[發明專利]一種基于貝葉斯推理的機泵安康知識庫查找方法

在審

• 申請號: 201910169761.2
• 申請日: 2019-03-06
• 公開（公告）號: CN110008350A
• 公開（公告）日: 2019-07-12
• 發明（設計）人: 柴秋子;徐華鋒;李創;付立;許丹丹
• 申請（專利權）人: 杭州哲達科技股份有限公司
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06K9/62
• 代理公司: 杭州中成專利事務所有限公司 33212
• 代理人: 周世駿

1.一種基于貝葉斯推理的機泵安康知識庫查找方法，其特征在于，包括如下步驟：

(1)以機泵安康知識庫中的機泵關鍵部件、具體故障信息和振動信號特征作為先驗知識，建立貝葉斯網絡搜索模型；

(2)把設定時間長度內機泵運行過程中跟蹤到的振動信號特征及具體故障信息作為訓練數據樣本D，進行貝葉斯網絡的學習；

(3)以機泵實際運行過程中采集到的振動信號特征作為網絡輸入，以機泵的具體安康狀況信息作為網絡輸出；

(4)設定貝葉斯網絡的搜索次數m；

(5)利用評分函數計算貝葉斯網絡的得分；

(6)建立新的數據庫，用于保存每次搜索貝葉斯網絡的得分；

(7)找出得分最高的貝葉斯網絡，實現貝葉斯網絡的結構；

(8)利用EM算法實現網絡的參數學習；

(9)利用得到的貝葉斯網絡，根據機泵運行過程中獲取的振動信號特征的實時狀態，進而推斷該節點發生故障的概率。

2.根據權利要求1所述的方法，其特征在于，步驟(1)中所述的振動信號特征是指振動數據的峭度指標、峰值指標、裕度指標、波形指標，以及一倍頻、二倍頻、三倍頻和高倍頻的相關時域和頻域指標。

3.根據權利要求1所述的方法，其特征在于，步驟(1)中所述機泵關鍵部位是指5種易發故障的機泵部件：轉子、滑動軸承、齒輪箱、地腳和葉輪；所述具體故障信息和振動信號特征用于構建機泵安康知識庫，其數據來源包括：試驗仿真模擬的故障結果、機泵故障監測與分析的研究文獻、機泵日常運行時的巡檢故障記錄。

4.根據權利要求1所述的方法，其特征在于，步驟(3)中所述的機泵具體安康狀況至少包括健康狀況良好和機泵故障兩種情況，若機泵故障，則輸出具體故障內容。

5.根據權利要求1所述的方法，其特征在于，步驟(5)中所述的評分函數是指貝葉斯網絡條件概率統計評分函數BCPS，具體如公式(1)所示：

其中，S為網絡結構，D為數據樣本，n，i，j，k為不同的自然數，q為故障父節點，r為網絡節點編號，m為搜索次數，α為尋到的最優結構參數；

BCPS函數的懲罰項為其中為網絡結構的復雜度，λ為懲罰系數，為貝葉斯網絡的似然度；BCPS函數的分值越大，說明變量間的關聯強度越大，數據和網絡結構的擬合性就越好。

6.根據權利要求1所述的方法，其特征在于，步驟(8)中所述參數學習是指利用EM算法實現貝葉斯網絡的參數學習，用于實現最大似然值的計算；具體包括：

對于貝葉斯網絡樣本數據D，計算其條件概率P(x_i，π_i|D₁，θ^(t))；給定D，其似然函數為：

其中，1為似然函數值，i，j，k為不同的自然數，x_i∈{x_i¹，x_i²，...，x_i^k，...，x_i^qi}；π_i為父節點的集合，其排列順序為1，2，...，q_i；θ為尋得的最優參數，θ_jk為當x_i＝x_i^k且`π_i＝j是的最優參數；表示當x_i＝k且π_i＝j時數據集中的取值，得到下式：

在開始設定一個初始估計θ⁽⁰⁾，然后不斷地修正；從當前的估計θ^(t)，到下一個估計θ^(t+1)，t為時間值，進行期望計算和最大化：

期望計算是計算的定D時，當前θ的似然函數期望：

l(θ|θ^(t))＝∑_l∑_xilnp(D_l，x_l|θ)p(x_l|D_l，θ^(t)) (4)

對所有θ，應滿足l(θ|θ^(t+1)≥l(θ|θ^(t)))，根據公式(2)

最大化計算是通過最大化當前期望似然函數值，選擇下一個估計θ^(t+1)：