[發(fā)明專利]風(fēng)機(jī)偏航系統(tǒng)的故障診斷識別方法

在審

• 申請?zhí)枺?/td>: 201810030429.3
• 申請日: 2018-01-12
• 公開（公告）號: CN108335019A
• 公開（公告）日: 2018-07-27
• 發(fā)明（設(shè)計(jì)）人: 馬貴昌;楊霞;王永翔
• 申請（專利權(quán)）人: 天津瑞源電氣有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/06;G06K9/62
• 代理公司: 天津市尚儀知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 12217
• 代理人: 鄧琳

本發(fā)明公開了一種本發(fā)明的風(fēng)機(jī)偏航系統(tǒng)的故障診斷識別方法，包括以下步驟：數(shù)據(jù)采集，采集風(fēng)機(jī)設(shè)備的運(yùn)行數(shù)據(jù)；故障圖像，以移動窗的方式提取故障數(shù)據(jù)片段，按照規(guī)則映射成為圖像數(shù)據(jù)，并分析特征；圖像識別，基于TensorFlow技術(shù)，分析提取故障圖像特征，通過對故障圖像特征的訓(xùn)練，將故障圖像特征進(jìn)行聚類、分類的算法分析，并對每個故障圖像特征分別標(biāo)記故障label進(jìn)行類別賦予，建立故障圖像庫；比較分析，將流入的實(shí)時數(shù)據(jù)經(jīng)故障圖像處理后，匹配故障圖像庫，輸出故障類別或是風(fēng)電設(shè)備運(yùn)行狀態(tài)。本發(fā)明降低了直接對數(shù)據(jù)進(jìn)行預(yù)處理而造成信息丟失的風(fēng)險，提高了故障識別率，同時也十分形象生動的進(jìn)行了可視化展示。

技術(shù)領(lǐng)域

本發(fā)明涉及風(fēng)機(jī)系統(tǒng)的技術(shù)領(lǐng)域，具體涉及一種風(fēng)機(jī)偏航系統(tǒng)的故障診斷識別方法。

背景技術(shù)

隨著工業(yè)互聯(lián)網(wǎng)的發(fā)展和數(shù)據(jù)量的激增，目前在風(fēng)電設(shè)備故障診斷領(lǐng)域進(jìn)行數(shù)據(jù)挖掘、故障分析時遇到了不少難題，例如數(shù)據(jù)量大、算法運(yùn)行效率低、結(jié)果可解釋性差等的問題，而為了解決以上問題僅從數(shù)值分析這一單一角度考慮難以滿足風(fēng)電設(shè)備故障診斷、預(yù)警的商用需求。

鑒于以上內(nèi)容，在風(fēng)電設(shè)備故障診斷領(lǐng)域需要一種利用數(shù)據(jù)轉(zhuǎn)換與圖像識別進(jìn)行故障診斷識別的方法，可高效率對scada(Supervisory Control And Data Acquisition，數(shù)據(jù)采集與監(jiān)視控制)數(shù)據(jù)流進(jìn)行分析、診斷。

發(fā)明內(nèi)容

本發(fā)明就是為了解決上述的技術(shù)問題，而提供一種基于TensorFlow（人工智能學(xué)習(xí)系統(tǒng)）圖像識別的技術(shù)、實(shí)現(xiàn)對故障畫像分析診斷的風(fēng)機(jī)偏航系統(tǒng)的故障診斷識別方法。

本發(fā)明是按照以下技術(shù)方案實(shí)現(xiàn)的：

本發(fā)明的風(fēng)機(jī)偏航系統(tǒng)的故障診斷識別方法，包括以下步驟：

數(shù)據(jù)采集，采集風(fēng)機(jī)設(shè)備的運(yùn)行數(shù)據(jù)；

故障圖像，以移動窗的方式提取故障數(shù)據(jù)片段，按照規(guī)則映射成為圖像數(shù)據(jù)，并分析特征；

圖像識別，分析提取故障圖像特征，通過對故障圖像特征的訓(xùn)練，將故障圖像特征進(jìn)行聚類、分類的算法分析，并對每個故障圖像特征分別標(biāo)記故障label進(jìn)行類別賦予，建立故障圖像庫；

比較分析，將流入的實(shí)時數(shù)據(jù)經(jīng)故障圖像處理后，匹配故障圖像庫，輸出故障類別或是風(fēng)電設(shè)備運(yùn)行狀態(tài)。

所述的風(fēng)機(jī)設(shè)備的運(yùn)行數(shù)據(jù)包括風(fēng)機(jī)運(yùn)行的scada數(shù)據(jù)與plc故障日志數(shù)據(jù)。

所述的故障圖像以移動窗的方式截取故障數(shù)據(jù)片段，待數(shù)據(jù)恢復(fù)正常時，停止截取故障數(shù)據(jù)片段，每個故障數(shù)據(jù)片段中的多個字段均通過故障圖像規(guī)則轉(zhuǎn)化為具有色帶的圖像數(shù)據(jù)，多個故障數(shù)據(jù)片段形成一組監(jiān)控?cái)?shù)據(jù)。

所述的故障圖像規(guī)則包括將多個字段排列為矩陣，每個字段分別進(jìn)行顏色標(biāo)注，形成具有色帶的圖像數(shù)據(jù)。

所述的色帶顏色深為故障級別高，色帶顏色淺為故障級別低，色帶顏色持續(xù)的長短為故障持續(xù)的時間。

所述的故障圖像特征通過全卷積網(wǎng)絡(luò)提取故障圖像特征并進(jìn)行聚類、分類，故障圖像特征還通過全連接條件隨機(jī)場和馬爾科夫隨機(jī)場進(jìn)行訓(xùn)練。

所述的將流入的實(shí)時數(shù)據(jù)通過故障圖像的規(guī)則轉(zhuǎn)換成實(shí)時圖像數(shù)據(jù)，提取特征，比較實(shí)時圖像數(shù)據(jù)與故障圖像庫的圖像數(shù)據(jù)是否相似，若相似，則輸出實(shí)時圖像數(shù)據(jù)的類別；若否，則定義實(shí)時圖像數(shù)據(jù)的故障特征與類別，并存儲至故障圖像庫。

本發(fā)明具有的優(yōu)點(diǎn)和積極效果是：

本發(fā)明的故障診斷識別方法從圖像識別的角度展開對故障數(shù)據(jù)的分析，將故障數(shù)據(jù)片段映射為圖像數(shù)據(jù)，將處理數(shù)據(jù)的問題轉(zhuǎn)變?yōu)楣收献R別的問題，降低了直接對數(shù)據(jù)進(jìn)行預(yù)處理而造成信息丟失的風(fēng)險，提高了風(fēng)機(jī)偏航系統(tǒng)的故障識別率，同時也十分形象生動的進(jìn)行了可視化展示。

附圖說明