[发明专利]一种复杂工业系统动态故障诊断方法及系统

说明书

本发明公开了一种复杂工业系统动态故障诊断方法及系统。方法包括：确定复杂工业系统的关键特征指标；基于所述关键特征指标计算关键特征指标相对于BRB中每条规则的匹配度；基于所述关键特征指标相对于BRB中每条规则的匹配度，计算每条规则的激活权重；根据所述每条规则的激活权重，计算故障诊断模型的输出故障特征向量；根据所述输出故障特征向量以及每种故障的标准特征向量进行故障诊断。本发明能够提高复杂工业系统动态故障诊断的精度和效率。

技术领域

本发明涉及复杂工业系统健康管理领域，特别是涉及一种复杂工业系统动态故障诊断方法及系统。

背景技术

诸如液化天然气储罐等复杂工业系统作为我国国民经济的重要组成部分，其运行期间的安全性和可靠性直接关乎人民财产和生命安全。复杂工业系统健康管理作为提高其安全性和可靠性的重要手段，目前已经被广泛的应用于多个领域。故障检测及诊断(Faultdetection and diagnosis,FDD)作为健康管理的重要方面，旨在通过系统的监测信息及时准确的发现、定位系统故障，为维修保养提供基础。随着科技的发展，目前，复杂工业系统的关键特征集中体现在集成化设计、自动化程度高、子系统高度耦合、实时性要求高、承担任务重要等，这给其故障诊断提出了很高的要求。

分析目前复杂工业系统故障诊断中面临的问题，总结可以分为四个方面：第一，随着装备制造业水平的不断提升，目前，诸如液化天然气储罐等复杂工业系统的设计可靠度不断提升，出现故障的概率大幅度降低，进而导致所能够获取的故障信息尤为缺乏；第二，由于复杂工业系统各个子系统之间高度耦合，且多采用集成化设计，导致影响其工作状态的因素较多，单纯依靠专家知识很难建立其准确的数学模型；第三，在复杂工业系统实际运行的过程中，随着故障的发生，其内部机理也会随之发生变化，进而需要所建立的故障诊断模型能够根据系统的变化对自身结构和参数进行自适应的调整更新，保证诊断的精度；第四，在复杂工业系统故障诊断的过程中，信息来源主要分为历史信息和在线监测信息，历史信息由长期积累所得到，能够包含大部分系统模态，在线监测信息主要反映了系统当前时刻的运行状态。将历史信息与在线监测信息进行简单组合可以保证模型记忆最长，但同时导致模型在线更新的实时性降低；单纯考虑在线监测信息又会使得模型丧失记忆，导致历史信息的浪费和诊断精度的降低。

发明内容

基于此，本发明的目的是提供一种复杂工业系统动态故障诊断方法及系统，用以提高复杂工业系统故障诊断的实时性和精度。

为实现上述目的，本发明提供了如下方案：

一种复杂工业系统动态故障诊断方法，包括：

确定复杂工业系统的关键特征指标；

基于所述关键特征指标计算关键特征指标相对于BRB中每条规则的匹配度；

基于所述关键特征指标相对于BRB中每条规则的匹配度，计算每条规则的激活权重；

根据所述每条规则的激活权重，计算故障诊断模型的输出故障特征向量；

根据所述输出故障特征向量以及每种故障的标准特征向量进行故障诊断。

可选的地，在确定复杂工业系统的关键特征指标，之后包括：

将所述关键特征指标转换到统一框架下。

可选的地，关键特征指标相对于BRB中每条规则的匹配度的计算公式如下：

其中，为关键特征指标转换后在第j条规则中的匹配度；R_ik和R_i(k+1)是第i个关键特征指标在第k条和第k+1条规则中的参考等级；为t时刻第i个关键特征指标，L′为规则数量。

可选的地，所述每条规则的激活权重的计算公式如下：