[发明专利]一种工业生产过程智能集成故障诊断方法及装置

权利要求书

1.一种工业生产过程智能集成故障诊断方法，其特征在于，包括以下步骤：

(1)工业生产过程故障诊断数据的检测、信号采集；

(2)根据采集到的信号进行对象特征的分析和处理；

(3)根据对象特征，按照智能集成故障诊断方法，对生产过程故障诊断分析，故障进行识别；

步骤(3)是通过以下步骤实现的：

a)贝叶斯网络模型的建立；

b)FTA和FMEA模型的综合分析和处理；

c)神经网络专家系故障诊断分析和处理；

(4)寻找故障原因，进行故障准确定位和进行诊断决策，有效地调节生产过程。

2.根据权利要求1所述一种工业生产过程智能集成故障诊断方法，其特征在于贝叶斯网络模型的建立是通过执行以下步骤实现：

(1)根据过程参数变量的因果关系，确定网络的拓扑结构；

(2)贝叶斯网络赋值，对于根节点，要确定其先验概率，对于其它节点，则要确定条件概率，先验概率和条件概率的确定，可以根据专家信息和试验信息获得；

(3)确定节点之间的因果联系，设计条件概率分布表，它是基于上一级节点不同状态的概率分布；确定根节点的先验概率和其余节点的条件概率后，就可以根据贝叶斯理论确定所有节点的无条件先验概率，在此基础上进行统计推断；

(4)确定严酷程度的概率分布表，对于严酷程度的概率分布，要根据试验情况及对系统认识的不断深入，加以修正，以反映系统的实际情况；

(5)信念传播和推断，这一过程主要是融合新的试验信息和专家信息，改进网络结构节点和概率分布，并进行最后的统计推断；通过信念传播，不断调整更节点的先验概率、条件概率和严酷度概率，实现贝叶斯网络的学习功能，这是进行统计推断的基础，确定了新的先验概率、条件概率和严酷度概率分布表后，就可利用贝叶斯网络进行统计推断。

3.根据权利要求1所述一种工业生产过程智能集成故障诊断方法，其特征在于FTA和FMEA模型的综合诊断分析和处理是通过执行以下步骤实现：

(1)首先采集关键疑难故障信息作为顶事件进行FTA分析，形成故障树；

(2)通过顶事件找到中间事件；

(3)确定底事件，根据故障树所表达的逻辑关系在贝叶斯网络中的形式表达方式，将该故障树转化为贝叶斯网络的FTA拓扑模型，确定重要底事件，在转化后的贝叶斯网络模型中，根据已假定的各底事件先验概率分布，利用故障树中某事件已发生的信息，分析各事件发生的条件概率，并选择发生故障概率最大的底事件作为重要底事件；

(4)运行贝叶斯网络的FMEA模型；

(5)故障线索存在性判断，如果存在，则将故障定位到模块；如果不存在，则补充底事件的潜在影响，建立新的故障树模式分析；

(6)根据故障树分析所得的各故障模式发生的概率，利用CFE贝叶斯网络模型和系统故障间的因果性和层次性，计算出各故障模式的发生概率以及最可能的故障模式组合发生的概率，确定最有可能发生故障的模块；

(7)运用神经网络专家系统诊断技术进行故障定位分析，将故障定位到模块并提出改进措施；

(8)补充底事件的潜在影响，建立新的故障树模式分析，继续重复上述分析过程。

4.根据权利要求1所述一种工业生产过程智能集成故障诊断方法，其特征在于神经网络模型的故障诊断分析和处理是通过执行以下步骤实现：

(1)首先进行系统初始化；

(2)给定系统输入值和输出期望目标值；

(3)根据输入和目标值判断系统学习是否完成，如果没有完成，则转至计算隐含层和输出层各单元值，如果完成，则进入工作状态，求输出向量；

(4)计算隐含层和输出层各单元值；

(5)计算目标值和实际输出值的偏差E；

(6)偏差E判断是否满足工艺要求，如果没有满足，则计算隐含层单元的误差；如果满足，则判断所有单元的偏差e是否满足工艺要求，如果没有满足，则计算隐含层单元的误差；如果满足，则求输出向量；

(7)求输出向量；

(8)启动专家系统给出诊断结果；

(9)计算隐含层单元的误差；

(10)调整学习率；

(11)调整中间层到输出层的连接权值和输出层单元的阈值；

(12)调整输入层到中间层的连接权值和中间层单元的阈值；

(13)完成学习过程。