[发明专利]基于数据驱动模型的自动故障诊断和预测方法及系统

说明书

本发明提供了一种基于数据驱动模型的自动故障诊断和预测建模方法及系统，涉及故障诊断与预测技术领域，方法包括：根据给定文件路径读取文件获取原始监测数据并进行PHM任务分类，先进行数据类型格式处理，再进行缺失值处理；针对数值类型数据，对其中的标称型数据先进行编码再进行标准化处理，针对周期类型数据，进行故障特征提取后进行标准化处理，针对时间序列数据，直接进行标准化处理；根据数据所对应的PHM任务，确定候选模型及其参数搜索空间，利用启发式算法自动确定最优的模型和参数组合并进行故障诊断与预测，输出最优模型架构和参数。本发明针对各种类型数据均能实现基于数据驱动的自动故障诊断和预测建模。

技术领域

本发明属于故障诊断与预测技术领域，特别是一种基于数据驱动模型的自动故障诊断和预测方法及系统。

背景技术

随着时代发展，设备向着高科技、高性能、自动化、精密化、集成化方向发展，一旦发生故障，牵一发而动全身，不仅设备本身遭受极大损失，对操作者的安全也造成极大威胁。长期以来，事后维修和预防性维修是主要的维修手段。然而，事后维修方式是一种被动式的维修方式，在设备发生故障之后再维修会造成停机损失，预防性维修虽然能预防故障发生，但是对于灾难性故障却很难预防，而且同样可能造成不必要的停机损失。近年来，能够预测故障并将故障消灭在萌芽状态的“视情维修”逐渐成为装备维修保障的发展方向，并由此产生了故障预测与健康管理(prognostic and health management,PHM)概念。PHM系统一般应具备以下功能：故障检测、故障隔离、故障诊断、故障预测、健康管理和寿命追踪，其中故障诊断和故障预测是核心内容。

由于故障诊断和故障预测方法的不同，可以将PHM方法分为三类：基于专家系统的PHM、基于物理模型的PHM和基于数据驱动的PHM(以下简称为数据驱动PHM)。然而在实际的工业场景中，建立复杂部件或系统的物理模型和识别模型的参数十分困难；在日益复杂且细分的工业系统中，获取充分的专家经验也难以实现。由此，基于监测数据的数据驱动PHM方法逐渐获得重视并取得快速发展，成为PHM领域的研究热点。数据驱动PHM基于监测数据，运用各种数据挖掘技术，提取有价值的信息，建立模型对装备故障进行预测，相比其他方法更加快速廉价，不依赖于某一特定装备的先验知识(数学模型/专家经验/物理模型)且应用范围广泛，然而数据驱动模型不像物理模型与现实系统存在一一对应关系，研究哪个系统就构造一个对应的物理模型，也不像经验模型，在研究该领域前需要先对该领域具有相当的了解，其实际上也存在一种对应关系。数据驱动PHM的模型众多，包括传统的统计模型以及新兴的机器学习模型，针对不同研究领域如何选择合适的数据驱动模型成为一个难点。其次，数据驱动PHM的环节众多，不同环节的算法具有多种可能的组合情况，因此针对不同环节如何选择算法同样是一项难题。因此，为解决此问题，寻求一种基于数据驱动模型的自动故障诊断和预测方法，以实现基于数据驱动PHM方法的自动化建模，并使其具备处理多种类型数据的能力是十分迫切且必要的。

发明内容

本发明针对上述现有技术中的缺陷，提出一种基于数据驱动模型的自动故障诊断和预测方法。该方法包括。

本发明提供一种基于数据驱动模型的自动故障诊断和预测方法，其包括以下步骤：

一种基于数据驱动模型的自动故障诊断和预测建模方法，其包括以下步骤：

S1、获取原始设备健康状态监测数据并进行PHM任务分类与数据预处理：

S11、数据读取与PHM任务分类并进行类型格式处理：根据给定文件路径读取文件并获取原始设备健康状态监测数据，基于原始设备健康状态监测数据的格式分为数值类型数据、周期类型数据和时间序列数据三种数据类型，数值类型数据对应故障诊断任务，周期类型数据对应故障预测任务和寿命预测任务，时间序列数据对应时间序列预测任务，针对不同数据类型进行类型格式处理；

S12、数据预处理获得标准化数据：分别针对所述数值类型数据、周期类型数据和时间序列数据进行数据预处理获得标准化数据：