[发明专利]一种基于贝叶斯网络的工业故障路径追溯方法及系统

说明书

本发明公开一种基于贝叶斯网络的工业故障路径追溯方法及系统。所述基于贝叶斯网络的工业故障路径追溯方法包括：步骤1：数据预处理，剔除原始数据中的噪声数据；步骤2：根据预处理后的数据，进行贝叶斯网络建模；步骤3：异常值检测，拟合自回归模型，并对拟合残差作后验检验来判断数据异常；步骤4：故障路径追溯，根据所检测出异常数据及故障属性，通过分析父节点的最大影响来求得一条最有可能的故障传播路径。本发明还提供一种基于贝叶斯网络的工业故障路径追溯方法的系统。

技术领域

本发明属于人工智能技术领域，具体的涉及一种基于贝叶斯网络的工业故障路径追 溯方法及系统。

背景技术

随着现代工业的快速发展，工业系统的复杂程度与日俱增。为保障这类系统日益增长 的安全性及可用性需求，近年来，国内外学者陆续提出了大量故障诊断算法。作为一种 将系统内在结构与外部观测值相结合的异常部件定位及异常原因分析技术，故障诊断能 够帮助专业技术人员有效地进行故障排查，从而制定可行的解决方案，以避免不必要的工业损失。

近年来，基于贝叶斯网络的故障诊断技术得到了国内外学者的广泛关注，不同类型的 贝叶斯网络已被陆续应用于故障诊断领域中。贝叶斯网络是概率知识表达及推理能力最 强大的概率图模型之一，它能够有效地处理故障诊断过程中存在的不确定性信息。如今，贝叶斯网络已在许多真实生活中的故障诊断领域得到了大量应用，特别是工业领 域。然而，大多数现有的贝叶斯故障诊断技术往往旨在定位出导致故障发生的某一特定 部件，而忽略了各设备属性之间固有的相互影响作用。实际上，系统中多个步骤均有可 能存在异常。因此，根据观测数据实现有效的故障路径追溯是十分有必要的。

发明内容

针对上述现有技术的不足，本发明的目的在于提供一种基于贝叶斯网络的工业故障 路径追溯方法及系统，在建立贝叶斯网络及检测到异常数据中的故障属性后，通过条件概率分解及二分法计算各子节点在不同父节点组合下的最大条件估计值，然后与真实值进行比较，采用自下而上的溯因法得到一条或多条最有可能导致该故障发生的路径。

为达成上述目的，本发明采用如下技术方案：一种基于贝叶斯网络的工业故障路径 追溯方法包括：步骤1：数据预处理，剔除原始数据中的噪声数据；步骤2：根据预处理 后的数据，进行贝叶斯网络建模；步骤3：异常值检测，拟合自回归模型，并对拟合残 差作后验检验来判断数据异常；步骤4：故障路径追溯，根据所检测出异常数据及故障 属性，通过分析父节点的最大影响来求得一条最有可能的故障传播路径。

优选地，步骤1具体包括如下步骤；步骤1.1：剔除原始数据中的异常数据；步骤1.2：对原始样本进行正则化，并记录全样本的均值和方差等正则化参数信息。

优选地，步骤2具体包括如下步骤：步骤2.1：将原始大规模样本分割成相互部分重叠的训练批样本；步骤2.2：初始化与样本量和维度有关的惩罚项等参数，调控网络结 构的稀疏度；步骤2.3：利用稀疏贝叶斯网络(Sparse Bayesian Network，SBN)算法， 依次对每一个节点进行父节点的搜索，并加入广度优先搜索方法避免生成环路，经过若 干次迭代，父节点及其对应关系系数趋于稳定，获得当前数据下的有向无环图及参数。

优选地，步骤3具体计算过程如下：步骤3.1：用AR自回归模型拟合数据建立预测模型，将预测结果与真实值对比求得预测残差；步骤3.2：对预测残差作基于假设的后验 检验，得到数据正常或异常的标记。

优选地，步骤4具体包括如下步骤：步骤4.1：利用条件概率分解式：