[发明专利]一种适用于胀管设备的智能故障诊断方法

说明书

本发明属于胀管设备智能故障诊断相关技术领域，其公开了一种适用于胀管设备的智能故障诊断方法，该方法包括以下步骤：(1)实时采集胀管设备的压力数据；(2)对原始压力数据进行预处理，将处理后的数据划分为训练集及测试集；(3)基于Leacky线性整流函数改进的栈式去噪稀疏自动编码器，构建深度神经网络故障诊断模型，采用Softmax函数作为深度神经网络故障诊断模型的BP分类器的激活函数；再采用训练集对深度神经网络故障诊断模型进行训练，进而将测试集输入深度神经网络故障诊断模型中，深度神经网络故障诊断模型对测试集进行诊断分类以预测故障类型，由此完成对胀管设备的故障诊断。本发明提高了生产效率，降低了成本。

技术领域

本发明属于胀管设备智能故障诊断相关技术领域，更具体地，涉及一种适用于胀管设备的智能故障诊断方法。

背景技术

众所周知，空调制冷技术的核心包括制冷压缩机及换热器(冷凝器和蒸发器)，而胀管工艺作为空调换热器生产中的关键工艺，其批量大，对质量的一致性要求较高，一旦设备出现异常，如果发现不了，往往会造成批量性的产品质量异常，甚至是产品报废；而在对空调换热器进行胀管工序的实际生产过程中，主要存在以下问题：

(1)抽检质保方式不完善。目前主要是通过常规的事前抽检手段在对产品的质量进行保证，但抽检方法无法保证全部产品的质量，且事后的加工补偿会带来较大的人力浪费。

(2)人工监测不及时。由于设备故障发生，是偶然和突发的，一旦设备出现问题，如果工人无法主动观察产品异常，则会出现批量性的质量异常，甚至造成批量浪费。

(3)胀管设备不智能。针对胀管相关设备本身而言，现有的设备无法对关键模具及零配件实现自动、智能实时监控，从而不能对设备故障、产品质量等问题及时做出处理。

但是，由于大多数胀管机械缺少智能化的状态监测和健康管理模块，需要通过传统的人为进行设备保养及产品抽检的方式，才能保证产品性能，这就造成了胀管工艺生产过程中出现的故障无法得到及时的处理，容易造成严重的质量一致性问题。相应地，本领域存在着发展一种及时性较好的适用于胀管设备的智能故障诊断方法的技术需求。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种适用于胀管设备的智能故障诊断方法，其基于现有故障预测方法，研究及设计了一种及时性较好的适用于胀管设备的智能故障诊断方法。所述智能故障诊断方法采用胀管设备的故障预测模型来代替人工发动方式以及时地发现故障和质量缺陷，能够及时维修以及一定程度的故障预测，如此最大程度地保证了产品质量，节约了人力成本及设备维护成本，提高了生产效率。

为实现上述目的，本发明提供了一种适用于胀管设备的智能故障诊断方法，该智能故障诊断方法包括以下步骤：

(1)对胀管设备进行特征分析以明确故障类型，并确定引发故障的关键部件，同时，实时采集所述关键部件的压力数据；

(2)对采集到的原始压力数据进行缺失值清洗，并采用基于聚类的离群点检测找出原始压力数据偏离数据族的误差点并丢弃，以得到整理后的信号数据；

(3)采用小波分析的方式对所述信号数据中的高频噪声清洗掉，以得到平滑工作信号数据；

(4)采用零一标准化的方式将所述平滑工作信号数据规约于(0，1)区间内，以优化数据结构，并将得到的信号数据划分为训练集及测试集；

(5)基于Leacky线性整流函数改进的栈式去噪稀疏自动编码器构建深度神经网络故障诊断模型，采用Softmax函数作为所述深度神经网络故障诊断模型的BP分类器的激活函数；再采用所述训练集对所述深度神经网络故障诊断模型进行训练，并将所述测试集输入到训练好的所述深度神经网络故障诊断模型中，所述深度神经网络故障诊断模型依据所述测试集进行诊断分类以预测故障类型，由此完成对胀管设备的故障诊断。