[發明專利]一種基于DNN的復雜設備多重故障診斷方法

有效

• 申請號: 201810648180.2
• 申請日: 2018-06-22
• 公開（公告）號: CN109034368B
• 公開（公告）日: 2021-10-15
• 發明（設計）人: 楊順昆;邊沖;黃婷婷;楊嘉明;林歐雅;曾福萍;茍曉東;李大慶
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08
• 代理公司: 北京慧泉知識產權代理有限公司 11232
• 代理人: 王順榮;唐愛華

1.一種基于DNN的復雜設備多重故障診斷方法，其特征在于：其步驟如下：

步驟1、采集記錄設備多重故障的日志文件，統計并匯總設備故障發生的位置、類型、表現癥狀；

步驟2、依靠專家知識對多重故障的根源故障進行定位，得到各日志記錄的多重故障所對應的根源故障；

步驟3、對日志文件記錄的多重故障信息按照時間特征進行整合，得到多重故障時序數據集；

步驟4、對多重故障時序數據集的樣本進行預處理，獲得格式統一的時序數據集；

步驟5、對預處理后的時序文本數據集進行數值量化；使用詞嵌入網絡層作為DNN的首層網絡用于生成時間序列的特征向量數據；在詞嵌入網絡層后添加Dropout網絡層，減輕DNN的過擬合問題；

步驟6、建立LSTM網絡中間層并對LSTM的參數進行設置；

步驟7、建立MLP網絡層并對MLP的參數進行設置，以完成DNN整體結構的構建；

步驟8、對DNN的學習過程參數進行設置；

步驟9、采用訓練、驗證、測試三分法對特征向量數據集進行劃分；

步驟10、使用劃分好的數據集對DNN進行學習和測試，得到用于多重故障根源識別的診斷模型；

其中，在步驟3中所述的“對日志文件記錄的多重故障信息按照時間特征進行整合”，其作法如下：

步驟3.1：設第i個(i＝1，…，N)日志記錄的第j個關聯故障對應的故障描述信息文本為(t_i,j,x_i,j)，其中，t_i,j是第i個日志記錄的第j個關聯故障的發生時間，x_i,j是第i個日志記錄的第j個關聯故障癥狀的描述信息，N是日志的個數；

步驟3.2：按照t_i,j(i＝1，…，N)的先后順序對第i個日志的關聯故障進行排序，得到新的多重故障時序文本x'_i，進一步得到所有日志的文本集合X＝{x′_i|i＝1，…，N}；

步驟3.3：統計根源故障的種類和數目，并按照數目由大到小排序，得到標簽集合Y＝{y_i|i＝1，…，K}，其中，y_i是根源故障類型的描述，K是根源故障的種類；

步驟3.4：對集合X中各多重故障時序文本分配對應的標簽，整合后得到多重故障時序數據集Z＝{(x′_i，y_i)|i＝1，…，N}；

其中，在步驟4中所述的“對多重故障時序數據集的樣本進行預處理”，其作法如下：

步驟4.1：對時序數據集中各樣本的描述信息進行分詞處理，去除詞與詞之間的標點符號；

步驟4.2：去除各樣本描述信息的特殊符號，避免對模型學習造成影響；

步驟4.3：去除各樣本描述信息的停用詞，縮小樣本描述信息的維數，得到經預處理后的描述文本x″_i(i＝1，…，N)；

步驟4.4：對時序數據中各樣本的標簽進行有效編碼轉換，得到用于模型學習的標簽向量y′_i(i＝1，…，N)；

步驟4.5：對x″_i(i＝1，…，N)和y′_i(i＝1，…，N)進行合并，獲得格式統一的文本數據集Z′＝{(x″_i，y′_i)|i＝1，…，N}。

2.根據權利要求1所述的一種基于DNN的復雜設備多重故障診斷方法，其特征在于：在步驟1中所述的“日志文件”，是指由自然語言構成的文本數據，它記錄的設備運行信息屬于半結構化文本信息，具體包括記錄日期、記錄時間、系統時間戳以及對應的記錄語句。