[发明专利]一种设备故障诊断装置及系统

说明书

根据本发明的设备故障诊断装置及系统，设备故障诊断装置包括管理用储存部、BP故障诊断器构建部、粒子维度确定部、粒子初始化部、PSO‑BP故障诊断器构建部、第一诊断结果生成部、粒子位置更新部、初步诊断模型构建部、最优粒子遴选部、最终诊断模型构建部以及故障诊断结果生成部，设备故障诊断装置采用了基于粒子群算法优化BP神经网络模型故障诊断方法,在传统BP神经网络的基础上，引入粒子群算法(PSO)，改变了原误差迭代计算方式。可以将粒子群算法的全局搜索能力与BP神经网络的局部快速搜索能力相结合，避免结果陷入局部最优。从而建立PSO优化BP神经网络模型，优化网络结构，并利用PSO对BP神经网络的权值与阈值进行寻优，提高了诊断性能。

技术领域

本发明涉及一种设备故障诊断装置及系统，具体涉及一种冷水机组故障诊断装置及系统。

背景技术

制冷系统在生产与生活各个领域中应用的越来越广泛,其结构较为复杂，自动化程度较高，在运行过程中难免会发生各种各样的故障，带障运行造成系统COP下降，引起不健康、不舒适的工作或居住环境，造成资源的浪费，产品的亏损，设备的损坏。研究表明故障造成的制冷系统的能耗增加可达30％。定期检修会造成过度维修或维修不足,大量的人力物力资源被应用于制冷系统的故障诊断，结果却不尽如人意。从“人工智能(ArtificialIntelligence)”最初在1956年Dartmouth学会上被提出，到20世纪60年代专家系统与人工神经网络的发展，专家系统、人工神经网络、支持向量机、模糊集理论等在机械工程的故障诊断中应用的越来越广泛。如电力行业，滚动轴承，转动机械，航天飞行器技术。

相较于这些领域，故障诊断在制冷空调领域的应用开发要晚一些。大数据的挖掘应用对空调领域故障诊断与检测及用户行为预测有很大的影响。各类神经网络及其优化方法在各个不同的领域均有应用的范例。如：将主元分析法与概率神经网络复合，提取制冷系统故障样本主要特征，对其进行故障诊断。将小波变换与BP神经网络相结合，剔除测量数据中的噪声，提高数据质量，监测冷水机组故障，提高冷水机组故障诊断效率。然而传统BP神经网络在离心式冷水机组故障诊断中具有收敛速度慢以及易陷入局部极小等缺陷。

发明内容

本发明为了解决上述问题，针对冷水机组过程数据的非线性以及BP神经网络对权值及阈值寻优易陷入局部最优的问题，本发明一方面的目的在于提供一种设备故障诊断装置及系统，采用粒子群算法优化BP神经网络模型故障诊断方法，在传统BP神经网络的基础上，引入粒子群算法(PSO)，改变了原误差迭代计算方式，通过找到粒子的最优位置确定一定网络结构下最优的网络参数，通过不同网络结构最佳性能的对比，找到结构、参数均达到最优的网络。用改进的PSO优化BP算法可有效减少过程诊断中漏报及误报的发生，从而提高故障诊断的准确性。