[發明專利]一種基于貝葉斯LSTM模型的旋轉機械的故障預警方法

在審

• 申請號: 202010520887.2
• 申請日: 2020-06-05
• 公開（公告）號: CN111914875A
• 公開（公告）日: 2020-11-10
• 發明（設計）人: 游東東;黎家良;沈小成
• 申請（專利權）人: 華南理工大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/40;G06N3/04;G06N3/08
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 何淑珍;江裕強

本發明公開了一種基于貝葉斯LSTM模型的旋轉機械的故障預警方法。所述方法主要針對大型旋轉機械設備故障預警，通過整合分析數據，運用離散小波包、PPCA概率主成分分析、C?C算法等對數據進行降噪降維重構，得到較好處理的數據集，再通過LSTM循環神經網絡的方法構建數據預測模型，最后結合貝葉斯假設檢驗方法求其置信度，輸出異常情況的時間節點，來達到需要的故障預警目的。本發明實現了量化分析機械設備運行數據，集成了多種高等智能監測診斷技術和方法，保證了預測具有更高的可靠性及穩健性。本發明提供了一種全新可行的故障檢測與預警方法。

技術領域

本發明屬于大型旋轉機械設備的故障預警領域，涉及了一種基于貝葉斯LSTM模型的旋轉機械的故障預警方法。

背景技術

為了提高數據質量、減少不良數據對分析結果的影響以及便于分析和挖掘數據，有必要進行數據預處理，即對不良數據進行辨識與集成變換，這直接關系到后續建模預測的精確性。最近Lee et al強調了信號處理技術在旋轉機械的診斷和預測中的關鍵作用(Lee,Jay；Wu,Fangji；Zhao,Wenyu；Ghaffari,Masoud；Liao,Linxia；Siegel,David.Prognostics and health management design for rotary machinery systems-Reviews,methodology and applications,Mechanical Systems and SignalProcessing,2014,42(1-2):314–334.doi:10.1016/j.ymssp.2013.06.004.)。小波變化是一種常用的方法，在核電廠監測數據處理中有一些應用。如Upadhyaya et al.通過使用小波變換對核電廠傳感器的低頻和高頻分量進行濾波來增強傳感器測量。利用小波變換進行信號調理，使信號帶寬失真最小，為數據預處理提供了一種有效的方法(Upadhyaya,BelleR.；Mehta,Chaitanya；Bayram,Duygu.Integration of Time Series Modeling andWavelet Transform for Monitoring Nuclear Plant Sensors.IEEE Transactions onNuclear Science,2014,61(5):2628-2635.doi:10.1109/TNS.2014.2341035)。然而小波變換僅能對低通濾波結果進行變換，離散小波包變換是一種更加精細的信號分析方法，同時能夠對高頻部分進行分解。

為簡化研究問題，減少變量數量，用較少的變量代表問題的大部分信息。PCA作為一種線性降維方法，現已廣泛應用在模式識別及特征提取等領域。如Wu et al.構建了故障檢測與診斷(FDD)框架，用于核電站(NPP)壓水堆，采用PCA去除故障傳感器的信息，并將模糊理論與數據融合相結合，將多個傳感器的數據融合到一個節點上(Guohua Wu,JiejuanTong,Liguo Zhang,Yunfei Zhao,Zhiyong Duan.Framework for fault diagnosis withmulti-source sensor nodes in nuclear power plants based on a Bayesiannetwork.Annals of Nuclear Energy.2018,122:297-308.https://doi.org/10.1016/j.anucene.2018.08.050.)。而PPCA是傳統PCA的衍生，克服傳統PCA簡單丟棄其他非主成分成分的局限性。在PPCA中，這些丟棄的信息將被作為高斯噪聲估計，可以最大程度的保留原始信號中的有用信息。