[发明专利]一种基于贝叶斯推理的机泵安康知识库查找方法

说明书

本发明涉及机泵监测和故障诊断技术，旨在提供一种基于贝叶斯推理的机泵安康知识库查找方法。包括：以机泵安康知识库中的机泵关键部件、具体故障信息和振动信号特征作为先验知识，建立贝叶斯网络搜索模型学习，利用评分函数计算贝叶斯网络的得分建立新的数据库，利用得到的贝叶斯网络，根据机泵运行过程中获取的振动信号特征的实时状态推断该节点发生故障的概率。本发明可以针对某些数据训练时可以有效调节惩罚项，防止过分拟合，能有效地确定贝叶斯网络的拓扑结构，通过先验知识，得到贝叶斯网络模型各节点处的条件概率密度，从而得到机泵运行过程中的安康状态和故障种类；分析和诊断机泵运行过程中安康程度和故障诊断，实现机泵安全高效运行。

技术领域

本发明涉及机泵监测和故障诊断技术，特别涉及一种基于贝叶斯推理的机泵安康知识库查找方法，属于智能控制领域。

背景技术

风机、水泵、压缩机、汽轮机等机泵设备是石油、化工、冶金、钢铁和电力等现代企业的关键生产设备。随着智能化的发展，该类设备不断向高速、重型、高效和智能化发展，同时对设备的状态监测和故障诊断系统提出了更高的要求。机泵运行状态好坏直接影响着企业生产的效率，发生严重故障时甚至会造成安全问题。所以，对机泵设备的安康监测显得尤为重要。

现有监测技术主要是针对机泵建立运行参数数据库，通过监测设备运行数据和将监测数据与运行数据库之间相互匹配查询，确认监测设备的运行状态。但是，这样的监测技术需要大量的人力去进行专业的数据分析和查询，且没有预测功能，精确度不高。

发明内容

本发明要解决的技术问题是，克服现有技术中的不足，提供一种基于贝叶斯推理的机泵安康知识库查找方法。

为解决技术问题，本发明的解决方案是：

提供一种基于贝叶斯推理的机泵安康知识库查找方法，包括如下步骤：

(1)以机泵安康知识库中的机泵关键部件、具体故障信息和振动信号特征作为先验知识，建立贝叶斯网络搜索模型；

(2)把设定时间长度内机泵运行过程中跟踪到的振动信号特征及具体故障信息作为训练数据样本D，进行贝叶斯网络的学习；

(3)以机泵实际运行过程中采集到的振动信号特征作为网络输入，以机泵的具体安康状况信息作为网络输出；

(4)设定贝叶斯网络的搜索次数m；

(5)利用评分函数计算贝叶斯网络的得分；

(6)建立新的数据库，用于保存每次搜索贝叶斯网络的得分；

(7)找出得分最高的贝叶斯网络，实现贝叶斯网络的结构；

(8)利用EM算法实现网络的参数学习；

(9)利用得到的贝叶斯网络，根据机泵运行过程中获取的振动信号特征的实时状态，进而推断该节点发生故障的概率。

本发明中，步骤(1)中所述的振动信号特征是指振动数据的峭度指标、峰值指标、裕度指标、波形指标，以及一倍频、二倍频、三倍频和高倍频的相关时域和频域指标。

本发明中，步骤(1)中所述机泵关键部位是指5种易发故障的机泵部件：转子、滑动轴承、齿轮箱、地脚和叶轮；所述具体故障信息和振动信号特征用于构建机泵安康知识库，其数据来源包括：试验仿真模拟的故障结果、机泵故障监测与分析的研究文献、机泵日常运行时的巡检故障记录。

本发明中，步骤(3)中所述的机泵具体安康状况至少包括健康状况良好和机泵故障两种情况，若机泵故障，则输出具体故障内容。

本发明中，步骤(5)中所述的评分函数是指贝叶斯网络条件概率统计评分函数BCPS，具体如公式(1)所示：

n，i，j，k∈N