【技术实现步骤摘要】
本专利技术涉及提升系统故障诊断，具体涉及一种基于凸包和cnn-lstm的提升系统故障诊断方法。
技术介绍
1、矿井提升系统是用于煤炭、金属、非金属矿山等矿井中提升人员、矿石、废石、材料和设备等物资的专用设备。由于矿井提升系统的复杂性和每个模块功能限制性，在系统实际使用中存在对一些特殊情况做出反应滞后，甚至出现误报、漏报和盲区的问题。
2、因此，现需要一种准确对提升系统准确进行故障预测的基于凸包和cnn-lstm的提升系统故障诊断方法。
技术实现思路
1、本专利技术的主要目的在于提供一种基于凸包和cnn-lstm的提升系统故障诊断方法，以解决现有技术中不能对提升系统进行故障预测的问题。
2、为实现上述目的，本专利技术提供了一种基于凸包和cnn-lstm的提升系统故障诊断方法，具体包括如下步骤：
3、s1，对原始提升系统数据采用归一化法进行数据预处理；
4、s2，首先观察数据点之间在时间间隔内是否稳定，如果时间间隔内数据波动较小，则说明数据的时间连续性较强，反之则说明数据的时间连续性较弱，然后利用皮尔逊相关系数法确定连续性强的变量之间的皮尔逊关联性，以及确定连续性弱的变量之间的皮尔逊关联性，若皮尔逊系数的绝对值趋于1，则说明皮尔逊关联性较高，若皮尔逊系数的绝对值趋于0，则说明皮尔逊关联性较低，将连续性强且皮尔逊相关系数较高的变量进行组合，将连续性弱且皮尔逊相关系数高的变量进行组合；
5、s3，将连续性较弱且皮尔逊相关系数较高的
6、s4，将连续性较弱且皮尔逊相关系数较高的转矩、转速和功率组合，进行基于凸包正常工作区的多变量过程报警监控的算法进行分析；
7、s5，将连续性较强且皮尔逊相关系数较高的多个定子绕组温度组合输入cnn-lstm神经网络，分别预测多个定子绕组温度的趋势。
8、进一步地，步骤s1具体利用公式(1)，将提升系统系统变量进行数据预处理：
9、
10、式中，xmax和xmin分别表示特征的最大值和最小值，x和x分别表示归一化前和归一化后的特征。
11、进一步地，通过各个参数的趋势图来进行判断是否为连续性强或弱的参数，说明书附图中的图1到图11为各个参数的趋势图，通过观察趋势图可知，步骤s2中连续性弱的参数包括提升系统的定子电流、转子电流、功率、转矩和转速，连续性强的参数包括提升系统的多个定子绕组温度：
12、进一步地，步骤s3具体包括如下步骤：
13、s2.1，提升系统的转矩、转速和功率分别由三个模拟过程变量x1，x2，x3表示，三个模拟过程变量组成多变量过程x，正常条件下的历史数据点表示为：{x(t)|t∈[1，n]}，其中x(t)：＝[x1(t)，x2(t)，x3(t)]；其中，t和n分别是采样时间索引和数据点的数量。
14、s2.2，提升系统的转矩、转速和功率组成的凸包模型为三维凸包模型，每个凸包面的方程由公式(2)表示：
15、ajx+bjy+cjz+dj＝0 (2)；
16、其中，aj，bj，cj，dj分别对应三维凸包中第j个凸包平面的系数，x、y和z分别对应x1，x2，x3三个维度。
17、s2.3，将ti时刻的数据点[x1(ti)，x2(ti)，x3(ti)]代入凸包面的方程中，如果所有凸包面的计算结果都小于等于0，则表示该点在凸包内部。
18、进一步地，步骤s4具体包括如下步骤：
19、s3.1，提升系统的定子电流和转子电流由两个模拟过程变量x1，x2表示，两个模拟过程变量组成的多变量过程x，正常条件下的历史数据点表示为{x(t)|t∈[1，n]}，其中x(t)：＝[x1(t)，x2(t)]。
20、s3.2，提升系统的定子电流和转子电流组成的凸包模型为二维凸包模型，将构成凸包的数据点按顺序排列，若ti时刻的提升系统数据点[x1(ti)，x2(ti)]满足公式(3)，则认为该数据点在凸包的外部或凸包边界上：
21、(yj+1-yj)*(x1(ti)-xj+1)-(xj+1-xj)*(x2(ti)-xj+1)≤0 (3)；
22、其中，xj和xj+1分别表示第j个和第j+1个凸包点在x1维度的数值，yj和yj+1分别表示第j个和第j+1个凸包点在x2维度的数值。
23、s3.3，若ti时刻的提升系统数据点在组成二维凸包模型所有边界的外部或边界上，则认为ti时刻的提升系统数据点在凸包范围内，即该时刻提升系统的定子电流和转子电流无异常。
24、进一步地，步骤s5中以提升系统的6个定子绕组温度为组合输入cnn-lstm网络模型中，cnn-lstm神经网络模型包括：依次相连的输入层、cnn层、lstm层和线性输出层。
25、本专利技术具有如下有益效果：
26、本专利技术基于提升系统的运行机理，运用基于数据的建模与分析方法，并与异常预警、故障诊断技术结合，从提升系统的主要设备的运行状态进行多参数分析。通过变量的皮尔逊关联性分析，对于连续性不强的参数得出变量的变化区域，对于连续性强的参数可以根据变量的变化趋势，给出异常报警。
本文档来自技高网...【技术保护点】
1.一种基于凸包和CNN-LSTM的提升系统故障诊断方法，其特征在于，具体包括如下步骤：
2.根据权利要求1所述的一种基于凸包和CNN-LSTM的提升系统故障诊断方法，其特征在于，步骤S1具体利用公式(1)，将提升系统系统变量进行数据预处理：
3.根据权利要求1所述的一种基于凸包和CNN-LSTM的提升系统故障诊断方法，其特征在于，通过各个参数的趋势图来进行判断是否为连续性强或弱的参数，通过观察趋势图可知，步骤S2中连续性弱的参数包括提升系统的定子电流、转子电流、功率、转矩和转速，连续性强的参数包括提升系统的多个定子绕组温度。
4.根据权利要求1所述的一种基于凸包和CNN-LSTM的提升系统故障诊断方法，其特征在于，步骤S3具体包括如下步骤：
5.根据权利要求1所述的一种基于凸包和CNN-LSTM的提升系统故障诊断方法，其特征在于，步骤S4具体包括如下步骤：
6.根据权利要求1所述的一种基于凸包和CNN-LSTM的提升系统故障诊断方法，其特征在于，步骤S5中以提升系统的6个定子绕组温度为组合输入CNN-LSTM网络模型中
...【技术特征摘要】
1.一种基于凸包和cnn-lstm的提升系统故障诊断方法，其特征在于，具体包括如下步骤：
2.根据权利要求1所述的一种基于凸包和cnn-lstm的提升系统故障诊断方法，其特征在于，步骤s1具体利用公式(1)，将提升系统系统变量进行数据预处理：
3.根据权利要求1所述的一种基于凸包和cnn-lstm的提升系统故障诊断方法，其特征在于，通过各个参数的趋势图来进行判断是否为连续性强或弱的参数，通过观察趋势图可知，步骤s2中连续性弱的参数包括提升系统的定子电流、转子电流、功率、转矩和转速，连续性强的参数包括提升系统的多个...
【专利技术属性】
技术研发人员：李昌杰，高维强，安明，张红光，刘建，刘毅，吴硕果，王玲，李冬冬，杜鲁鲁，赵广社，范俊杰，江多武，王金洋，王祥剑，崔小超，刘旭，亓聪聪，
申请(专利权)人：兖矿能源集团股份有限公司，
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。