(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210541599.4 (22)申请日 2022.05.19 (65)同一申请的已公布的文献号 申请公布号 CN 114637793 A (43)申请公布日 2022.06.17 (73)专利权人 四川观想科技股份有限公司 地址 610000 四川省成 都市中国 （四川） 自 由贸易试验区成都高新区吉泰路666 号1栋18层8号 (72)发明人 魏强　刘广志　漆光聪　 (74)专利代理 机构 西安正华恒远知识产权代理 事务所(普通 合伙) 61271 专利代理师 陈选中 (51)Int.Cl. G06F 16/2458(2019.01)G06F 16/22(2019.01) G06F 16/27(2019.01) G06F 16/28(2019.01) G01D 21/02(2006.01) 审查员 张雪锋 (54)发明名称 一种基于大数据分析的装备故障频发区域 定位方法 (57)摘要 本发明公开了一种基于大数据分析的装备 故障频发区域定位方法， 包括以下步骤： S1、 采集 装备数据； S2、 对装备数据进行信息分析， 获得表 征装备故障的多维关联信息； S3、 基于多维关联 信息， 对装备故障频发区域进行定位。 与现有技 术仅实现故障定位， 而不对故障发生频率及多个 故障点之间的相互影响进行分析不同的是， 本发 明通过挖掘多故障点之间的多维关系， 对装备的 故障频发区域进行定位， 为维护人员更有针对性 的进行装备维护提供了参 考。 权利要求书2页 说明书5页 附图1页 CN 114637793 B 2022.08.02 CN 114637793 B 1.一种基于大 数据分析的装备故障频发区域定位方法， 其特 征在于， 包括以下步骤： S1、 采集装备 数据； S2、 对装备数据进行信息分析， 获得表征装备故障的多维关联信息； S3、 基于多维关联信息， 对 装备故障频发区域进行定位； 所述步骤S1中的装备数据包括装备基本数据、 实例案例数据、 初始数据、 故障数据、 告 警数据、 在线监测数据、 运行工况 数据、 气象数据以及装备参 考数据； 所述步骤S2具体为： S21、 对采集的装备 数据进行 预处理； S22、 对预处 理的装备 数据进行分布式存 储， 并分类； 其中， 分类包括电气量、 过程 量和状态量； S23、 基于分布式存 储的装备 数据， 对各类装备 数据之间进行二维关联分析； S24、 基于二维关联分析 结果， 进行信息级聚合， 获得多维关联信息； 所述步骤S22中， 对分布式存 储的装备 数据进行分类的方法具体为： S22‑1、 设置各类装备 数据的查询条件； S22‑2、 根据当前装备数据分类需求， 以对应的查询条件对存储 的装备数据进行过滤， 并以时间或相关系数为关键词进行 数据节点连接组建； 其中， 过滤处理的公式为： 式中，t为当前分类需求过滤后的装备数据， 为当前装备下的所有高斯白噪声信 号， 下标j为高斯白噪声信号序号， b为高斯白噪声， 为装备数据的时域分布参数； S22‑3、 在数据节点连接组建过程中， 使用数据文件名标记每条装备 数据； S22‑4、 基于装备数据标记结果， 将具有相同属性的装备数据划分到同一组数据节点 中， 并将其存在分布式存 储的同一分组中， 完成装备 数据分类； 步骤S23中， 对各类装备数据进行二维关联分析包括跨类二维关联分析和同类二维关 联分析； 跨类二维关联分析的方法具体为： A1、 根据当前跨类分析目标， 确定若干关联影响因素， 并设置关联度阈值； A2、 基于确定的关联影响因素， 逐个对当前两类装备 数据进行关联分析， 得到关联度； A3、 判断关联度是否小于关联度阈值； 若是， 则进入步骤A4； 若否， 则返回步骤A 2； A4、 剔除当前关联度对应的装备 数据； A5、 在当前两类装备数据中挖掘关联规则， 并以该关联规则绘制跨类二维关系拓扑图， 完成跨类二维关联分析；权　利　要　求　书 1/2 页 2 CN 114637793 B 2其中， 当满足 时， 得到关联规则 ； 式中，Fk为进行关联规则挖掘时的频繁项集， 为Fk的支持度计数， S为Fk的真子 集， 为 的支持度计数， mincof为同时满足最小支持度和最小置信度的阈值， 下标 k为 频繁项集序号； 同类二维关联分析的方法具体为： 在每类装备数据中， 以类内离 散矩阵的表征同类装备 数据中的二维关联关系； 在装备数据中有 M个数据样本分别为 x1, x2,…,xm,  …,xM，i为数据样本所属装备数据 种类序数， i=1,2,3,…,c，classi为第i类的装备 数据种类， 则得到类内离 散矩阵Sw为： 式中，ui为第i类的数据样本 。 2.根据权利要求1所述的基于大数据分析的装备故障频发区域定位方法， 其特征在于， 所述步骤S24中的多维关联信息为包括应用维度、 时间维度和信息维度之间的关联信息的 装备时空关联图。 3.根据权利要求1所述的基于大数据分析的装备故障频发区域定位方法， 其特征在于， 所述步骤S3具体为： 基于多维关联信息， 通过构造评价函数对待测装备中的各个测控点进行故障评价， 获 得故障评价得分， 将故障评价得分大于设定阈值的测控点作为故障频发区域。 4.根据权利要求3所述的基于大数据分析的装备故障频发区域定位方法， 其特征在于， 构造的评价 函数为： 式中， 为待测装备中测控点 p的故障评价分数， P为待测装 备中测控点 p的数量，Gp 为测控点 p历史运行故障信息， 在多维关联信息中与测控点 p相关的其他故障信息， 为 测控点p对待测装备的故障影响的权 重系数，Ti为测控点 p所属维度信息 。权　利　要　求　书 2/2 页 3 CN 114637793 B 3