一种压力变送器故障检测方法、装置及存储介质

技术领域

本发明涉及仪器仪表故障检测技术领域，尤其涉及一种压力变送器故障检测方法、装置及存储介质。

背景技术

压力变送器是工业现场监测重大设备及系统整体状态的重要器件，压力变送器返回的数据可以直观的反映出设备的健康程度以及系统运行的是否平稳。压力变送器返回数据及时、准确对现场工业设备的稳定运行至关重要。

对于压力变送器的检修大部分企业采用故障后维修和定期检修。故障后维修就是在发现压力变送器出现故障后才进行维修，此种维修方法势必会影响企业的生产计划。受备件库存，以及采购周期等因素影响，压力变送器突然损坏可能会导致企业不定期的停工停产，生产能力下降。定期检修即定期对压力变送器进行有计划的维护、保养、更换。小型压力变送器的维修大多采用定期更换的方式，而更换周期是企业根据自身实际情况而定，如果更换过于频繁，会导致更换费用较高，如果更换间隔时间过长，可能导致压力变送器在被更换前出现故障导致停工停产。

发明内容

本发明所要解决的技术问题是针对现有技术存在的问题，提供一种压力变送器故障检测方法、装置及存储介质。

为解决上述技术问题，本发明实施例提供一种压力变送器故障检测方法，包括：获取压力变送器在预设时长内的压力采样样本，将压力采样样本划分为多个子样本；对压力采样样本中的采样点进行离群点检测，获得第一离群点；剔除压力采样样本起始位置和终止位置附近的第一离群点，获得第二离群点；建立线性回归模型，确定每个子样本对应的线性回归模型的均方误差；根据均方误差剔除第二离群点中的异常离群点，获得第三离群点；根据第三离群点的出现频率，预测压力变送器产生故障的可能性。

为解决上述技术问题，本发明还提供一种压力变送器故障检测装置，包括：数据获取模块、离群点检测模块、离群点预处理模块、模型评价模块、异常离群点剔除模块和故障预测模块；数据获取模块用于获取压力变送器在预设时长内的压力采样样本，将压力采样样本划分为多个子样本；离群点检测模块用于对压力采样样本中的采样点进行离群点检测，获得第一离群点；离群点预处理模块用于剔除压力采样样本起始位置和终止位置附近的第一离群点，获得第二离群点；模型评价模块用于建立线性回归模型，确定每个子样本对应的线性回归模型的均方误差；异常离群点剔除模块用于根据均方误差剔除第二离群点中的异常离群点，获得第三离群点；故障预测模块用于根据第三离群点出现的频率，预测压力变送器产生故障的可能性。

为解决上述技术问题，本发明还提供一种计算机可读存储介质，包括指令，当所述指令在计算机上运行时，使所述计算机执行上述技术方案提供的压力变送器故障检测方法。

为解决上述技术问题，本发明还提供一种压力变送器故障检测装置，包括存储器、处理器及存储在所述存储器上的并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现上述技术方案提供的压力变送器故障检测方法。

本发明的有益效果是：对压力采样数据进行离群点检测，剔除压力采样数据起始位置和终止位置附近的离群点，防止起始位置和终止位置被误判为离群点；通过线性回归模型以及其评价指标均方误差排除了压力变化过快导致离群点无法表征故障点的问题，大大提高了故障跳变点检测结果的准确度；本发明有效解决了现有技术中压力变送器早期故障检测难，定期更换费用高等问题。

本发明附加的方面及其优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明实践了解到。

附图说明

图1为本发明实施例提供的压力变送器故障检测方法流程图；

图2为本发明实施例提供的压力变送器故障检测方法运行结果图；

图3为本发明实施例提供的压力变送器故障检测装置示意图。

具体实施方式

以下通过特定的具体实例说明本公开的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然，所描述的实施例仅仅是本公开的一部分实施例，而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本公开的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。

需要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开，所属领域的技术人员应了解，本文中所描述的一个方面可与任何其它方面独立地实施，且可以各种方式组合这些方面中的两者或两者以上。举例来说，可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外，可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。

图1为本发明实施例提供的压力变送器故障检测方法流程图。如图1所示，该方法包括：

S1，获取压力变送器在预设时长内的压力采样样本，将压力采样样本划分为多个子样本。

具体的，在本地建立OPC((OLE for Process Control)用于过程控制的OLE，是一个工业标准。OLE(Object Linking and Embedding)，对象连接与嵌入，简称OLE技术，是一种面向对象的技术)客户端，与现场的OPC服务器进行连接，根据所给的OPCID(OPCID(OLEfor Process Control Identity Document)，OPC标准里规定的ID(唯一身份标识))对现场的压力变送器的测量值进行周期性的读取并记录。

采集压力变送器的压力值读数，设总采样时间为T，相邻采样点之间间隔为TS，压力采样样本为X。将压力采样样本X平均分为K个子样本，即X＝{X

S2，对压力采样样本中的采样点进行离群点检测，获得第一离群点。

本发明实施例采样孤立森林法对压力采样样本中的采样点进行离群点检测。具体地，设置孤立森林数据集污染量为一个较小的值，本发明实施例中取值为0.005，建立孤立森林模型，并对孤立森林模型进行训练，根据训练结果预测出采样点中的离群点。

S3，剔除压力采样样本起始位置和终止位置附近的第一离群点，获得第二离群点。

具体的，对于系统采集的时域数据使用孤立森林进行离群点识别时，会导致数据的起始位置的左侧没有其它采样点，终止位置的右侧没有其它采样点。从而使得起始位置与终止位置在分配到孤立树后，距离孤立树的根节点更近，从而导致平均距离孤立森林里的根节点更近，更容易被隔离出来。本发明实施例剔除压力采样样本起始位置和终止位置附近的第一离群点，可以防止起始位置和终止位置被误判为离群点，提高离群点的检测精度。

本发明实施例中，可以剔除压力采样样本中前m个采样点和后m个采样点中检测出的第一离群点，其中，m为取值范围可以为10至40。本发明实施例中，m取值可选取10。如前10个采样点中检出3个离群点，则剔除这3个离群点，如后10个采样点中检出5个离群点，则剔除这5个离群点。

S4，建立线性回归模型，确定每个子样本对应的所述线性回归模型的均方误差。

具体的，在排除了时域首尾两端的误检问题后，另一种容易被误检的情况是压力值有大幅度变化的情况。当现场压力值出现较大波动时，由于采样频率偏低，会导致变化时采样点之间距离突然增大，从而出现处于变化阶段的采样点被错误的判定为离群点的问题。本发明实施例通过建立线性回归模型，可有效防止出现因压力值剧烈变化而带来的误检的问题。

并且，本发明实施例通过均方误差MSE指标情况判别采样值的线性程度，通过线性程度判别出压力是否大幅度变化，进而决定是否采信离群点检测结果。一般一个采样样本的线性度较好时，无论初始点位如何选择，通过梯度下降法求得模型的MSE指标均较小。而采样样本的线性度较差时，通过梯度下降法求得模型的MSE指标会有所波动，但绝对值均较大。

S5，根据均方误差剔除第二离群点中的异常离群点，获得第三离群点。

具体地，与即将出现故障的压力变送器所产生的跳变点相比，压力大幅度变化时，变化的点更多，更连续。工业现场环境较为稳定，通过线性回归算法拟合出的模型与实际采样点的偏差较小，可以较好的对采样点进行表示。当出现独立的跳变点时，离群点对线性回归拟合出的模型影响较小，当出现压力大幅变化时，离群点对线性回归拟合出的模型影响较大。

当出现独立的跳变点时，MSE评价指标较正常情况不会出现大幅度变化，当压力大幅度变化时，MSE评价指标会逐渐增大。通过MSE指标进行如下判断：MSE指标在正常范围内，则离群点检测结果可信，保留该部分对应的离群点；当MSE指标突然增大时，则检测结果不可信，剔除这部分离群点。如压力采样样本分为10个子样本，子样本2和5对应的线性回归模型的均方误差不在正常范围内，则将子样本2和子样本5内检出的离群点剔除，保留剩余子样本中检出的离群点作为第三离群点。

S6，根据第三离群点的出现频率，预测压力变送器产生故障的可能性。

本发明实施例对压力采样数据进行离群点检测，剔除压力采样数据起始位置和终止位置附近的离群点，防止起始位置和终止位置被误判为离群点；通过线性回归模型以及其评价指标均方误差排除了压力变化过快导致离群点无法表征故障点的问题，大大提高了故障跳变点检测结果的准确度；本发明有效解决了现有技术中压力变送器早期故障检测难，定期更换费用高等问题。

可选地，根据压力采样数据建立线性回归模型，采样均方误差对线性回归模型进行评价，包括：

根据压力采样样本建立一元线性回归模型，公式如下：

f(x)＝ω

通过梯度下降法对上述公式进行求解，得到ω

采用均方误差MSE对线性回归模型的精度进行评价，公式如下：

其中，n为每个子样本内采样点个数，y

本发明实施例通过建立线性回归模型，可有效防止出现因压力值剧烈变化而带来的误检的问题。

可选地，根据均方误差剔除第二离群点中的异常离群点，获得第三离群点，包括：当均方误差在预设正常范围内，则保留均方误差对应的子样本内检测出的第二离群点；当均方误差不在预设正常范围内时，则剔除均方误差对应的子样本内检测出的第二离群点。

本发明实施例通过均方误差MSE指标情况判别采样值的线性程度，通过线性程度判别出压力是否大幅度变化，进而决定是否采信离群点检测结果，从而提高离群点检测精度。一般一个采样样本的线性度较好时，无论初始点位如何选择，通过梯度下降法求得模型的MSE指标均较小。而采样样本的线性度较差时，通过梯度下降法求得模型的MSE指标会有所波动，但绝对值均较大。

可选地，根据离群点出现的频率，预测压力变送器产生故障的可能性，计算公式如下：

其中，P即为压力变送器出现故障的概率，n

本发明实施例，使用孤立森林算法对压力采样数据进行离群点检测，获得第一离群点；剔除压力采样数据起始位置和终止位置附近的第一离群点，获得第二离群点；根据压力采样数据建立线性回归模型，采用均方误差对线性回归模型进行评价；根据均方误差剔除第二离群点中的异常离群点，获得第三离群点；根据第三离群点的出现频率，预测压力变送器产生故障的可能性。本发明实施例大大提高了故障跳变点检测结果的准确度，有效解决了现有技术中压力变送器早期故障检测难，定期更换费用高等问题。

图2是压力变送器故障检测方法运行结果图，横轴代表采样点个数，纵轴是压力变送器压力值大小，单位兆帕。

图2中星形点表示正常点，方形点表示检测到的异常点。

通过图2可看到，初期压力变送器在压力较为稳定的情况运行一小段时间，后因测试系统内施加了一个较大的压力，使得压力变送器的读数有了一个明显上升下降的过程。后续又平稳运行，可在图中明显看到后期平稳运行中在第120个采样点附近有一个点高于其它点，此点为异常点。

通过此运行结果可看出本发明可在压力变送器在线运行过程中，发现跳变点，而不受压力变化影响。

本发明实施例还提供一种压力变送器故障检测装置，包括：数据获取模块、离群点检测模块、离群点预处理模块、模型评价模块、异常离群点剔除模块和故障预测模块。

数据获取模块用于获取压力变送器在预设时长内的压力采样样本，将压力采样样本划分为多个子样本；离群点检测模块用于获取压力变送器的压力采样数据，对压力采样数据进行离群点检测，获得第一离群点；离群点预处理模块用于剔除压力采样样本起始位置和终止位置附近的第一离群点，获得第二离群点；模型评价模块用于建立线性回归模型，确定每个子样本对应的所述线性回归模型的均方误差；异常离群点剔除模块用于根据均方误差剔除第二离群点中的异常离群点，获得第三离群点；故障预测模块用于根据离群点出现的频率，预测压力变送器产生故障的可能性。

可选地，离群点检测模块利用孤立森林法对压力采样样本中的采样点进行离群点检测。

可选地，离群点预处理模块具体用于所述压力采样样本中前预设数量个采样点和后预设数量个采样点中检测出的第一离群点。

可选地，模型评价模块用于根据根据压力采样样本建立一元线性回归模型，公式如下：

f(x)＝ω

通过梯度下降法对上述公式进行求解，得到ω

采用均方误差MSE对线性回归模型的精度进行评价，公式如下：

其中，n为子样本内采样点个数，y

可选地，异常离群点剔除模块用于当均方误差在预设正常范围内，则保留所述均方误差对应的子样本内检测出的第二离群点；当均方误差不在预设正常范围内时，则剔除所述均方误差对应的子样本内检测出的第二离群点。

可选地，故障预测模块用于进行如下计算：

其中，P即为压力变送器出现故障的概率，nout为第三离群点个数，M压力采样样本中采样点个数，m为压力采样样本起始位置及终止位置附近被剔除的第一离群点对应的采样点的个数。

本发明实施例还提供一种计算机可读存储介质，包括指令，当指令在计算机上运行时，使计算机执行上述实施例提供的压力变送器故障检测方法。

如图3所示，本发明实施例还提供一种计算设备3000，包括处理器3001、存储器3003及存储在存储器3003上的并可在处理器30001上运行的计算机程序，处理器3001执行程序时实现上述实施例提供的压力变送器故障检测方法。

其中，处理器3001和存储器3003相连，如通过总线3002相连。可选地，电子设备3000还可以包括收发器3003，收发器3003可以用于该电子设备与其他电子设备之间的数据交互，如数据的发送和/或数据的接收等。需要说明的是，实际应用中收发器3003不限于一个，该电子设备3000的结构并不构成对本发明实施例的限定。

处理器3001可以是CPU(Central Processing Unit，中央处理器)，通用处理器，DSP(Digital Signal Processor，数据信号处理器)，ASIC(Application SpecificIntegrated Circuit，专用集成电路)，FPGA(Field Programmable Gate Array，现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本发明公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器3001也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。

总线3002可包括一通路，在上述组件之间传送信息。总线3002可以是PCI(Peripheral Component Interconnect，外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture，扩展工业标准结构)总线等。总线3002可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

存储器3003可以是ROM(Read Only Memory，只读存储器)或可存储静态信息和指令的其他类型的静态存储设备，RAM(Random Access Memory，随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory，电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory，只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。

存储器3003用于存储执行本发明方案的应用程序代码(计算机程序)，并由处理器3001来控制执行。处理器3001用于执行存储器3003中存储的应用程序代码，以实现前述方法实施例所示的内容。

本发明实施例通过OPC服务器采集压力变速器的压力数据，使用孤立森林检测数据中的离群点，去掉数据头尾部分的离群点，去掉因压力变化过快而出现的离群点，根据离群点出现的频率预测压力变送器出现故障的概率。本发明通过线性回归模型以及其评价指标均方误差排除了压力变化过快导致离群点无法表征故障点的问题，大大提高了故障跳变点检测结果的准确度；有效解决了现有技术中压力变送器早期故障检测难，定期更换费用高等问题。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。