[發明專利]一種分層故障診斷模型及方法

有效

• 申請號: 201910347493.9
• 申請日: 2019-04-26
• 公開（公告）號: CN110032174B
• 公開（公告）日: 2020-08-11
• 發明（設計）人: 常相茂;蘇善婷
• 申請（專利權）人: 南京航空航天大學
• 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: 上官鳳棲

本發明屬于機器學習與故障診斷技術領域，涉及一種分層故障診斷模型及方法，診斷模型分為三層：（1）本地監測層：負責發現故障并及時上報給故障分類層；（2）故障分類層:負責對故障進行分類并識別未知故障；（3）決策層:負責整個系統知識的自我學習和更新。該發明可以在保障檢測精度的前提下大幅減少數據傳輸量，從而降低終端節點的能耗，特別適用于資源受限的故障診斷系統。

技術領域

本發明屬于故障診斷技術領域，具體涉及一種分層故障診斷模型及方法，主要用于解決如何用低配置的多個物聯網節點進行設備故障診斷的問題。

背景技術

由于物聯網節點部署靈活方便、造價較低，基于物聯網技術的設備健康監測正越來越受到工業界的關注。故障診斷是設備健康監測的主要內容，傳統的故障診斷方法通常是在多個本地傳感器上收集原始設備信息，將其匯總上傳到終端設備，由終端設備完成對原始設備信號特征的提取，并進行智能診斷，這種方式需要本地節點上傳大量數據供后臺進行分析，傳輸這些數據將消耗大量的能量，這對于低配置、特別是電池供電的物聯網節點來說是不適用的。因此，需要設計一種輕量級的故障識別和診斷方案，在保障診斷準確性的前提下，減少物聯網節點的能耗。

發明內容

本發明針對現有技術中的不足，提供一種分層故障診斷模型及方法。

為實現上述目的，本發明采用以下技術方案：

一種分層故障診斷模型，其特征在于，包括：本地監測層、故障分類層和決策層；

所述本地監測層包括帶各類傳感器和微處理器的物聯網節點，負責采集數據、發現故障并及時上報給故障分類層；本地監測層通過稀疏自編碼機算法對原始信號進行處理，判斷設備是否出現故障，當設備運行正常時，不發送任何數據，當檢測到故障時，將故障數據發送到故障分類層；

所述故障分類層包括靠近物聯網節點的匯聚節點，負責對接收到的故障數據進行特征提取，通過將在決策層訓練好的隨機森林模型嵌入匯聚節點，實現對故障分類并識別未知故障；

所述決策層負責整個系統知識的自我學習和更新，通過處理故障分類層發送上來的未知故障信號，將其正確分類，從中學習其特征并實時更新故障分類層的分類模型。

此外，還提出了一種采用上述分層故障診斷模型的分層故障診斷方法，包括：

1)本地監測層的處理流程如下：

由設備上的正常數據訓練稀疏自編碼機；

將訓練好的稀疏自編碼機嵌入本地設備中，設備的感知數據輸入訓練好的稀疏自編碼機，輸出學習后的數據；

將輸出數據與正常數據做差值，差值超過規定的閾值的為故障數據；

2)故障分類層的處理流程如下：

根據訓練樣本數據集構建隨機森林模型，其中包含多棵隨機樹；

在每棵樹中，對于落入相同葉子結點的實例構建球；

對于測試實例，如果其落在球內，則為已知故障，其故障類型為該球標簽，如果其落在球外，則為未知故障；

3)決策層的處理流程如下：

確定聚類數目范圍；

對于第N次聚類，計算每個數據的輪廓系數，最佳聚類數目為其最大值所對應的數目；

根據最佳聚類數目輸出k-means聚類結果；

根據聚類結果重新更新故障分類層。

為優化上述技術方案，采取的具體措施還包括：

進一步地，本地監測層檢測故障的具體步驟如下：