[發明專利]一種基于DBN模型的冷水機組故障診斷方法

有效

• 申請號: 201710964725.6
• 申請日: 2017-10-17
• 公開（公告）號: CN107796609B
• 公開（公告）日: 2020-01-07
• 發明（設計）人: 王智偉;王亞蘭;何所謂;王占偉
• 申請（專利權）人: 西安建筑科技大學
• 主分類號: G01M13/00
• 分類號: G01M13/00
• 代理公司: 61200 西安通大專利代理有限責任公司
• 代理人: 姚詠華

1.一種基于DBN模型的冷水機組故障診斷方法，其特征在于，包括下述步驟：

步驟1：通過傳感器采集到的實驗或現場冷水機組存儲的歷史數據，獲得無故障和故障運行的歷史數據；

步驟2：使用已有的穩態過濾方法對歷史數據進行穩態篩選；

步驟3：對穩態篩選后的歷史數據進行特征選擇；

步驟4：根據穩態篩選和特征選擇后得到的測試樣本，確定征兆節點簡化的條件概率值；

步驟5：使用所得條件概率值和特征選擇的結果構建DBN模型；

步驟6：使用構建的DBN模型來進行故障診斷，并對該模型是否可用于冷水機組的故障診斷進行判斷；當DBN模型進行冷水機組的故障診斷正確率達到80％及以上時，則該DBN模型可用于冷水機組的故障診斷；當DBN模型進行冷水機組的故障診斷正確率小于80％時，則需增補額外的非傳感器信息；

步驟7：在DBN模型的征兆節點中添加額外的非傳感器信息，包括維修操作人員通過人工檢查、診斷故障時獲得的現場信息，即制冷劑充注過量時壓縮機的機頭出現的結霜現象、制冷劑泄漏時壓縮機機頭出現的發熱現象和在系統中含有不凝性氣體時或制冷劑泄漏時視液鏡產生的渾濁現象；重新構建DBN模型，并對該模型是否可用于冷水機組的故障診斷進行判斷，滿足則確定該模型為冷水機組故障診斷模型；不滿足則重復步驟7，直至滿足要求。

2.根據權利要求1所述的一種基于DBN模型的冷水機組故障診斷方法，其特征在于，所述步驟1中，安裝在現場的冷水機組的傳感器包括溫度、壓力、流量或功率傳感器。

3.根據權利要求1所述的一種基于DBN模型的冷水機組故障診斷方法，其特征在于，所述步驟3中，特征選擇的原則為獲取成本低和對冷水機組的故障敏感；所述獲取成本低為由溫度傳感器和壓力傳感器獲得的特征；所述對冷水機組的故障敏感為故障能引起特征的顯著變化。

4.根據權利要求1所述的一種基于DBN模型的冷水機組故障診斷方法，其特征在于，所述步驟4中，簡化的條件概率值為單個故障發生時與之關聯的征兆節點表現為過低、正常和過高的概率；其中：

確定簡化的條件概率值包括下述過程：

4a)將測試樣本隨機劃分為訓練集和測試集；描繪訓練集數據中正常樣本各特征參數的頻率直方圖；所述正常樣本為機組無故障運行狀態下采集到的數據；

4b)從頻率直方圖中確定特征參數各狀態對應的閾值；

4c)統計訓練集數據中各故障樣本的各特征參數在閾值區間內的頻率，確定簡化的條件概率值。

5.根據權利要求4所述的一種基于DBN模型的冷水機組故障診斷方法，其特征在于，所述步驟4b)中，閾值區間的確定準則為落在該區間內的數據頻率為90～98％。

6.根據權利要求1所述的一種基于DBN模型的冷水機組故障診斷方法，其特征在于，所述步驟5)中，構建DBN模型包括下述過程：

5a)確定DBN模型結構：

DBN的結構包括二層，第一層為故障層F_k；第二層為征兆層S；所述征兆為特征選擇后得到的來自傳感器的各特征信息；

5b)確定DBN模型的參數：

需要確定的參數包括第一層故障層的已知故障F_k的兩個狀態分別表示發生和未發生的先驗概率和故障發生時征兆節點S的條件概率值。

7.根據權利要求1所述的一種基于DBN模型的冷水機組故障診斷方法，其特征在于，所述步驟6)中，使用構建的DBN模型來進行故障診斷包括以下過程：

6a)根據步驟4的統計結果對測試集數據進行離散；

6b)使用離散化后的測試集數據對構建好的DBN模型進行測試，即進行故障診斷。

8.根據權利要求7所述的一種基于DBN模型的冷水機組故障診斷方法，其特征在于，所述步驟6b)中，基于DBN模型的故障診斷的規則如下：

若k∈[1,n]，則

模型是否可用于冷水機組故障診斷的判斷準則為：各故障的診斷正確率是否小于80％。