[发明专利]一种基于云模型卷积理论的工艺健康系统评估方法

说明书

本发明提供一种基于云模型卷积理论的工艺健康系统评估方法，该方法通过应用云模型进行系统中各关键测量点的传感器的工作状态进行健康状态评价，首先应用云模型理论获取评价值的健康评价指标，然后应用卷积神经网络获取单一传感器及系统的定量的健康可信度。本发明可以有效实现系统工作状态的定量评价，使系统健康状态可视化，为系统的状态预测提供定量的理论支撑，通过云模型卷积理论提高了评价指标的精度，有效降低系统故障发生的概率，大幅提高系统的可靠性。

技术领域

本发明涉及一种基于云模型卷积理论的工艺健康系统评估方法，用于解决定量的评价拥有多传感器或测量点的系统的工作状态，使系统的工作状态更加直观、可靠，属于工艺系统的健康管理决策技术领域。

背景技术

由于复杂系统中包含桌洞测量点，其输出值包括数十甚至上百个参数，且长期工作于复杂或恶劣环境下，其发生故障的概率也大大增加。经长期工作发现，该系统在工作时，其故障主要集中在关键传感器，如角度传感器、力矩传感器、霍尔电流传感器、位置传感器等。一旦这些传感器发生故障，将直接影响系统的性能，甚至严重故障。因此，掌握这些传感器的工作状态可以有效降低系统故障发生的概率，大幅提高系统的可靠性，需要对系统及关键零部件及传感器等进行健康诊断与评估技术是及其必要的。

目前针对该复杂系统，研究多是基于“浅度学习”的方法，在评价值时往往会忽略系统中关键信息，导致在评价时出现精度较低的问题，使得评价指标出现偏差，因此需进一步研究基于大数据深度理论的系统健康评估方法研究。

发明内容

为解决上述技术问题，本发明提供了一种基于云模型卷积理论的工艺健康系统评估方法，该基于云模型卷积理论的工艺健康系统评估方法与传统传感器健康评估模型相比，能有效通过云模型论实现各传感器的初步特征提取，实现初步健康评估，并通过卷积神经网络进行数据融合，获取健康可信度，实现定量的健康评估，使得系统的工作状态直观化、可视化，从而提高系统的可靠性。

本发明通过以下技术方案得以实现。

本发明提供的一种基于云模型卷积理论的工艺健康系统评估方法，包括以下步骤：

①通过若干个传感器获取系统各测量点采集的模拟量，并经数据采集卡将模拟量转成数字量，实现数据采集；

②对采集到的数据进行数据预处理，获取样本的均值和方差；

③根据传感器输出数据与传感器的健康状态的映射关系，设定传感器的云测度函数；

④云测度函数，构建单传感器云测度矩阵和子系统云测度矩阵；

⑤对系统中各传感器，计算不同时刻点的权重分配和不同传感器的权重分配；

⑥通过单传感器云测度矩阵和不同时刻点的权重分配，确定单一传感器的云隶属度参数；通过子系统云测度矩阵和不同传感器的权重分配，确定子系统的云隶属度参数；

⑦应用卷积神经网络和单一传感器的云隶属度参数、子系统的云隶属度参数，获取单一传感器及子系统的健康可信度，并将单一传感器及子系统最低的健康可信度作为系统最终的健康可信度。

所述步骤②中，数据预处理包括数据的降噪滤波、归一化。

在步骤③构建云测度函数时，使用正态函数实现特征值分配。

在步骤⑤计算不同时刻点的权重时，使用的权重计算方法为层次分析法。

本发明的有益效果在于：定量描述各传感器及系统的健康状态，应用云模型理论及卷积神经理论，提高了评价指标的精度，能够精确的评价系统的工作状态，为系统的健康预测提供了理论你支持，有效的提高了系统的可维护性，提高了系统的可靠性。

附图说明

图1是本发明基于云模型卷积理论系统及各传感器健康可信度计算流程图；