【国家标准】 机器状态监测与诊断　数据判读与诊断技术　第2部分：数据驱动的应用

GB/T 22394的本部分给出了实施数据驱动监测与诊断方法的过程，以帮助专业人员，特别是监测中心的专业人员进行分析工作。虽然现有的工具中已经内嵌了一些步骤，为了更好地使用，仍有必要注意下列步骤：--资产、关键故障以及可用过程参数的选择；--数据清洗和重采样；--模型开发；--模型初始化和调整；--模型性能评估；--诊断过程。实施这些步骤不需要全面的统计学方法知识，但需要具有首先建立训练模型并将模型应用于监测和诊断过程的能力。在正常工作状态的机器上实施数据驱动监测模型的训练。故障监测的原理是将观察数据与估计数据进行对比。参数的观察值与期望值之间的不同（称为残差）表示存在异常，该异常可能与设备或仪器有关。在正常工作状态和故障状态的机器上实施数据驱动诊断模型的训练。诊断方法的原理不是去检测参数的偏差，而是通过将观察到的状况与训练阶段学到的故障进行比较从而识别故障。通常使用的技术是模式识别以及模式分类。数据可以取自分散式控制系统（DCS）的历史数据，或者取自特定的监测系统。