[發(fā)明專利]一種基于貝葉斯網絡的工業(yè)故障路徑追溯方法及系統

在審

• 申請?zhí)枺?/td>: 201811009968.5
• 申請日: 2018-08-31
• 公開（公告）號: CN109298704A
• 公開（公告）日: 2019-02-01
• 發(fā)明（設計）人: 帥云峰;周春蕾;高陽;宋蓓;孫栓柱;張友衛(wèi);李逗;楊晨琛;李春巖;潘苗;王林;孫彬;高進;王其祥;王明
• 申請（專利權）人: 江蘇方天電力技術有限公司;南京大學;國網江蘇省電力有限公司;國家電網公司
• 主分類號: G05B23/02
• 分類號: G05B23/02
• 代理公司: 南京鐘山專利代理有限公司 32252
• 代理人: 戴朝榮

本發(fā)明公開一種基于貝葉斯網絡的工業(yè)故障路徑追溯方法及系統。所述基于貝葉斯網絡的工業(yè)故障路徑追溯方法包括：步驟1：數據預處理，剔除原始數據中的噪聲數據；步驟2：根據預處理后的數據，進行貝葉斯網絡建模；步驟3：異常值檢測，擬合自回歸模型，并對擬合殘差作后驗檢驗來判斷數據異常；步驟4：故障路徑追溯，根據所檢測出異常數據及故障屬性，通過分析父節(jié)點的最大影響來求得一條最有可能的故障傳播路徑。本發(fā)明還提供一種基于貝葉斯網絡的工業(yè)故障路徑追溯方法的系統。

技術領域

本發(fā)明屬于人工智能技術領域，具體的涉及一種基于貝葉斯網絡的工業(yè)故障路徑追 溯方法及系統。

背景技術

隨著現代工業(yè)的快速發(fā)展，工業(yè)系統的復雜程度與日俱增。為保障這類系統日益增長 的安全性及可用性需求，近年來，國內外學者陸續(xù)提出了大量故障診斷算法。作為一種 將系統內在結構與外部觀測值相結合的異常部件定位及異常原因分析技術，故障診斷能 夠幫助專業(yè)技術人員有效地進行故障排查，從而制定可行的解決方案，以避免不必要的工業(yè)損失。

近年來，基于貝葉斯網絡的故障診斷技術得到了國內外學者的廣泛關注，不同類型的 貝葉斯網絡已被陸續(xù)應用于故障診斷領域中。貝葉斯網絡是概率知識表達及推理能力最 強大的概率圖模型之一，它能夠有效地處理故障診斷過程中存在的不確定性信息。如今，貝葉斯網絡已在許多真實生活中的故障診斷領域得到了大量應用，特別是工業(yè)領 域。然而，大多數現有的貝葉斯故障診斷技術往往旨在定位出導致故障發(fā)生的某一特定 部件，而忽略了各設備屬性之間固有的相互影響作用。實際上，系統中多個步驟均有可 能存在異常。因此，根據觀測數據實現有效的故障路徑追溯是十分有必要的。

發(fā)明內容

針對上述現有技術的不足，本發(fā)明的目的在于提供一種基于貝葉斯網絡的工業(yè)故障 路徑追溯方法及系統，在建立貝葉斯網絡及檢測到異常數據中的故障屬性后，通過條件概率分解及二分法計算各子節(jié)點在不同父節(jié)點組合下的最大條件估計值，然后與真實值進行比較，采用自下而上的溯因法得到一條或多條最有可能導致該故障發(fā)生的路徑。

為達成上述目的，本發(fā)明采用如下技術方案：一種基于貝葉斯網絡的工業(yè)故障路徑 追溯方法包括：步驟1：數據預處理，剔除原始數據中的噪聲數據；步驟2：根據預處理 后的數據，進行貝葉斯網絡建模；步驟3：異常值檢測，擬合自回歸模型，并對擬合殘 差作后驗檢驗來判斷數據異常；步驟4：故障路徑追溯，根據所檢測出異常數據及故障 屬性，通過分析父節(jié)點的最大影響來求得一條最有可能的故障傳播路徑。

優(yōu)選地，步驟1具體包括如下步驟；步驟1.1：剔除原始數據中的異常數據；步驟1.2：對原始樣本進行正則化，并記錄全樣本的均值和方差等正則化參數信息。

優(yōu)選地，步驟2具體包括如下步驟：步驟2.1：將原始大規(guī)模樣本分割成相互部分重疊的訓練批樣本；步驟2.2：初始化與樣本量和維度有關的懲罰項等參數，調控網絡結 構的稀疏度；步驟2.3：利用稀疏貝葉斯網絡(Sparse Bayesian Network，SBN)算法， 依次對每一個節(jié)點進行父節(jié)點的搜索，并加入廣度優(yōu)先搜索方法避免生成環(huán)路，經過若 干次迭代，父節(jié)點及其對應關系系數趨于穩(wěn)定，獲得當前數據下的有向無環(huán)圖及參數。

優(yōu)選地，步驟3具體計算過程如下：步驟3.1：用AR自回歸模型擬合數據建立預測模型，將預測結果與真實值對比求得預測殘差；步驟3.2：對預測殘差作基于假設的后驗 檢驗，得到數據正常或異常的標記。

優(yōu)選地，步驟4具體包括如下步驟：步驟4.1：利用條件概率分解式：