本发明涉及传感器技术，尤其涉及一种传感器故障判定方法、装置和存储介质。
背景技术：
1、目前传感器故障判定方法主要分为两大类：方法1依赖数学模型的故障诊断方法，方法2不依赖数学模型的故障诊断方法。现有技术中，方法1需要提前根据控制器及控制器对应的传感器进行物理建模。方法1可细分为：状态评估法、参数评估法、等价空间法。方法2可以细分为：基于数据驱动的方法、基于支持驱动的方法、基于离散事件的方法。现在随着控制系统越来越复杂，传感器越来越多，随之而来的问题是上述方法1会出现数学模型构建复杂度上升、可靠性差、计算量变大等问题。并且上述方法2基于数据驱动的方法也会因为复杂度提升，导致对波形数据的方法构建更加复杂化，难以实现。
技术实现思路
1、本发明提供了一种传感器故障判定方法、装置和存储介质。
2、第一方面，本发明提供一种传感器故障判定方法，所述方法包括：
3、确定目标设备，根据专家知识库，选出与所述目标设备有关的传感器信息；分别计算传感器信息在传感器健康状态下、偏差状态下的相关性系数阈值、；
4、进行相关性系数模型构建；
5、根据构建的相关性系数模型，针对待判断的传感器，计算平均系数；
6、判断传感器是否故障。
7、进一步地，计算传感器信息在传感器健康状态下的相关性系数阈值，具体为：传感器集合，为传感器的数量，具体表达式为：
8、；
9、其中，为和健康状态下传感器的皮尔逊相关系数；
10、进一步地，所述计算传感器信息在传感器偏差状态下的相关性系数阈值，具体为：
11、根据传感器出现异常的历史数据，计算相关性系数，并选定相关性矩阵的最小值作为相关性系数阈值，具体表达式为：
12、;
13、其中，为第个历史数据点中传感器和传感器偏差状态下的皮尔逊相关系数。
14、进一步地，所述针对待判断的传感器，计算平均系数，包括：
15、计算前，对数据进行预处理，具体为：
16、筛选机组开始2小时内的数据，筛选后的数据为：
17、；
18、其中，表示传感器在时刻的测量值，为启动时间；
19、采用滑动窗口内的平均值进行降频，降频后的数据为：
20、；
21、其中，为滑动窗口大小；
22、对降频后仍存在空值的时间点选择前值修补。
23、进一步地，所述判断传感器是否故障，包括：
24、输出平均系数小于相关性系数阈值的传感器名称。
25、第二方面，本发明提供一种传感器故障判定装置，其特征在于，所述装置包括：
26、计算阈值模块，用于：
27、确定目标设备，根据专家知识库，选出与所述目标设备有关的传感器信息；分别计算传感器信息在传感器健康状态下、偏差状态下的相关性系数阈值、；
28、构建模型并计算模块，用于：
29、进行相关性系数模型构建；
30、根据构建的相关性系数模型，针对待判断的传感器，计算平均系数；
31、判断模块，用于：
32、判断传感器是否故障。
33、进一步地，所述装置包括：
34、存储器，用于存储程序；
35、处理器，用于执行所述存储器中存储的程序，当所述存储器中存储的程序被执行时，所述处理器用于执行如权利要求1至4中任一项所述方法的步骤。
36、第三方面，本发明提供一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如权利要求1至4中任一项所述方法的步骤。
37、本发明与现有技术相比，具有以下优点：
38、通过将波形数据数字化，基于专家知识驱动，配合历史故障样本及健康样本筛选出强相关性测点，进而进行模型构建，解决了现有技术中存在的问题。
1.一种传感器故障判定方法，其特征在于，所述方法包括：
2.如权利要求1所述的传感器故障判定方法，其特征在于，计算传感器信息在传感器健康状态下的相关性系数阈值，具体为：传感器集合，为传感器的数量，具体表达式为：
3.如权利要求1所述的传感器故障判定方法，其特征在于，所述计算传感器信息在传感器偏差状态下的相关性系数阈值，具体为：
4.如权利要求1所述的传感器故障判定方法，其特征在于，所述针对待判断的传感器，计算平均系数，包括：
5.如权利要求1所述的传感器故障判定方法，其特征在于，所述判断传感器是否故障，包括：
6.一种传感器故障判定装置，其特征在于，所述装置包括：
7.一种传感器故障判定装置，其特征在于，所述装置包括：
8.一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如权利要求1至4中任一项所述方法的步骤。
