[發明專利]一種工業系統的故障診斷方法、裝置、設備及存儲介質

在審

• 申請號: 202010171480.3
• 申請日: 2020-03-12
• 公開（公告）號: CN111340238A
• 公開（公告）日: 2020-06-26
• 發明（設計）人: 黃科科;陽春華;吳淑潔;朱紅求;李勇剛
• 申請（專利權）人: 中南大學
• 主分類號: G06N20/00
• 分類號: G06N20/00;G06N3/04;G06N3/08;G06K9/62;G01M99/00;G01M13/04;G01R31/00
• 代理公司: 長沙市融智專利事務所(普通合伙) 43114
• 代理人: 龔燕妮

1.一種工業系統的故障診斷方法，其特征在于，包括：

構建訓練樣本集：獲取工業系統預設的多個傳感器所輸出的歷史原始序列以及對應的工業系統故障類型；針對每種故障類型，均從歷史原始序列中隨機選取時間跨度為T的N個時間片段，將不同傳感器在同一時間片段內的數據依次進行拼接，并將拼接得到的重構序列進行歸一化處理，得到與時間片段對應的預處理序列；將每個預處理序列均作為1個訓練樣本，故每種故障類型的N個時間片段，對應得到N個訓練樣本；

訓練故障診斷模型：以所有訓練樣本為輸入、訓練樣本對應的故障類型為輸出，訓練深度學習模型，得到工業系統故障診斷模型；

診斷樣本預處理：實時獲取工業系統預設的多個傳感器所輸出的原始序列，從中截取時間跨度為T的時間片段，將不同傳感器在該時間片段內的數據依次進行拼接，并將拼接得到的重構序列進行歸一化處理，得到診斷樣本；

在線診斷工業系統的故障：將診斷樣本輸入至工業系統故障診斷模型，得到工業系統的故障類型。

2.根據權利要求1所述的方法，其特征在于，所述預設的多個傳感器，包括至少3種不同的采樣率。

3.根據權利要求1所述的方法，其特征在于，每兩個傳感器的采樣率之比均小于1：30。

4.根據權利要求1所述的方法，其特征在于，所述機器學習模型的構架，按輸入至輸出的順序依次包括：1D-CNN、LSTM、全連接層、批歸一化層和分類器。

5.根據權利要求4所述的方法，其特征在于，所述1D-CNN包括3個卷積層和分別跟隨于每個卷積層后設置的3個池化層；所述3個卷積層分別采用不同大小的卷積核，且所述池化層采用最大池化層。

6.根據權利要求4所述的方法，其特征在于，若工業系統的故障類型僅有2個，則所述分類器采用Sigmoid函數；若工業系統的故障類型大于2個，則所述分類器采用Softmax函數。

7.根據權利要求1所述的方法，其特征在于，采用反向傳播算法訓練故障診斷模型，并以交叉熵函數作為代價函數驅動故障診斷模型的參數更新和優化；在訓練故障診斷模型的過程中，采用自適應矩估計隨機優化算法來最小化代價函數。

8.一種工業系統的故障診斷裝置，其特征在于，包括：

訓練樣本集構建模塊，用于：獲取工業系統預設的多個傳感器所輸出的歷史原始序列以及對應的工業系統故障類型；針對每種故障類型，均從歷史原始序列中隨機選取時間跨度為T的N個時間片段，將不同傳感器在同一時間片段內的數據依次進行拼接，并將拼接得到的重構序列進行歸一化處理，得到與時間片段對應的預處理序列；將每個預處理序列均作為1個訓練樣本，故每種故障類型的N個時間片段，對應得到N個訓練樣本；

故障診斷模型訓練模塊，用于：以所有訓練樣本為輸入、訓練樣本對應的故障類型為輸出，訓練深度學習模型，得到工業系統故障診斷模型；

診斷樣本預處理模塊，用于：實時獲取工業系統預設的多個傳感器所輸出的原始序列，從中截取時間跨度為T的時間片段，將不同傳感器在該時間片段內的數據依次進行拼接，并將拼接得到的重構序列進行歸一化處理，得到診斷樣本；

工業系統故障在線診斷模塊，即由故障診斷模型訓練模塊得到的工業系統故障診斷模型，用于：對診斷樣本進行診斷，得到工業系統的故障類型。

9.一種設備，其特征在于，包括處理器和存儲器；其中：所述存儲器用于存儲計算機指令；所述處理器用于執行所述存儲器存儲的計算機指令，具體執行如權利要求1-7任一所述的方法。

10.一種計算機存儲介質，其特征在于，用于存儲程序，所述程序被執行時，用于實現如權利要求1-7任一所述的方法。