[发明专利]一种机械部件的异常状态检测方法及检测系统

权利要求书

1.一种机械部件的异常状态检测方法，其特征在于：选择并采集监测段外的机械部件的特征值以TF-IDF加权算法得到基准值，再采集监测段内实时特征值并将基准值带入得到结果并与设定阈值比较预判是否出现异常；

所述监测段外基准值包括由每个特征值对应的IDF值组成的IDF数据表和所有特征值的TF-IDF向量的均值组成的基线向量；

所述采集监测段外数据进行计算为训练步骤，采集监测段内实时特征值进行计算为预测过程；

训练步骤：通过选择机械部件的监测特征值进行离散化处理，处理后以恒定时间间隔升序排序设定时间窗口并滑动时间窗口，所有时间窗口作为文档组成特征值的语料库；采用TF-IDF加权算法计算生成所有特征值的IDF数据表和由所有特征值的TF-IDF向量取均值组成的基线向量；

预测过程：将实时生产或预测的监测特征值同样进行离散化处理后将训练步骤中的所有特征值IDF和基线向量带入，以相同时间间隔循环抽取时间窗口数据并对照训练步骤中得到的IDF数据表查询IDF值计算该特征的TF-IDF值，并计算该时间窗口的特征向量；计算实时特征向量与基线向量的矢量距离，并与设定阈值对比判定。

2.根据权利要求1所述的一种机械部件的异常状态检测方法，其特征在于：所述TF-IDF加权算法具体步骤为：

先计算每个特征值的归一化频率TF，其计算公式为：

式中，TF_i,j为特征值i在对应时间窗口中的归一化词频，n_i,j为特征值i在第j个时间窗口中出现的频次，分母∑_kn_k,j为所有特征值在第j个时间窗口中出现的频次之和；然后计算该特征值的逆向文档频率IDF，其计算公式为：

式中，IDF_i为该特征值i的逆向文档频率，|W|为所有时间窗口的总数，|{j:t_i∈w_j}|表示包括该特征值i的窗口数；然后通过公式计算TF-IDF值，具体公式如下：

TF-IDF_i,j＝TF_i,j×IDF_i

所述TF-IDF即为TF与IDF的乘积，并根据每个时间窗口内的所有特征值的TF-IDF值组成该时间窗口的TF-IDF向量，并将所有时间窗口的TF-IDF向量取均值组成基线向量，具体公式如下：

预测过程中同样采用相同TF-IDF加权算法计算实时特征向量。

3.根据权利要求1或2所述的一种机械部件的异常状态检测方法，其特征在于：在预测过程时计算实时特征向量与基线向量的矢量距离的方法包括但不限于欧式距离、马氏距离、余弦相似度等距离或分布度量方法。

4.根据权利要求1-2任一项所述的一种机械部件的异常状态检测方法，其特征在于：所述离散化处理具体为：并将特征量以预设定宽度分隔为至少两个集合，以每个集合的端点值确定其中值，该集合内小于中值的特征值以该集合的较小端点值为离散后的结果，大于中值的特征值以该集合的较大端点值为离散后的结果。

5.根据权利要求1-2任一项所述的一种机械部件的异常状态检测方法，其特征在于：所述时间窗口的具体设置步骤为：预设时间间隔和时间窗口的重叠值，然后循环滑动窗口抽取其中数据，得到在T₁-T₂内的数据集合即为一个时间窗口，所述重叠值为相邻两个时间窗口的时间范围的交集，所述重叠值大于等于0。

6.根据权利要求1-2任一项所述的一种机械部件的异常状态检测方法，其特征在于：所述特征值包括机械设备的温度数据和振动数据，所述振动数据根据频率分为位移、速度或加速度。

7.一种应用权利要求2的检测方法的检测系统，其特征在于：包括数据采集模块、数据传输模块和数据分析模块，所述数据采集模块为设置在机械部件上的传感器，通过传感器采集特征值并将特征值通过数据传输模块传递给数据分析模块进行计算并根据预设阈值判断是否异常。