[发明专利]基于人在回路的智能自学习故障诊断方法

说明书

本发明公开了一种基于人在回路的智能自学习故障诊断方法，该方法针对时间序列数据或动态信号，以最优故障特征表单为依据，分别以故障特征提取算法库和故障模式库中的故障诊断判据为支撑，进行故障特征提取和故障诊断；最优故障特征表单和故障诊断判据的更新以人在回路的故障信息反馈为触发条件，采用人工输入核实故障诊断结论：当新故障模式出现时，触发故障自学习算法进行故障模式学习，更新最优故障特征表单；当没有新故障模式出现但诊断结果错误时，也触发故障自学习算法，修改故障诊断判据。本发明能够实现对故障模式的智能自学习，进而不断实现对故障特征和故障判据的自动优化更新，使故障诊断能力在使用过程中得到不断提升。

技术领域

本发明涉及故障诊断领域，具体涉及一种基于人在回路的智能自学习故障诊断方法。

背景技术

传统故障诊断与人的能力和经验直接相关，所选特征和故障诊断算法在使用中固定，故障特征更新需要升级改造故障诊断系统，技术复杂、成本高。此外，在故障诊断系统使用维护中，故障信息收集环节不完备，产品发生故障并返厂维修后，缺少故障确认信息反馈，制约故障诊断能力的快速提升。

发明内容

为了解决现有技术中的上述问题，本发明提出了一种基于人在回路的智能自学习故障诊断方法，使故障诊断能力在使用过程中得到不断提升。

本发明提出的一种基于人在回路的智能自学习故障诊断方法，每次获取时间序列数据后执行以下步骤：

步骤1，将获取的时间序列数据存入故障模式库；

步骤2，针对时间序列数据，以最优故障特征表单为依据，从故障特征提取算法库中选择对应算法进行故障特征提取，得到一组故障特征向量；

步骤3，针对故障特征向量，从故障模式库中提取故障诊断判据进行故障诊断，得到故障诊断结论，确定出现的故障模式；

步骤4，通过人机交互系统输入故障诊断结论的判断结论，如果故障诊断结论正确，则结束；如果故障诊断结论不正确，则执行步骤5；

步骤5，通过人机交互系统输入新故障模式的判断结论，如果为新故障模式，则向故障模式库中添加该故障模式，并触发故障自学习算法，更新最优故障特征表单；如果非新故障模式，则触发故障自学习算法，修改故障模式库中的故障诊断判据；

步骤6，故障自学习算法从故障模式库中提取所有的故障模式和时间序列数据，从故障特征提取算法库中获取故障特征提取算法，重新进行故障模式的自学习，更新最优故障特征表单和故障诊断判据。

优选的，所述的故障模式库包括故障模式的类型和时间序列数据，各时间序列数据与故障模式相对应。

优选的，所述的故障特征提取算法库包括时域、频域和时频域特征提取算法，能够对时间序列数据进行故障特征的提取。

优选的，所述最优故障特征表单包括故障模式库中不同故障模式对应的故障特征类型。

优选的，故障诊断的方法为：以故障模式库中的故障诊断判据为依据，采用逻辑判断或阈值判别方法进行故障诊断。

优选的，故障自学习算法采用神经网络或支持向量机的人工智能算法进行设计。

优选的，故障特征提取算法库为故障模式库提供故障特征提取算法支持，对故障模式库中的时间序列数据进行故障特征的提取。

本发明能够实现对故障模式的智能自学习，进而不断实现对故障特征和故障判据的自动优化更新，使故障诊断能力在使用过程中得到不断提升。

附图说明

图1是本发明的基于人在回路的智能自学习故障诊断方法的原理示意图。

具体实施方式