[发明专利]碱式电解槽的温度传感器故障诊断方法与装置

说明书

本申请提供了一种碱式电解槽的温度传感器故障诊断方法与装置。该方法包括获取碱式电解槽的温度传感器的历史时序数据；使用CEEMDAN算法对历史时序数据进行分解，得到模态分量集合；从模态分量集合中筛选出预定模态分量；计算预定模态分量对应的多个尺度方差排列熵，多个尺度方差排列熵用于表征预定模态分量的宏观分布信息与局部排列信息；将多个尺度方差排列熵构建成一个特征向量；基于特征向量对碱式电解槽的温度传感器的故障进行诊断。实现了对碱式电解槽的温度传感器故障的精确诊断。

技术领域

本申请涉及温度传感器故障诊断领域，具体而言，涉及一种碱式电解槽的温度传感器故障诊断方法、装置、计算机可读存储介质与处理器。

背景技术

碱式电解槽的温度传感器处于强碱和复杂的电磁环境，工况环境恶劣，导致其易发生故障。故障传感器采集的数据可靠性低，造成温度控制系统控制性能下降甚至失效，进而降低电解槽的安全性与经济性。采用多传感器进行测量、或定期更换传感器会降低电解槽经济性，增加电解槽结构的复杂性和维护时间。因此从温度传感器的历史输出数据中提取故障信号以便及时的对其进行故障诊断，具有非常大的现实意义。

陈寅生等首先获取了气体传感器的历史时序数据，对其进行经验模态分解，获得一组模态函数。计算每个模态函数的样本熵，将其作为气体传感器的故障特征，使用SRC分类器对特征分类，获取传感器故障状态。

现有技术中的方案主要有以下三个缺点：

一、在历史时序数据的排列信息提取时，提取信息维度单一，造成传感器误诊断问题。造成缺点的原因是在进行信息提取时所用的样本熵只具有单一时间尺度，无法获得数据宏观分布信息和数据的局部排列信息；

二、诊断模型的自适应能力弱，原因在于小波分解的小波基函数一旦确定，就使得模型转换特性固定，经验模态分解存在模态混叠问题，从而导致模型自适应弱。

三、特征分类器难以适应工业界大规模数据场景，可移植性差。其原因在于为适应不同场景分类器需要进行人工调参，分类器不能分布式运行，不支持在Hadoop等分布式环境上运行。

发明内容

本申请的主要目的在于提供一种碱式电解槽的温度传感器故障诊断方法、装置、计算机可读存储介质与处理器，以解决现有技术中碱式电解槽的温度传感器故障诊断方法提取信息维度单一，造成传感器误诊断的问题。

为了实现上述目的，根据本申请的一个方面，提供了一种碱式电解槽的温度传感器故障诊断方法，包括：获取碱式电解槽的温度传感器的历史时序数据；使用CEEMDAN算法对所述历史时序数据进行分解，得到模态分量集合；从所述模态分量集合中筛选出预定模态分量；计算所述预定模态分量对应的多个尺度方差排列熵，所述多个尺度方差排列熵用于表征所述预定模态分量的宏观分布信息与局部排列信息；将多个尺度方差排列熵构建成一个特征向量；基于所述特征向量对所述碱式电解槽的温度传感器的故障进行诊断。

进一步地，从所述模态分量集合中筛选出预定模态分量，包括：使用峭度和方差两个指标，从所述模态分量集合中筛选出所述预定模态分量。

进一步地，基于所述特征向量对所述碱式电解槽的温度传感器的故障进行诊断，包括：将所述特征向量输入至XGBoost分类器，所述XGBoost分类器输出所述特征向量对应的所述历史时序数据的故障类型。

进一步地，所述方法还包括：对所述XGBoost分类器进行优化。

进一步地，对所述XGBoost分类器进行优化，包括：对萤火虫算法进行改进，得到改进的萤火虫算法；采用所述改进的萤火虫算法对所述XGBoost分类器的超参数进行优化，得到优化的超参数。