[发明专利]通过RBF粒子群优化算法即时在线仪表校验和诊断方法有效
申请号: | 201910946055.4 | 申请日: | 2019-10-01 |
公开(公告)号: | CN110705186B | 公开(公告)日: | 2023-06-16 |
发明(设计)人: | 郝富强;陈珺逸;戴旺 | 申请(专利权)人: | 深圳市行健自动化股份有限公司;深圳市行健软件有限公司 |
主分类号: | G06F30/28 | 分类号: | G06F30/28;G06F30/27;G06N7/02;G06N3/043;G06N3/0499;G06N3/086;G06F113/08 |
代理公司: | 深圳市中知专利商标代理有限公司 44101 | 代理人: | 孙皓;林虹 |
地址: | 518057 广东省深圳市*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 通过 rbf 粒子 优化 算法 即时 在线 仪表 校验 诊断 方法 | ||
1.一种通过RBF粒子群优化算法即时在线仪表校验和诊断方法,其特征在于,包括以下步骤:
S1、通过流体力学连续性方程、动量方程和能量方程,搭建流网模型,包括流道模型和设备组件模型;
首先流动方程简化为F=(1-K0)*a1*(P1-P2-KZ)+K0*F1p
其中,
其中,是来自上次迭代的压力,KZ=ρg(Z2-Z1),式中,ρ为流体密度,g为重力加速度,Z1为点1处的标高,Z2为点2处的标高;F1p=上次迭代得到的值F;K0为用户可选择的常数,可通过调整K0获得数值求解的稳定性;a是流量系数;
在上式中,F、P1和P2为未知量,高度差KZ是系统常数,其余项是上次迭代得到的值,可认为是已知量;
还设置质量平衡方程,式中流入节点为(+)号,流出节点为(-)号;
S2、由现场实际测量数据迭代,通过RBF粒子群优化算法计算确定模型中的参数,使模型可用;
S3、定期重启上述步骤,对模型参数进行优化,从而重新适应新的工况条件,使模型自主学习与维护;
S4、利用上面步骤得到的模型,在稳定流场状态下,对采样的变量进行逐一校验;
S5、排除掉疑似失效点后利用其余数据进行逆迭代运算,反向推导出疑似失效点的理论计算值;
S6、排除工艺条件变化,用上述理论计算值对实际仪表信号进行比较分析,采用预定义故障模式和偏差评价,得出实际信号的偏离参量,通过阀值判断、模糊逻辑、故障假设校验,实现校验与故障诊断,确定信号健康水平;
S7、按照测量时间,记录采样信号和计算信号,并按照流网知识库、仪表故障特征库的诊断条件实现报警及定位故障。
2.根据权利要求1所述的通过RBF粒子群优化算法即时在线仪表校验和诊断方法,其特征在于:根据步骤S1形成的矩阵方程组,将对F(F3)值的计算产生影响的因素作为模型输入,F值作为输出。
3.根据权利要求2所述的通过RBF粒子群优化算法即时在线仪表校验和诊断方法,其特征在于:对模糊方程隶属度进行确定;
设模糊方程系统有c*个模糊群,模糊群k,j的中心分别为vk、vj,则第i个训练样本Xi对于模糊群k的隶属度μik为:
式中,n为模糊分类过程中需要的分块矩阵指数,通常取作2;‖·‖为范数表达式;
使用以上隶属度值或者它的变形以获得新的输入矩阵;
对于模糊群k,其输入矩阵变形为:
φik(Xi,μik)=[1 func(μik)Xi]
其中,func(μik)为隶属度值μik的变形函数,一般取φik(Xi,μik)表示第i个输入变量Xi及其模糊群k的隶属度μik所对应的新的输入矩阵。
4.根据权利要求3所述的通过RBF粒子群优化算法即时在线仪表校验和诊断方法,其特征在于:以RBF神经网络作为模糊方程系统的局部方程,对每个模糊群进行优化拟合;设第k个RBF神经网络模糊方程的输出是,
其中,Clk和ωlk是第k个RBF神经网络模糊方程第l个结点的中心和输出权值,φlk(‖Xi-Clk‖)是第k个RBF神经网络模糊方程第l个结点的径向基函数,由下式确定:
其中,σlk是第l个模糊规则的第k个高斯成员函数的宽度。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市行健自动化股份有限公司;深圳市行健软件有限公司,未经深圳市行健自动化股份有限公司;深圳市行健软件有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910946055.4/1.html,转载请声明来源钻瓜专利网。
- 上一篇:预测管道气锤的方法
- 下一篇:通过最小二乘算法即时在线仪表校验和诊断方法