[发明专利]一种工业设备的故障诊断方法

说明书

本发明公开了一种工业设备的故障诊断方法，包括：采集样本，所述样本包括正常样本和故障样本；构建参数评估模型，并采用正常样本对参数评估模型进行训练；采用训练后的参数评估模型对待诊断设备的监测参数进行评估，得到监测参数评估值；根据监测参数评估值以及对应的监测参数，对故障样本进行更新；构建故障识别模型，并采用故障样本对故障识别模型进行训练；获取待诊断设备的实时监测参数，并通过训练后的故障识别模型对实时监测参数进行识别，得到故障诊断结果。本发明提高了工业设备的故障诊断效率以及故障诊断准确率。

技术领域

本发明属于故障诊断领域，具体涉及一种工业设备的故障诊断方法。

背景技术

故障诊断主要指对系统或设备运行过程中出现的故障进行检测、分离和辨识，即判断故障是否发生，以及定位故障发生的部位和种类等。目前，主要的故障诊断方法包括如下几种：

1、基于专家系统的故障诊断方法

基于专家系统的故障诊断方法是利用领域专家在长期实践中积累起来的经验建立知识库，并设计一套计算机程序模拟人类专家的推理和决策过程进行故障诊断。专家系统主要由知识库、推理机、综合数据库、人机接口及解释模块等部分构成。

基于专家系统的故障诊断方法能够利用专家丰富的经验知识，无需对系统进行数学建模并且诊断结果易于理解，因此得到了广泛的应用。但是，这类方法所需求的专家知识获取比较困难，这成为专家系统开发中的主要瓶颈；其次，诊断的准确程度依赖于知识库中专家经验的丰富程度和知识水平的高低；最后，当规则较多时，推理过程中存在匹配冲突、组合爆炸等问题，使得推理速度较慢、效率低下。

2、基于图论的故障诊断方法

基于图论的故障诊断方法主要包括符号有向图(Signed directed graph，SDG)方法和故障树(Fault tree)方法。SDG是一种被广泛采用的描述系统因果关系的图形化模型。故障树是一种特殊的逻辑图。基于故障树的诊断方法是一种由果到因的分析过程，它从系统的故障状态出发，逐级进行推理分析，最终确定故障发生的基本原因、影响程度和发生概率。

基于图论的故障诊断方法具有建模简单、结果易于理解和应用范围广等特点。但是，当系统或设备比较复杂时，这类方法的搜索过程会变得非常复杂，而且诊断正确率不高，可能给出无效的故障诊断结果，故在实际应用中，大多与其他方法结合使用。

3、基于解析模型的故障诊断方法

基于解析模型的故障诊断方法利用系统精确的数学模型和可观测输入、输出量构造残差信号来反映系统期望行为与实际运行模式之间的不一致，然后基于对残差信号的分析进行故障诊断。

基于解析模型的故障诊断利用了对系统内部的深层认识，具有很好的诊断效果。但是这类方法依赖于被诊断对象精确的数学模型，实际中对象精确的数学模型往往难以建立，此时基于解析模型的故障诊断方法便不再适用。

4、基于多元统计分析的故障诊断方法

基于多元统计分析的故障诊断方法是利用过程多个变量之间的相关性对过程进行故障诊断，这类方法根据过程变量历史数据，利用多元投影方法将多变量样本空间分解成由主元变量张成的较低维的投影子空间和一个相应的残差子空间，并分别在这两个空间中构造能够反映空间变化的统计量，然后将观测向量分别向两个子空间进行投影，并计算相应统计量指标用于过程监控。

基于多元统计分析的故障诊断方法不需要对系统的结构和原理有深入的了解，完全基于系统运行过程中传感器的测量数据，而且算法简单，易于实现。但是，这类方法诊断出来的故障物理意义不明确，难于解释，并且由于实际系统的复杂性，这类方法中还有许多问题有待进一步的研究，比如过程变量之间非线性，以及过程的动态性和时变性等。

5、基于信号处理的故障诊断方法