[发明专利]一种提升评估模型预警提前性和准确性的方法

权利要求书

1.一种提升评估模型预警提前性和准确性的方法，其特征在于步骤包括：

1)现场生产异常记录包括生产异常的开始、结束时间，停机原因，将现场生产异常记录作为模型负样本的来源，通过滑动窗长的方法提炼获得真实生产异常前的数据模式，根据现场生产异常记录，筛选出建模对象j的历史生产异常时间集合D，D＝{d₁，d₂，…，d_n}，其中d_n＝t_nbegin，d_n是第n个生产异常时间，t_nbegin是第n个异常时间段的开始时间；

2)模型捕捉生产异常前k时间内的数据变化规律：根据步骤1)得到的异常时间集合D，使用每个生产异常开始时间t_nbegin向前减去k个时间，代表生产异常在数据模式上的提前性，初始的k值根据建模对象预警提前性的需求确定，得到历史生产异常前k个时间段集合D_k，D_k＝{d_k1，d_k2，…，d_kn}，其中d_kn＝(t_nbegin-k，t_nbegin)，d_kn是每一段生产异常前的预警提前时间，也是开始存在数据异常的时间；

3)模型评估对象在生产异常前k时间内的健康度HPI方差和斜率变化趋势提前反映异常，因此需要计算建模对象j在集合D_k内的健康度HPI方差D_kv、健康度HPI斜率D_ks，其中D_kv＝{d_kv1，d_kv2，…，d_kvn}，D_ks＝{d_ks1，d_ks2，…，d_ksn}；

4)设置健康度HPI方差和斜率的阈值，如果超出该阈值，模型开始预警；

5)计算在生产异常前k个时间内，根据阈值参数d_kvT、d_ksT，得到的历史生产异常预警的方差、斜率重合率指标pD_kvp、pD_ksp，其中

6)建立HPI趋势预警重合率损失函数表征提前方差、斜率异常变化和历史生产异常的重合率，重合率越高，表示参数k、d_kvT、d_ksT越合适；

p＝pD_kvp+pD_ksp；

7)使用启发式算法求解HPI趋势预警重合率损失函数，寻找参数k、d_kvT、d_ksT合适值使得损失函数p值最大；

8)将确定建模对象最优的报警提前时长k，建模对象最合适的健康度HPI方差阈值d_kvT，斜率阈值d_ksT代入步骤1)-7)，随着模型更新而重新求解，因而具有自适性；

9)模型运行时，实时计算k时间段内的健康度HPI方差d_kv是否超出d_kvT，若超出则提示方差预警；实时计算k时间段内的健康度HPI斜率d_ks是否超出d_ksT，若超出则提示斜率预警。

2.根据权利要求1所述的一种提升评估模型预警提前性和准确性的方法，其特征在于使用历史数据，根据阈值参数对故障重合率的统计方式，故障重合率体现了以上参数阈值设置是否合理，并且可进一步判断该故障类型是否具有提前预警的可能性，

首先初始化集合D_kv、D_ks的元素阈值分别为d_kvT、d_ksT、其次根据阈值参数d_kvT、d_ksT得到故障重合判断集合D_kvp、D_ksp，

初始化d_kvT

初始化d_ksT

集合D_kvp＝{d_kvp1，d_kvp2，…，d_kvpn}

其中

集合D_ksp＝{d_ksp1，d_ksp2，…，d_kspn}

其中

得到历史生产异常前，健康度HPI斜率趋势、方差趋势是否超出阈值的判断结果矩阵。