[发明专利]基于定性趋势分析和五状态贝叶斯网络的故障诊断方法、系统、设备及存储介质

说明书

本发明公开了一种基于定性趋势分析和五状态贝叶斯网络的故障诊断方法、系统、设备及存储介质，旨在解决现有技术中故障诊断方法仅有正常和异常两种状况，且仅用两种状态无法详细描述变量变化趋势及变量之间正反作用的影响关系的缺陷性技术问题。本发明在多变量时序系统中进行故障推理诊断，首先定义多变量时间窗口数据和两个线性片段并获取最佳分割点，根据最佳分割点求解两段线性片段，再对后一段线性片段采用正常、上升、下降、正步和负步五种状态进行描述，根据变量的因果关系构建因果关系网络，实时利用定性趋势分析方法判断每个变量的状态，利用五状态贝叶斯网络进行推理诊断，判断当前系统发生故障的根本原因和故障传播路径。

技术领域

本发明属于故障诊断领域，涉及一种基于定性趋势分析和五状态贝叶斯网络的故障诊断方法、系统、设备及存储介质。

背景技术

多变量时序系统发生故障时，经常会有多个变量发生异常偏离，工作人员很难根据经验快速判断故障的根本原因。故障推理诊断的目的是根据异常变量的变化趋势，推理诊断出导致系统发生故障的根本原因，并给出故障传播路径。故障推理诊断的结果对于工作人员了解系统状态与故障类型有着重要的指导意义，也能够辅助工作人员根据识别与诊断结果对操作变量进行手动调整，使系统尽快调整到其正常状态，避免更加严重的事故发生。

现有故障推理诊断方法通常是只将变量判断成正常和异常变量，每个变量的状态数为2，并不能反映每个变量的变化趋势。变量的变化趋势对于工作人员了解系统状态同样有着重要作用。

其他的贝叶斯网络故障诊断方法通常只有2种状态(正常、异常)，实际情况下，仅用两种状态无法详细描述变量的变化趋势，以及变量之间的正反作用的影响关系。例如，对于一个正作用的影响关系，当原因变量上升时结果变量随之上升，当原因变量下降时结果变量随之下降；对于一个反作用的影响关系，当原因变量上升时结果变量随之下降，当原因变量下降时结果变量随之上升。

发明内容

为了克服上述现有技术的缺点，本发明的目的在于提供一种基于定性趋势分析和五状态贝叶斯网络的故障诊断方法、系统、设备及存储介质，旨在解决现有技术中故障诊断方法仅有正常和异常两种状况，且仅用两种状态无法详细描述变量变化趋势及变量之间正反作用的影响关系的缺陷性技术问题。

为了达到上述目的，本发明采用以下技术方案予以实现：

本发明提出一种基于定性趋势分析和五状态贝叶斯网络的故障诊断方法，包括：

将多变量时序数据整理成多变量时间窗口数据；

通过多变量时间窗口数据寻找最佳的分割点来获取两个线性片段，对线性片段采用五种趋势状态进行描述；

构建变量因果关系网络，并根据变量的因果关系网络，构建五种状态的贝叶斯网络，计算五种状态的贝叶斯网络中节点状态之间的条件概率信息；

利用条件概率信息对变量的实际趋势状态进行诊断，获取故障产生原因及故障传播途径。

优选地，多变量时序数据有两个维度：一个变量维度，表示每一个变量；一个时间维度，表示每一个采样点；

将多变量时序数据整理成固定定时间长度的多变量时间窗口数据，其中，L为10min～10h。

优选地，两个线性片段的表达式如公式(1)和公式(2)所示：

其中，i表示多变量时间窗口数据内的采样时刻，和分别表示两个线性片段的开始时刻；和分别表示两个线性片段中变量在和时刻的测量值；p₁和p₂是两个线性片段的斜率；