[发明专利]一种基于专家思维的多维度故障诊断方法

说明书

技术领域

本发明属于设备故障诊断技术领域，涉及一种基于专家思维的多维度信息设备故障诊断方法。

背景技术

设备或者说机器是当代工业体系中不可或缺的组成部分。大型的、高效的、高自动化的设备给人类创造了巨大经济财富，为国民经济的迅速发展起到重大作用。设备在高速长周期的运转过程中，不可避免的会出现零部件老化、性能下降及损坏故障。一旦设备，尤其是在流程工业中占主要地位或者起关键作用的设备发生故障，必将给整个企业带来不可避免的经济损失，更有甚者，造成不必要的人员伤亡并给环境造成不可逆转的破坏。因此研究设备故障机理、提高设备故障诊断准确率，对保障设备安全可靠运行，从而减少因故障停机带来的直接和间接经济损失具有重要意义。

早在半个世纪以前，人们就开始对这些重要的设备进行故障诊断。原始的故障诊断主要靠“眼看、手摸、耳听”，由于原始手段自身的局限性和所获得信息的不完备性，导致不能非常及时、准确地诊断故障。随着传感器技术和信号处理技术的发展，上世纪80年代出现了依靠不同信号及仪器进行的故障诊断技术。其中由于振动信号能够准确、及时的反映设备的运行状态，并且其时域、频域和幅值均可以作为故障征兆。基于振动信号的故障诊断技术应用较广，且一直延续到现在。随着计算机技术、智能化技术及信息融合技术的发展，越来越多的专家系统和融合技术也应用在了设备故障诊断上。

专家在进行故障诊断时，总是先充分分析所获得的设备运行状态信息。这些信息包括报警测点不同时刻的各项特征参数、同时也包括相邻或者相关其他测点的各项参数。通过分析这些参数，结合故障机理给出最终结论。因为现场诊断专家考虑信息比较全面，诊断准确率相对较高。目前，大多数设备均已安装了实时在线监测系统，且具备一定的智能诊断功能。

现有的智能诊断专家系统虽然在一定程度上能诊断出某些故障，但由于往往只考虑单一测点特征值变化或者只考虑单一时刻的各特征值变化。从而出现基于不同时刻或者不同测点进行诊断时，诊断结论不同的现象，同时也不能很好的排除由于单一信号异常而非设备故障造成的系统报警问题。

发明内容

为充分利用所采集的信息，提高诊断准确率，并使设备尽可能的减少误报，本发明提出了一种基于专家思维的多维度故障诊断方法，包括如下步骤：

1）通过实时在线监测系统按一定采样频率采集设备各测点运行状态信息，将采集到的数据转化为可读特征参数，当特征参数中有超过报警值的数据时，即启动故障诊断；

2）根据采集到的报警测点基本数据及故障机理，判定设备可能存在的故障类型，从而建立对应的故障矩阵；

3）根据采集到的各测点数据及故障机理，迭代求解故障矩阵中各元素具体数值，各元素数值为0或1，从而使故障矩阵变为一个由0和1具体数值组成的矩阵；

4）对应故障矩阵，建立权重矩阵； 

5）将故障矩阵与权重矩阵相乘，求解诊断结果R，当R≥0.6时，则说明该设备确实存在故障矩阵所代表的故障，否则说明设备不存在故障矩阵所代表的故障； 

6）给出最终诊断结论，即设备是否存在某一故障。

进一步，步骤2）中建立的故障矩阵为：

                                                 

上式中各参数意义：

F：故障矩阵所代表的故障类型，故障不同，故障矩阵也不同，一个故障矩阵只代表一种故障；

 ：第j个测点P；

  ：第i个时间点；

F_tipj：故障矩阵中第ti行第Pj列的元素，即依据测点 Pj在时刻ti时的数据及故障机理进行一般诊断，将得出的故障类型与故障矩阵代表的故障进行比较，相同数值则为1，否则为0，其具体数值只能为0或1；

m×n：故障矩阵的维数，其中m为故障矩阵的行数，即选取的时间点的个数，n为故障矩阵的列数，即选取的相关测点的个数。

进一步，步骤3）中故障矩阵中各元素具体数值的求解方法为：

 

上式中各参数意义：

：采集到的测点Pj在时刻ti时的第i个特征值。 

进一步，步骤4）中建立的权重矩阵为：

上式中各参数意义：

W：权重矩阵；

：在最终结果判定中所占的比例系数，即该元素对最终结果的影响因子。

进一步，步骤5）中求解诊断结果R的方法为权重加和法：