[發(fā)明專利]一種控制器模塊的智能BIT故障診斷方法

在審

• 申請?zhí)枺?/td>: 202211662078.0
• 申請日: 2022-12-23
• 公開（公告）號: CN115933608A
• 公開（公告）日: 2023-04-07
• 發(fā)明（設計）人: 黃從智;楊陽;王巍;金曹斌;張建華;侯國蓮
• 申請（專利權）人: 華北電力大學;國核自儀系統(tǒng)工程有限公司
• 主分類號: G05B23/02
• 分類號: G05B23/02
• 代理公司: 北京翔石知識產(chǎn)權代理事務所(普通合伙) 11816
• 代理人: 范金嬌

本發(fā)明涉及故障診斷技術領域，尤其涉及一種控制器模塊的智能BIT故障診斷方法，包括，步驟S1，采集控制器模塊運行數(shù)據(jù)；步驟S2，對數(shù)據(jù)進行歸一化處理；步驟S3，對全卷積網(wǎng)絡訓練和測試；步驟S4，優(yōu)化全卷積網(wǎng)絡的超參數(shù)設置；步驟S5，將預測值進行二分類；步驟S6，輸出智能BIT診斷結(jié)果。本發(fā)明通過實際重型燃機控制系統(tǒng)控制器模塊在運行過程中產(chǎn)生的大量歷史數(shù)據(jù)建立全卷積網(wǎng)絡模型，采用多元時序信號輸入全卷積網(wǎng)絡，實現(xiàn)對控制器模塊的智能自檢，通過數(shù)據(jù)驅(qū)動的方法，采用全卷積網(wǎng)絡提取多元時序信號中的有效特征，從而減少噪聲或突發(fā)情況造成的故障誤報和漏報情況，有效提高了燃氣輪機控制器模塊的安全性和可靠性。

技術領域

本發(fā)明涉及故障診斷技術領域，尤其涉及一種控制器模塊的智能BIT故障診斷方法。

背景技術

隨著工業(yè)4.0人工智能時代來臨，基于數(shù)據(jù)驅(qū)動的方法在各個領域都得到了廣泛而深入的使用，采用各種信號處理和數(shù)據(jù)挖掘的方法自動獲取海量數(shù)據(jù)中的隱含信息，從而建立可靠的模型來對控制器模塊的狀態(tài)進行檢測，近年來，深度學習的研究方法得到了廣泛關注，將深度學習應用于智能BIT領域可以有效地提高故障診斷的準確率，有利于發(fā)現(xiàn)控制器模塊的早期故障，改善重型燃機控制系統(tǒng)整體性能，進一步提升控制系統(tǒng)的可靠性和智能化水平。

各領域內(nèi)控制系統(tǒng)的功能日臻完善，控制系統(tǒng)的可靠性也穩(wěn)步提升，但控制系統(tǒng)中的電子設備不可避免地會出現(xiàn)故障異常，為了全面提升控制系統(tǒng)的可靠性，能夠及時發(fā)現(xiàn)故障，保障電子設備正常運行，很多控制系統(tǒng)的電子設備內(nèi)部嵌入了BIT技術，以實現(xiàn)對控制系統(tǒng)的實時狀態(tài)監(jiān)測和故障診斷，目前重型燃機控制系統(tǒng)一般都內(nèi)置了BIT技術，但其仍存在BIT故障診斷虛警率較高的問題，因此為提高重型燃機控制系統(tǒng)控制器模塊的故障識別準確率，重型燃機控制系統(tǒng)智能BIT成為該領域的研究重點。

發(fā)明內(nèi)容

為此，本發(fā)明提供一種控制器模塊的智能BIT故障診斷方法，用以克服現(xiàn)有技術中BIT故障診斷虛警率較高的問題。

為實現(xiàn)上述目的，本發(fā)明提供一種控制器模塊的智能BIT故障診斷方法，包括，

步驟S1，采集重型燃機控制系統(tǒng)內(nèi)控制器模塊運行的特征狀態(tài)參數(shù)的時序信號，特征狀態(tài)參數(shù)選擇控制器模塊溫度、控制器模塊CPU負荷和控制器模塊內(nèi)存負荷，以代表重型燃機控制系統(tǒng)控制器模塊的運行狀態(tài)；

步驟S2，對控制器模塊溫度、控制器模塊CPU負荷以及控制器模塊內(nèi)存負荷三種時序信號進行數(shù)據(jù)預處理，以攜帶標簽名的方式作為全卷積網(wǎng)絡的輸入，并對三種時序信號進行歸一化處理，將其分為訓練集和驗證集；

步驟S3，針對特征狀態(tài)參數(shù)設計全卷積網(wǎng)絡，通過滑動窗口算法規(guī)定輸入網(wǎng)絡的時間序列長度，預測下個單位時間的參數(shù)狀態(tài)數(shù)據(jù)，利用控制器模塊的歷史數(shù)據(jù)對全卷積網(wǎng)絡模型進行訓練和測試；

步驟S4，在訓練全卷積網(wǎng)絡時采用改進的飛蛾撲火算法來優(yōu)化全卷積網(wǎng)絡的超參數(shù)設置；

步驟S5，將歸一化處理后的多元時序信號輸入所述步驟S4中訓練好的全卷積網(wǎng)絡模型，得出的預測值再輸入Softmax分類器進行二分類，確定時序信號的狀態(tài)：

步驟S6，對于所述步驟S5中Softmax分類器輸出的二分類結(jié)果，其中0表示正常，1表示故障，將該輸出結(jié)果作為智能BIT的診斷結(jié)果。

進一步地，控制器模塊的歷史數(shù)據(jù)包括特征狀態(tài)參數(shù)數(shù)據(jù)，用以反映控制器模塊的狀態(tài)，使用矩陣I表示特征狀態(tài)參數(shù)的時間序列數(shù)據(jù)，使用矩陣O表示特征狀態(tài)參數(shù)的診斷數(shù)據(jù)，其為開關量數(shù)據(jù)；

其中，I＝[i₁，i₂，…，i_n]，i_n表示第n個時間序列的監(jiān)測數(shù)據(jù)，O＝[o₁，o₂，…，o_n]，o_n表示第n個時間序列的診斷結(jié)果。