【技术实现步骤摘要】
本专利技术涉及故障诊断，更具体地说，本专利技术涉及一种基于数据处理的色谱仪故障诊断分析方法及系统。
技术介绍
1、申请公开号为cn115267035a的专利公开了一种色谱仪故障诊断分析方法及系统，涉及数据处理
，获取到多个待诊断色谱仪对应的多个待分析色谱图，多个待分析色谱图通过多个待诊断色谱仪对相同的目标检测对象进行检测得到，对于多个待分析色谱图中的每两个待分析色谱图，对该两个待分析色谱图进行色谱图对比分析处理，以输出该两个待分析色谱图之间的色谱图相关度，依据多个待分析色谱图中的每两个待分析色谱图之间的色谱图相关度，对多个待诊断色谱仪进行故障状态确定处理，以输出每一个待诊断色谱仪对应的故障状态确定结果，用于反映是否存在故障，可以在一定程度上提高色谱仪故障诊断分析的可靠度。
2、但是现有的色谱仪故障诊断过程还是依然高度依赖人工经验，自动化和智能化水平较低，操作人员需要耗费大量的人力和时间资源来分析和判断故障，效率低下，门槛较高，并且在获取色谱峰面积等关键特征时，精度不足，无法充分利用原始色谱数据中蕴含的信息，导致后续故障诊断的基础不够扎实，诊断结果的准确性和可靠性受到影响，其次，难以从复杂的色谱仪运行的数据中发现潜在的故障模式，为后续的故障识别和分类带来障碍，最后，现有的色谱仪故障诊断主要依赖基于经验规则的故障诊断方法，给实验室的色谱分析工作带来了较高的人力成本和工作强度，效率低下。
3、鉴于此，本专利技术提出一种基于数据处理的色谱仪故障诊断分析方法及系统以解决上述问题。
1、为了克服现有技术的上述缺陷，为实现上述目的，本专利技术提供如下技术方案：一种基于数据处理的色谱仪故障诊断分析方法，包括：s1、获取色谱仪在n个时间点的运行数据，并将运行数据进行预处理，得到标准化运行数据；
2、s2、基于标准化运行数据生成相似度矩阵；
3、s3、基于相似度矩阵，使用改进聚类算法将标准化运行数据进行聚类，得到n个聚类簇；
4、s4、计算每个聚类簇的密度中心和离散度，并基于密度中心和离散度构建故障特征向量；利用预先构建完成的分类模型对故障特征向量进行分类，得到故障类型并发送至控制终端。
5、进一步地，所述运行数据包括色谱峰面积、保留时间、基线噪声、柱温、流速和压力。
6、进一步地，所述色谱峰面积的获取方式包括：
7、获取原始色谱数据，将原始色谱数据进行一阶导数得到；为原始色谱数据中的数据索引；
8、设置一阶导数阈值；若，则将标记为峰段；若，则将标记为基线段；得到基线段数据和峰段数据；
9、对基线段数据和峰段数据分别进行卷积平滑，得到平滑后基线段数据和平滑后峰段数据；将平滑后基线段数据和平滑后峰段数据合并，得到平滑色谱数据；将平滑色谱数据进行基线校正，得到校正色谱数据；
10、将应用图像二值化算法，将校正色谱数据转换为二值图像，二值图像中峰区域为前景区域，基线为背景区域；在二值图像中标记出所有的连通的前景区域，每个连通的前景区域为对应的候选色谱峰；
11、对于候选色谱峰，提取其边界点构成的集合，记作边界点集合；将候选色谱峰作为离散的二维曲线，其横坐标为候选色谱峰对应的保留时间，纵坐标为峰强度；
12、将候选色谱峰按保留时间等距划分为n3个区间；在每个区间内，取三个等距节点，分别记为、和；则区间内候选色谱峰的面积；将所有区间的面积求和，即得到色谱峰面积。
13、进一步地，所述平滑后基线段数据；其中，为基线段窗口函数，为基线段窗口函数的变量索引；表示输入的原始色谱数据在位置处的取值；
14、基线段窗口函数；其中，为基线段窗口函数的窗口宽度；
15、所述平滑后峰段数据；其中，为峰段窗口函数，为峰段窗口函数的变量索引；表示输入的原始色谱数据在位置处的取值；
16、峰段窗口函数，其中，是自适应标准差函数；
17、自适应标准差函数；其中，、和为自适应参数。
18、进一步地，所述将平滑色谱数据进行基线校正的方式包括：
19、根据平滑色谱数据的保留时间的范围，将其划分为m1个时间段；所述时间段的划分方式包括：
20、定义基线变化评价函数；其中，为平滑色谱数据在时间点处的数据，为在时间点处的局部拟合函数；
21、预设变化阈值，当时，则将时间段进行划分，从平滑色谱数据的起点开始，移动端点，不断计算，当大于时确定一个时间段的终止边界；重复直至覆盖整个保留时间的范围，得到m1个时间段的划分；
22、对每个时间点的平滑色谱数据计算一阶导数，作为对应时间点的基线变化率；
23、预设变化率阈值；若在时间段内持续成立，则定义时间段为平坦段；
24、将每个时间段的平滑色谱数据进行线性回归，得到拟合直线方程，并计算平滑色谱数据与对应的拟合直线方程之间的残差，若残差在时间段内的均值无限接近于0且残差在时间段内的标准差小于预设的标准差阈值，则定义时间段为线性段；
25、若时间段既未被定义为平坦段也未被定义为线性段，则定义其为曲线段；对于平坦段的时间段，利用常数基线模型拟合对应时间段的平滑色谱数据，对于线性段的时间段，利用一次多项式模型拟合对应时间段的平滑色谱数据，对于曲线段的时间段，利用高阶多项式非线性模型拟合对应时间段的平滑色谱数据；得到对应时间段的基线曲线；
26、对每个时间段的基线曲线的端点值及一阶导数值进行平滑拼接，得到整体的平滑基线曲线；
27、将整体的平滑基线曲线，从平滑色谱数据中扣除，并进行归一化处理，即完成基线校正，得到校正色谱数据。
28、进一步地，所述将运行数据进行预处理的方式为时间序列对准；时间序列对准的方式包括：
29、将任一时间点的运行数据作为一个时间序列，对每个时间序列提取形状特征向量，计算n个时间序列两两之间形状特征向量的欧氏距离，记作形状相似度；得到一个n×n的形状相似度矩阵m_s，形状相似度矩阵m_s中的元素为形状相似度；
30、对每个时间序列，计算它与其他所有时间序列的形状相似度的平均值，选取平均值最大的那个时间序列作为参考序列；
31、对于除参考序列外的时间序列s，将其分割为k个子序列，对应的同样分割为k个子序列；对每个时间序列s对应的子序列，计算它与对应的子序列的相似度；其中，为与之间的dtw距离；为与之间的最大可能dtw距离；
32、定义每个子序列的拉伸压缩系数；其中，是超参数；
33、基于拉伸压缩系数对每个子序列进行拉伸压缩，的长度为lk，拉伸压缩后的长度为；将所有拉伸压缩后的子序列拼接，得到标准化运行数据。
34、进一步地，所述相似度矩阵的生成方式包括：
35、构建一个6维特征空间，对于每个时间点，将时间点的标准化运行数据作为一个6维向量，将每个6维向量映射到6维特征空间中的一个数据点；
本文档来自技高网...【技术保护点】
1.一种基于数据处理的色谱仪故障诊断分析方法，其特征在于，包括：S1、获取色谱仪在n个时间点的运行数据，并将运行数据进行预处理，得到标准化运行数据；
2.根据权利要求1所述的一种基于数据处理的色谱仪故障诊断分析方法，其特征在于，所述运行数据包括色谱峰面积、保留时间、基线噪声、柱温、流速和压力。
3.根据权利要求2所述的一种基于数据处理的色谱仪故障诊断分析方法，其特征在于，所述色谱峰面积的获取方式包括：
4.根据权利要求3所述的一种基于数据处理的色谱仪故障诊断分析方法，其特征在于，所述平滑后基线段数据；其中，为基线段窗口函数，为基线段窗口函数的变量索引；表示输入的原始色谱数据在位置处的取值；
5.根据权利要求4所述的一种基于数据处理的色谱仪故障诊断分析方法，其特征在于，所述将平滑色谱数据进行基线校正的方式包括：
6.根据权利要求5所述的一种基于数据处理的色谱仪故障诊断分析方法，其特征在于，所述将运行数据进行预处理的方式为时间序列对准；时间序列对准的方式包括：
7.根据权利要求6所述的一种基于数据处理的色谱仪故障
8.根据权利要求7所述的一种基于数据处理的色谱仪故障诊断分析方法，其特征在于，所述进行聚类的方式包括：
9.根据权利要求8所述的一种基于数据处理的色谱仪故障诊断分析方法，其特征在于，所述密度中心的计算公式为：
10.一种基于数据处理的色谱仪故障诊断分析系统，其用于实现权利要求1至9任一项所述的一种基于数据处理的色谱仪故障诊断分析方法，其特征在于，包括：数据采集处理模块，用于获取色谱仪在n个时间点的运行数据，并将运行数据进行预处理，得到标准化运行数据；
...【技术特征摘要】
1.一种基于数据处理的色谱仪故障诊断分析方法，其特征在于，包括：s1、获取色谱仪在n个时间点的运行数据，并将运行数据进行预处理，得到标准化运行数据；
2.根据权利要求1所述的一种基于数据处理的色谱仪故障诊断分析方法，其特征在于，所述运行数据包括色谱峰面积、保留时间、基线噪声、柱温、流速和压力。
3.根据权利要求2所述的一种基于数据处理的色谱仪故障诊断分析方法，其特征在于，所述色谱峰面积的获取方式包括：
4.根据权利要求3所述的一种基于数据处理的色谱仪故障诊断分析方法，其特征在于，所述平滑后基线段数据；其中，为基线段窗口函数，为基线段窗口函数的变量索引；表示输入的原始色谱数据在位置处的取值；
5.根据权利要求4所述的一种基于数据处理的色谱仪故障诊断分析方法，其特征在于，所述将平滑色谱数据进行基线校正的方式包括：
【专利技术属性】
技术研发人员：毕春晖，陈济康，吴晶，
申请(专利权)人：杭州携测信息技术股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。