（隱含層）第3層（輸出層）第0層（輸入層）輸入數(shù)據(jù)單個儀表偶發(fā)數(shù)據(jù)不正常 輸出結(jié)果：不告警；輸入數(shù)據(jù)單個儀表連續(xù)數(shù)據(jù)不正常 輸出結(jié)果：告警；單個儀表趨勢（低限）預警 輸出：告警；單個儀表趨勢（高限）預警 輸出：告警；單個儀表突發(fā)超限 輸出：告警；邏輯上同組的設備，一個發(fā)生異常變化，其余不變 輸出結(jié)果，發(fā)生變化的告警；邏輯上同組的設備，均發(fā)生變化 輸出結(jié)果，都告警；用戶對告警信息確認為虛警，再次輸入相類似數(shù)據(jù)，不再告警；用戶對告警信息確認為實際警告，再次輸入相類似數(shù)據(jù)，再次告警；邏輯上多個分組，隸屬于不同分組的設備分別發(fā)生異常變化，分別告警；設備啟動，數(shù)據(jù)逼近正常區(qū)域 不告警；設備停止，一次性告警，確認為虛