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構概要設計系統(tǒng)模塊關系圖概要設計系統(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》2009年4期2.相似度判別3.計算得分算法設計-關聯(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）構建三層神經(jīng)網(wǎng)絡，通過學習，確定每層次權重；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