[发明专利]一种多传感器数据融合的设备故障诊断方法及装置

说明书

本发明提供了一种多传感器数据融合的设备故障诊断方法及装置，方法包括：根据预先确定的故障模式构造设备的故障辨识框架；获取由多个传感器采集到的设备运行状态数据，并将设备运行状态数据转化为数字信号；利用预先构建的自适应故障诊断模型对数字信号进行故障特征提取，并根据提取得到的故障特征矩阵利用基本概率赋值法计算各个故障模式的BPA值，得到设备的初级诊断证据体；对DS理论冲突因子与预设的阈值进行大小关系比较，根据比较结果选取对应的融合规则对初级诊断证据体进行决策融合得到设备的故障诊断结果。本发明能够融合多来源故障信号进行设备的状态监测与智能诊断，从而有效提高设备故障诊断的效率和准确性。

技术领域

本发明涉及设备故障诊断技术领域，尤其是涉及一种多传感器数据融合的设备故障诊断方法、装置、终端设备及可读存储介质。

背景技术

制造业是国民经济的主体，是强国之基。机械设备的健康运转是保证生产线平稳运行的前提，是制造业蓬勃发展的前提，是智能制造工程的一个重要建设内容。机械设备状态监测和智能诊断是确保机械设备健康运行的有效途径。监测和诊断机械设备的运行状态有着重大的现实意义，不仅可以及早发现故障隐患，及时检修，充分利用设备的有效使用寿命，提高工厂的生产效率和经济效益，而且为企业的智能化生产提供有效的数据支持，还可以尽可能避免人员伤亡和设备报废，保证生产的安全性。

传统的状态监测和智能诊断技术，已经不适应目前的精密复杂、高度自动化、信息化的机械设备和系统，因此有很多问题有待解决或值得进一步研究。其一，设备的故障征兆和故障类型之间是一种复杂的映射关系，具有多种属性，同种属性在时间和空间上有较大的分布。从单传感器获得的故障信息是有限的，因此在对机械设备进行状态监测时，需要安装大量不同类型的传感器收集设备状态信息。其二，上述不同类型的传感器获取的系统数据和状态信息既多且繁，信息融合则期望将各种途径、不同时空域获取的多源、异构数据看做一个整体，充分利用数据的相关性、冗余性和互补性，借助于各种不确定信息处理方法进行多信息源的融合诊断，获得被测对象更准确的状态描述。其三，传统故障诊断方法大多依赖于专家知识，通过人工手段对原始信号进行特征提取，效率低下，难以处理高速增长的海量数据。

发明内容

本发明实施例所要解决的技术问题在于，提供一种多传感器数据融合的设备故障诊断方法、装置、终端设备及可读存储介质，能够融合多来源故障信号进行设备的状态监测与智能诊断，从而有效提高设备故障诊断的效率和准确性。

为了解决上述技术问题，本发明实施例提供了一种多传感器数据融合的设备故障诊断方法，包括：

根据预先确定的故障模式构造设备的故障辨识框架；

获取由多个传感器采集到的设备运行状态数据，并将所述设备运行状态数据转化为数字信号；

利用预先构建的自适应故障诊断模型对所述数字信号进行故障特征提取，并根据提取得到的故障特征矩阵利用基本概率赋值法计算各个故障模式的BPA值，得到设备的初级诊断证据体；

对DS理论冲突因子与预设的阈值进行大小关系比较，根据比较结果选取对应的融合规则对所述初级诊断证据体进行决策融合得到设备的故障诊断结果。

进一步地，所述获取由多个传感器采集到的设备运行状态数据，并将所述设备运行状态数据转化为数字信号，具体为：

获取由多个传感器采集到的设备运行状态数据，根据所述设备运行状态数据生成时域信号；

利用预设的信号处理单元对所述时域信号进行数模转换得到所述数字信号。

进一步地，所述自适应故障诊断模型由多组BiLSTM网络组成。

进一步地，所述利用预先构建的自适应故障诊断模型对所述数字信号进行故障特征提取，并根据提取得到的故障特征矩阵利用基本概率赋值法计算各个故障模式的BPA值，得到设备的初级诊断证据体，具体包括：