[發(fā)明專利]一種基于深度學習的壓力儀表引壓管智能故障診斷方法

在審

• 申請?zhí)枺?/td>: 202210711851.1
• 申請日: 2022-06-22
• 公開（公告）號: CN115099273A
• 公開（公告）日: 2022-09-23
• 發(fā)明（設(shè)計）人: 王鍇;何天放;曾鵬;徐皚冬;王志平;張博;蔣茂葦
• 申請（專利權(quán)）人: 中國科學院沈陽自動化研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06V10/82;G01L27/00;G06N3/04;G06N3/08
• 代理公司: 沈陽科苑專利商標代理有限公司 21002
• 代理人: 王倩

本發(fā)明涉及一種基于深度學習的壓力儀表引壓管智能故障診斷方法，包括信號處理模塊和智能識別模塊兩大部分，其中信號處理模塊包含信號濾波單元與信號歸一化單元，智能識別模塊包括小波變換單元與二維卷積神經(jīng)網(wǎng)絡(luò)。本發(fā)明以壓力儀表中傳感器輸出的原始壓力信號為基礎(chǔ)，由信號處理模塊進行濾波和歸一化之后，先通過小波變換對于不同頻段的健康信息進行分離，以增強對于變工況環(huán)境的適應(yīng)能力，之后通過二維卷積神經(jīng)網(wǎng)絡(luò)進行特征提取與健康狀態(tài)識別。本發(fā)明用于變工況環(huán)境下的壓力表引壓管故障診斷方法能夠?qū)崿F(xiàn)在工況變化條件下，尤其是過程噪聲頻率變化條件下的壓力表引壓管故障診斷，最終能夠保障儀表在使用過程中的安全穩(wěn)定運行。

技術(shù)領(lǐng)域

本發(fā)明涉及一種壓力儀表引壓管故障診斷方法，能夠在工廠運行過程中實現(xiàn)壓力儀表引壓管故障診斷，并且該方法能夠適應(yīng)儀表實際工作過程中的工況變化，在變工況條件下仍然能夠完成故障診斷，并且能夠識別引壓管堵塞程度，屬于壓力儀表故障診斷領(lǐng)域。

背景技術(shù)

壓力儀表用于對設(shè)備的壓力進行監(jiān)測，在流程工業(yè)與過程自動化領(lǐng)域發(fā)揮重要的作用，壓力儀表正常與穩(wěn)定運行是生產(chǎn)安全與生產(chǎn)效率的保障，因此研發(fā)儀表的故障診斷方法具有重大意義。壓力儀表系統(tǒng)主要構(gòu)成如圖1所示，壓力儀表主要包括過程接口、傳感器、二次變換單元，過程接口通常用于連接過程設(shè)備與儀表，在實際生產(chǎn)中通常采用引壓管，主要用于將壓力從罐體、管道等過程設(shè)備傳遞至壓力表，使儀表能夠遠離較為惡劣的環(huán)境工作；傳感器主要用于將壓力信號轉(zhuǎn)換為模擬電信號，為后續(xù)采集與處理創(chuàng)造條件；二次變換單元主要執(zhí)行模數(shù)轉(zhuǎn)換等任務(wù)，通過震蕩與解調(diào)等環(huán)節(jié)，最終輸出與壓力成正比的信號。

引壓管作為壓力儀表系統(tǒng)中的重要組成部分，主要包括管道，閥門，冷凝器等部分^[i]，在壓力表使用過程中，壓力介質(zhì)中的雜質(zhì)析出沉積于管道之上將引起引壓管堵塞，依據(jù)美國核管會LER數(shù)據(jù)庫，1980年至1992年間共報告551起引壓管故障事件，其NUREG/CR-5851報告指出引壓管堵塞為核電行業(yè)運維過程中的重要故障模式，上世紀80年代中期，法國兩臺壓水堆的流量儀表引壓管發(fā)生堵塞，歐洲的一項調(diào)查估計，伴熱系統(tǒng)無法工作的成因中引壓管堵塞占比超過60％，引壓管堵塞將嚴重影響儀表測量精度，控制系統(tǒng)采用引壓管堵塞后的壓力表數(shù)據(jù)進行決策將影響生產(chǎn)安全甚至可能造成嚴重安全事故，因此對于引壓管堵塞故障進行快速在線診斷具有重要意義。

早期引壓管堵塞解決方案為組織專職人員定期對于引壓管進行維護，常用方式為采用氮氣對于引壓管進行吹掃，從而保證引壓管暢通，但該方法費時費力，且可能導致工人暴露于輻射、腐蝕等危險環(huán)境之中。為了解決人工定期維護方式的問題，以過程噪聲分析為代表的引壓管狀態(tài)在線故障診斷方法被提出。過程噪聲分析方法基本流程如圖2所示，過程噪聲指由于湍流、隨機流量、隨機傳熱、振動以及其他原因引起的壓力等過程參數(shù)的固有波動，它通過引壓管傳遞至壓力儀表，首先體現(xiàn)在壓力儀表傳感器輸出的原始信號中，經(jīng)二次變換單元處理后，最終體現(xiàn)在壓力儀表輸出信號的動態(tài)分量中。如果將壓力儀表視為一個“過濾器”，在假設(shè)過程噪聲恒定的條件下，通過分析儀表輸出信號即可判斷引壓管健康狀態(tài)。如圖3所示，噪聲分析方法的應(yīng)用前提是假設(shè)過程噪聲信號恒定，即假設(shè)x不變，通過分析y來推出G，從而判斷引壓管健康狀態(tài)。然而，在實際工程實踐中，儀表通常工作在變工況條件，使得上述假設(shè)不再成立。例如，用于連接罐體和管道等過程設(shè)備的液泵是典型的過程噪聲源，當流經(jīng)液泵的工質(zhì)流量發(fā)生改變時將引起過程噪聲的幅值和頻率發(fā)生變化，導致傳統(tǒng)的噪聲分析方法發(fā)生失效。為此，Rosemount公司提出了基于統(tǒng)計過程監(jiān)測的方法。該方法首先基于噪聲信號的統(tǒng)計特征(例如均值)來識別工況，當檢測到工況發(fā)生改變時，將暫停診斷服務(wù)并啟動學習模塊重新修訂故障診斷閾值，從而使得算法可以適應(yīng)工況變化。然而該方法尚面臨如下挑戰(zhàn)：1)當工況發(fā)生改變時，診斷模塊必須暫停服務(wù)；2)在過程噪聲的幅值不變而僅頻率發(fā)生改變的情況下，該方法無法適用。為此本發(fā)明提出一種基于深度學習的壓力儀表引壓管故障智能診斷方法，運用深度學習方法自動提取壓力儀表傳感器輸出原始信號中的深層故障特征并完成故障診斷，不僅能夠適應(yīng)過程儀表的工況變化，而且能夠識別引壓管堵塞程度，保障壓力儀表在工業(yè)環(huán)境中的平穩(wěn)健康運行。

發(fā)明內(nèi)容