[發(fā)明專利]一種燃?xì)廨啓C(jī)故障診斷方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202111257266.0
• 申請(qǐng)日: 2021-10-27
• 公開(kāi)（公告）號(hào): CN113987205A
• 公開(kāi)（公告）日: 2022-01-28
• 發(fā)明（設(shè)計(jì)）人: 朱俊杰;傅望安;任鑫;祝金濤;吳昊;武青;呂亮;李遙宇;高建忠;沈偉文
• 申請(qǐng)（專利權(quán)）人: 中國(guó)華能集團(tuán)清潔能源技術(shù)研究院有限公司;華能（浙江）能源開(kāi)發(fā)有限公司清潔能源分公司
• 主分類號(hào): G06F16/36
• 分類號(hào): G06F16/36;G06F16/33
• 代理公司: 西安通大專利代理有限責(zé)任公司 61200
• 代理人: 白文佳

本發(fā)明公開(kāi)了一種燃?xì)廨啓C(jī)故障診斷方法及系統(tǒng)，基于復(fù)雜的故障因素，獲取典型故障模式及多源征兆信息數(shù)據(jù)，完成故障診斷本體知識(shí)庫(kù)模型的構(gòu)建；實(shí)現(xiàn)本體查詢和基于本體的數(shù)據(jù)訪問(wèn)的功能需求；對(duì)燃?xì)廨啓C(jī)的歷史數(shù)據(jù)進(jìn)行自動(dòng)化清洗，獲取符合訓(xùn)練參數(shù)基準(zhǔn)數(shù)據(jù)；對(duì)符合訓(xùn)練參數(shù)基準(zhǔn)數(shù)據(jù)進(jìn)行處理，構(gòu)建機(jī)組多元基準(zhǔn)模型；對(duì)多元基準(zhǔn)模型進(jìn)行處理，獲取燃?xì)廨啓C(jī)異常狀態(tài)的早期檢測(cè)信息；基于燃?xì)廨啓C(jī)異常狀態(tài)的早期檢測(cè)信息和故障知識(shí)間因果關(guān)系與不確定性，構(gòu)建基于結(jié)構(gòu)性因果模型的診斷決策模型。基于診斷決策模型，對(duì)比所有候選故障，得出故障原因并提供維護(hù)策略。本發(fā)明能夠在復(fù)雜的機(jī)械中獲取故障原因，節(jié)約人力和物力，提高工作效率。

技術(shù)領(lǐng)域

本發(fā)明屬于機(jī)械故障診斷領(lǐng)域，涉及一種燃?xì)廨啓C(jī)故障診斷方法及系統(tǒng)。

背景技術(shù)

燃?xì)廨啓C(jī)聯(lián)合循環(huán)機(jī)組作為一個(gè)典型的涉及氣、水、汽、油等多媒介以及熱、冷、機(jī)、電等多種能量形態(tài)相互轉(zhuǎn)化的復(fù)雜系統(tǒng)，機(jī)組各組成部分之間通過(guò)物質(zhì)流和能量流以及伴隨而產(chǎn)生的信息流保持密切的聯(lián)系，狀態(tài)參數(shù)呈現(xiàn)出高維和非線性的特點(diǎn)，機(jī)組在運(yùn)行過(guò)程中可能涌現(xiàn)出氣路和機(jī)械振動(dòng)等多種故障，出現(xiàn)運(yùn)行調(diào)整不當(dāng)和工況變化引發(fā)的運(yùn)行效率降低等能效異常模式，故障在不同時(shí)空尺度上呈現(xiàn)出多樣性、層次性和傳遞性，形成了復(fù)雜的因果傳遞鏈。

發(fā)明內(nèi)容

本發(fā)明的目的在于解決現(xiàn)有技術(shù)中的問(wèn)題，提供一種燃?xì)廨啓C(jī)故障診斷方法及系統(tǒng)，基于復(fù)雜的故障中原因，建立故障診斷模型，并對(duì)故障診斷模型進(jìn)行評(píng)價(jià)，能夠獲取的所有候選故障，得出故障原因并提供維護(hù)策略。

為達(dá)到上述目的，本發(fā)明采用以下技術(shù)方案予以實(shí)現(xiàn)：

一種燃?xì)廨啓C(jī)故障診斷方法，包括：

基于故障系統(tǒng)理論分析和燃?xì)廨啓C(jī)的故障特點(diǎn)，獲取各結(jié)構(gòu)功能層次上的典型故障模式及多源征兆信息數(shù)據(jù)；

對(duì)所獲取的信息數(shù)據(jù)進(jìn)行處理，構(gòu)建故障診斷本體知識(shí)庫(kù)模型；

基于所構(gòu)建的故障診斷本體知識(shí)庫(kù)模型，實(shí)現(xiàn)本體查詢和基于本體的數(shù)據(jù)訪問(wèn)的功能需求；

依據(jù)燃?xì)廨啓C(jī)的運(yùn)行特性，對(duì)歷史數(shù)據(jù)進(jìn)行自動(dòng)化清洗，獲取符合訓(xùn)練參數(shù)基準(zhǔn)數(shù)據(jù)；

對(duì)所獲取的符合訓(xùn)練參數(shù)基準(zhǔn)數(shù)據(jù)進(jìn)行處理，構(gòu)建機(jī)組多元基準(zhǔn)模型；

對(duì)構(gòu)建的多元基準(zhǔn)模型進(jìn)行處理，獲取燃?xì)廨啓C(jī)異常狀態(tài)的早期檢測(cè)信息；

基于燃?xì)廨啓C(jī)異常狀態(tài)的早期檢測(cè)信息和故障知識(shí)間因果關(guān)系與不確定性，構(gòu)建基于結(jié)構(gòu)性因果模型的診斷決策模型；

將反事實(shí)推理應(yīng)用到所構(gòu)建的決策模型中，對(duì)比獲取的所有候選故障，得出故障原因并提供維護(hù)策略。

本發(fā)明的進(jìn)一步改進(jìn)在于：

獲取各結(jié)構(gòu)功能層次上的典型故障模式及多源征兆信息，具體為:依據(jù)FMEA和FTA理論，分析燃?xì)廨啓C(jī)的多源異構(gòu)故障數(shù)據(jù)，獲取各結(jié)構(gòu)功能層次上的典型故障模式及其多源征兆信息數(shù)據(jù)。

對(duì)所獲取的信息數(shù)據(jù)進(jìn)行處理，構(gòu)建故障診斷本體知識(shí)庫(kù)模型，包括：

根據(jù)本體理論、語(yǔ)義網(wǎng)技術(shù)和數(shù)據(jù)的語(yǔ)義性建模方法，基于所獲取的故障模式和信息，構(gòu)建故障診斷本體知識(shí)庫(kù)模型。

基于所構(gòu)建的故障診斷本體知識(shí)庫(kù)模型，實(shí)現(xiàn)本體查詢和基于本體的數(shù)據(jù)訪問(wèn)的功能需求；包括：基于OWL公理和SWRL對(duì)本體進(jìn)行推理，通過(guò)SPARQL語(yǔ)言實(shí)現(xiàn)本體查詢和基于本體的數(shù)據(jù)訪問(wèn)的功能需求。

自動(dòng)化清洗包括：穩(wěn)態(tài)判別、工況劃分、基準(zhǔn)樣本篩選；

工況劃分為基于K-均值聚類算法進(jìn)行工況的劃分。

對(duì)所獲取的符合訓(xùn)練參數(shù)基準(zhǔn)數(shù)據(jù)進(jìn)行處理，構(gòu)建機(jī)組多元基準(zhǔn)模型，包括：確定基準(zhǔn)值，基于條件變自編碼器建立機(jī)組多元基準(zhǔn)模型。