[发明专利]基于故障树(FTA)的液压机自学习故障诊断方法及系统在审

专利信息
申请号: 201911189567.7 申请日: 2019-11-28
公开(公告)号: CN110968619A 公开(公告)日: 2020-04-07
发明(设计)人: 赵华;刘刚;孟祥懿;宋彦彦;计鑫 申请(专利权)人: 机械工业仪器仪表综合技术经济研究所
主分类号: G06F16/2458 分类号: G06F16/2458;G06K9/62
代理公司: 北京联创佳为专利事务所(普通合伙) 11362 代理人: 郭防
地址: 100055 北京*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 故障 fta 液压机 自学习 故障诊断 方法 系统
【权利要求书】:

1.一种基于故障树的液压机自学习故障诊断方法,其特征在于,包括如下步骤:

S110、初始化故障诊断知识库,所述故障诊断知识库为基于故障树的知识库;

S120、获取故障描述信息,根据故障描述信息访问故障诊断知识库生成各级推荐解决方案并进行推送,从而确定故障基础事件;

S130、根据所述故障基础事件,搜索所述故障诊断知识库获取对应的故障解决方法并进行推送;

S140、获取用户对于所述故障解决方法的有效性信息,并将所述有效性信息记录到所述故障诊断知识库;

S150、基于所述有效性信息更新所述故障诊断知识库中所有故障原因的权值因子。

2.根据权利要求1所述的基于故障树的液压机自学习故障诊断方法,其特征在于,通过贝叶斯网络建模方法获取所述权值因子。

3.根据权利要求2所述的基于故障树的液压机自学习故障诊断方法,其特征在于,所述步骤S150包括:

S151、通过历史异常数据选取液压机部件异常的关键影响因子作为液压机部件异常情况的关键指标和网络节点,利用因果关系建立网络结构;

S152、利用样本数据集对所述网络结构进行模型训练,确定所述网络结构中各节点的条件概率分布,所述条件概率即为所述权值因子。

4.根据权利要求1所述的基于故障树的液压机自学习故障诊断方法,其特征在于,所述基础事件逐级包括用户操作原因、互锁条件不满足和元件出现故障,所述步骤S120包括:

根据故障描述信息和实时状态数据和用户反馈信息,依次推送用户操作原因、互锁条件不满足和元件出现故障,直到用户确认找到基础事件。

5.根据权利要求4所述的基于故障树的液压机自学习故障诊断方法,其特征在于,所述步骤S120还包括:

以基于故障树的知识库为依据,根据权值因子排序逐级推送基础事件。

6.一种施行权利要求1~5任一基于故障树的液压机自学习故障诊断方法的故障诊断系统,包括,用户权限管理模块、设备管理模块、数据管理模块和故障诊断模块;

所述用户权限管理模块用于根据用户权限设定相应的功能权限;

所述设备管理模块用于设备的管理和记录故障信息和操作信息;

所述数据管理模块用于管理知识库、存储数据、预处理数据、可视化数据和数据协议解析;

所述故障诊断模块用于对采集到的液压机数据和用户的交互信息进行故障诊断并给出诊断的处理解决方案。

7.根据权利要求6所述的故障诊断系统,其特征在于,所述故障诊断模块具体用于,初始化故障诊断知识库,所述故障诊断知识库为基于故障树的知识库;获取故障描述信息,根据故障描述信息访问故障诊断知识库生成各级推荐解决方案并进行推送,从而确定故障基础事件;根据所述故障基础事件,搜索所述故障诊断知识库获取对应的故障解决方法并进行推送;获取用户对于所述故障解决方法的有效性信息,并将所述有效性信息记录到所述故障诊断知识库;基于所述有效性信息更新所述故障诊断知识库中所有故障原因的权值因子。

8.根据权利要求7所述的故障诊断系统,其特征在于,通过贝叶斯网络建模方法获取所述权值因子。

9.根据权利要求8所述的故障诊断系统,其特征在于,所述故障诊断模块具体还用于,通过历史异常数据选取液压机部件异常的关键影响因子作为液压机部件异常情况的关键指标和网络节点,利用因果关系建立网络结构;利用样本数据集对所述网络结构进行模型训练,确定所述网络结构中各节点的条件概率分布,所述条件概率即为所述权值因子。

10.根据权利要求7所述的故障诊断系统,其特征在于,所述基础事件逐级包括用户操作原因、互锁条件不满足和元件出现故障,所述故障诊断模块具体还用于以基于故障树的知识库为依据,根据权值因子排序逐级推送基础事件。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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机械工业仪器仪表综合技术经济研究所,未经机械工业仪器仪表综合技术经济研究所许可,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/201911189567.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top