专利汇可以提供一种基于相关性可视分析的汽轮机轴承振动异常分析方法专利检索,专利查询,专利分析的服务。并且本 发明 提出一种基于相关性可视分析的 汽轮机 轴承 振动异常分析方法,可应用于发电企业对于汽轮机轴振偏差的监控、预警及分析。本发明以汽轮机轴承运行相关变量的时间序列数据为研究对象,采用皮尔逊相关系数来衡量变量间的相关性,并通过可交互的图形化相关矩阵图来直观地呈现。由于汽轮机运行状态下轴承相关各变量之间的相互影响存在一定的时滞性,本发明设计了一种能够克服时滞因素影响的相关性 算法 ,从而更准确地得到各变量间的相关系数。通过多种 人机交互 功能和变量曲线图与相关矩阵图联动的实现,用户可以高效而灵活地对任意数量的变量之间的相关性进行快速分析,这对于汽轮机轴承监控预警和相关变量异常数据的处理及分析有着重大意义。,下面是一种基于相关性可视分析的汽轮机轴承振动异常分析方法专利的具体信息内容。
1.一种基于相关性可视分析的汽轮机轴承振动异常分析方法,其特征在于,该方法以经典的相关性评价指标皮尔逊相关系数为基础,提出了一种考虑工业过程时滞因素的相关性改进算法,通过该算法能计算出目标变量之间的相关系数,从而对汽轮机轴承振动状态进行监控和预警;利用相关矩阵图来对变量间的相关性大小及其时间上的先后关系进行可视化呈现,并通过多种人机交互功能的设置和变量曲线图与相关矩阵图联动的实现,使得用户可以高效而灵活地对汽轮机轴承振动相关变量之间的相关性进行快速分析。
2.根据权利要求1所述的一种基于相关性可视分析的汽轮机轴承振动异常分析方法,其特征在于,该方法包括如下步骤:
步骤1:选择n个变量x1,x2…xn,时间段t0~t,数据采样周期T,时滞范围ΔT,时移步长Δt;
步骤2:绘制出各变量的时间序列曲线,包括分别绘制与集中绘制两种模式,可通过按钮切换;
步骤3:计算出各变量两两之间的相关系数 及其对应的时滞 构成相关系数矩阵 和时滞矩阵
步骤4:基于数据分析及可视化工具,绘制出相关矩阵图,能够与变量曲线联动,从而获得与汽轮机轴承振动异常最相关的变量。
3.如权利要求2所述的基于相关性可视分析的汽轮机轴承振动异常分析方法,其特征在于,所述数据分析及可视化工具为:Java、Javascript和Echarts API。
4.如权利要求2所述的基于相关性可视分析的汽轮机轴承振动异常分析方法,其特征在于,步骤1中所述的n个变量的选择及配置步骤包括:
步骤1.1:运行变量x1,x2…xn包括待分析变量和与其相关联的变量,可以通过对相关变量的提前配置和自由勾选来确定;
步骤1.2:时间段t0~t的选择由异常状态的出现时间决定,根据变量的实际物理意义来选择对应长度的时间段;
步骤1.3:数据采样周期T,时滞范围ΔT,时移步长Δt根据待分析变量的实际物理意义来决定,系统会提供一组默认值。
5.如权利要求2所述的汽轮机运行异常状态变量相关性可视分析方法,其特征在于,步骤2中所述绘制出各变量的时间序列曲线的绘制步骤包括:
步骤2.1:根据步骤1中的参数分别绘制n条变量的运行曲线,即在n个坐标系中各绘制一条曲线,各坐标系的x轴保持平行,范围由选定的时间段确定,y轴由各变量的范围分别决定,尺度上保持一致;
步骤2.2:根据步骤1中的参数集中绘制n条变量的运行曲线,即在1个坐标系中绘制n条曲线,y轴不设具体单位,各参数按照各自的范围进行自适应绘制;
步骤2.3:两种绘制模式占据同一区域,通过一个切换按钮来进行控制分别显示;
步骤2.4:在分别绘制模式中,待分析变量曲线放在首位并通过红色来凸显;在集中绘制模式中,待分析变量曲线通过红色加粗来凸显,其它变量曲线利用颜色和对应图例来进行区分;
步骤2.5:在两种绘制模式中,通过鼠标悬停显示对应点的具体信息,包括变量名、变量值、时刻信息。
6.如权利要求2所述的基于相关性可视分析的汽轮机轴承振动异常分析方法,其特征在于,步骤3中所述的的相关系数通过皮尔逊相关系数(Pearson Correlation Coefficient)算法得到,计算表达式如下:
其中,X和Y是两个同维向量,cov(X,Y)表示两者的协方差,σX和σY分别是X和Y的标准差,对于两个向量X=(x1,…,xn)和Y=(y1,…,yn),两者的皮尔逊相关系数具体计算公式为:
其中,n为向量维度,和 分别是向量X和Y的均值。
7.如权利要求2所述的基于相关性可视分析的汽轮机轴承振动异常分析方法,其特征在于,步骤3中所述的时滞 通过以下方式获得:
对于每两个变量的向量,在时滞范围ΔT时间内每次移动Δt并计算对应的两向量之间的皮尔逊相关系数,总共移动ΔT/Δt次,选择其中绝对值最大的作为考虑时滞因素的相关性系数 移动的时间作为时滞
8.如权利要求1所述的基于相关性可视分析的汽轮机轴承振动异常分析方法,其特征在于,步骤4中所述的绘制出相关矩阵图的绘制过程如下:
步骤4.1:系统界面中左侧框图为轴振相关变量的原始运行曲线图,右侧框图为相关性矩阵图;
步骤4.2:相关性矩阵图与运行曲线图联动,即根据运行曲线的时间范围来动态地计算各变量之间的考虑时滞因素的相关系数并进行可视化展示;
步骤4.3:相关性矩阵的可视化包括相关系数的可视化编码,相关系数的聚类呈现,以及鼠标悬浮显示对应变量信息交互功能。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
灌浆压力波动程控方法 | 2020-05-12 | 435 |
一种变频器故障诊断方法 | 2020-05-13 | 336 |
基于知识的装配工艺设计方法、系统及介质 | 2020-05-13 | 653 |
一种断路器控制回路可靠性评估方法及装置 | 2020-05-11 | 127 |
一种企业管理咨询系统 | 2020-05-13 | 830 |
姿势估计方法、装置、设备及存储介质 | 2020-05-12 | 424 |
一种无线能量传输系统的远程控制装置及方法 | 2020-05-13 | 90 |
一种基于执法办案区场景下的倒地异常行为识别方法 | 2020-05-08 | 655 |
一种加入低通滤波器的逆变器系统及其改进的控制方法 | 2020-05-08 | 365 |
基于KCF的目标跟踪优化算法 | 2020-05-08 | 769 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。