[發(fā)明專利]一種泵站機組故障診斷系統(tǒng)的生成方法

有效

• 申請?zhí)枺?/td>: 201910550323.0
• 申請日: 2019-06-24
• 公開（公告）號: CN110399986B
• 公開（公告）日: 2023-04-07
• 發(fā)明（設(shè)計）人: 汪皓;張恒;常仁凱;吳國棟;丁育才;尹小文
• 申請（專利權(quán)）人: 中水三立數(shù)據(jù)技術(shù)股份有限公司
• 主分類號: G06Q10/20
• 分類號: G06Q10/20;G06Q50/04;G06F18/2111;G06N3/12;G06N20/00;G01M13/00;G01M13/045
• 代理公司: 合肥天明專利事務(wù)所(普通合伙) 34115
• 代理人: 婁岳

1.一種泵站機組故障診斷模型的生成方法，其特征在于，包括：

對泵站機組發(fā)生故障的數(shù)據(jù)進行收集；

對收集到的數(shù)據(jù)信息提取特征向量，并從提取的特征向量中選擇最優(yōu)特征向量；

將最優(yōu)特征向量與機器學習模型通過遺傳算法進行排列組合，并選擇出最優(yōu)的特征向量和機器學習模型的組合；

將最優(yōu)的特征向量和機器學習模型的組合組成診斷模型進行測試；

利用滿足測試要求的診斷模型對泵站機組故障進行診斷；

所述將最優(yōu)特征向量與機器學習模型通過遺傳算法進行排列組合，選擇出最優(yōu)的特征向量和機器學習模型的組合的具體方法為：

S1、根據(jù)最優(yōu)的特征向量與現(xiàn)有的機器學習模型隨機生成N個初始組合；

S2、將N個初始組合通過遺傳算法的復制、交叉和變異生成N個新的組合；

S3、將N個新的組合重新作為S1中的初始組合，并依次循環(huán)執(zhí)行S2、S3；

S4、循環(huán)Y次后得到最優(yōu)的N個組合，從最優(yōu)的N個組合中挑選出最優(yōu)的1個組合作為尋找結(jié)果；

所述循環(huán)Y次后得到最優(yōu)的N個組合的具體方法為：將不斷生成的新的初始組合進行S2、S3的迭代，判斷迭代次數(shù)是否達到設(shè)定值Y次，達到后即為最優(yōu)的組合。

2.根據(jù)權(quán)利要求1所述的泵站機組故障診斷模型的生成方法，其特征在于，所述提取特征向量的具體方法為：對采集到的故障數(shù)據(jù)轉(zhuǎn)換成多個數(shù)據(jù)點，將數(shù)據(jù)點作為該故障的特征向量。

3.根據(jù)權(quán)利要求1所述的泵站機組故障診斷模型的生成方法，其特征在于，所述選擇最優(yōu)特征向量的具體方法為：根據(jù)提取出的特征向量計算出自身的方差，同時將特征向量與預(yù)測目標之間的關(guān)聯(lián)性進行比較，如方差大于1且特征向量與預(yù)測目標之間的關(guān)聯(lián)性高，則該特征向量為最優(yōu)特征向量，反之，則被排除。

4.根據(jù)權(quán)利要求1所述的泵站機組故障診斷模型的生成方法，其特征在于，所述將最優(yōu)的特征向量和機器學習模型的組合組成診斷模型進行測試的具體方法為：將需要測試的樣本故障通過診斷模型進行診斷，得出的診斷結(jié)果與實際樣本故障的結(jié)果進行比較，然后判斷測試的準確度是否高于所設(shè)閾值，如高于則組成診斷模型，反之，則返回特征提取。