[发明专利]一种大型回转机组故障诊断方法及装置

说明书

本发明公开了一种大型回转机组故障诊断方法及装置，所述方法包括：上位机获取用户选择信息，根据用户选择信息判断需要调用的诊断模型，利用调用的诊断模型进行故障诊断，所述诊断模型包括知识图谱推理模型和随机森林推理模型；所述知识图谱模型利用故障征兆、故障机理、故障原因以及解决办法之间的联系构建大型回转机组故障诊断知识图谱，根据传感器采集到的实时数据，从故障征兆出发，直接完成故障诊断；所述随机森林推理模型构造决策树模型，将传感器采集到的实时数据输入决策树模型确定最终的诊断结果；本发明的优点在于：适用于大型回转机组的故障诊断，诊断结果相对准确，诊断效率较高。

技术领域

本发明涉及故障诊断领域，更具体涉及一种大型回转机组故障诊断方法及装置。

背景技术

目前大型回转机组在运行、维护和管理过程中，故障的查找与定位往往使用人工来进行判断，然而由于不同人员间的差异，使得故障的定位及原因分析具有一定的主观性和不确定性。此外，不同类型的故障有可能对应相同的故障表征，且故障的产生通常具有并发性，从而进一步加大了故障分析过程的复杂度，降低了准确性。由于以上原因导致大型回转机组的故障诊断及原因分析的效率较低，不利于其运维管理。

中国专利公开号CN110162014A，公开了一种集成多种智能算法的制冷系统故障诊断方法，包括：步骤1，通过模拟冷水机组故障实验，采集得到多个实验数据；步骤2，选取多个不同的成员诊断器，分别得到多个不同的成员诊断器的诊断模型，多个诊断模型包括：K近邻诊断器、支持向量机诊断器、决策树诊断器、随机森林诊断器及逻辑斯蒂回归诊断器；步骤3，对S2中多个不同的诊断模型进行集成，形成集成诊断器模型；步骤4，使用样本训练集数据对集成诊断器模型进行训练，得到训练好的集成诊断器模型；步骤5，使用测试样本集在训练好的集成诊断器模型对冷水机组进行故障诊断，得到故障诊断结果；步骤6，对成员诊断器与集成诊断器的故障诊断结果进行对比。但这些诊断算法均具有一定的局限性，精度不高、抗噪能力差、容易陷入过拟合，不适用于具有大量参数的大型回转机组，易导致诊断结果不够准确，诊断效率不高。

发明内容

本发明所要解决的技术问题在于现有技术缺乏适用于大型回转机组的故障诊断方法及装置，诊断结果不够准确，诊断效率不高。

本发明通过以下技术手段实现解决上述技术问题的：一种大型回转机组故障诊断方法，所述方法包括：

上位机获取用户选择信息，根据用户选择信息判断需要调用的诊断模型，利用调用的诊断模型进行故障诊断，所述诊断模型包括知识图谱推理模型和随机森林推理模型；

所述知识图谱模型对故障诊断领域的大量资料及案例进行存储，从中提取出能够反映故障征兆、故障机理、故障原因以及解决办法的信息，进行去重、消歧后，利用故障征兆、故障机理、故障原因以及解决办法之间的联系构建大型回转机组故障诊断知识图谱，将知识图谱中故障征兆、故障原因、故障机理以及解决办法均统一表示成三元组的形式，根据传感器采集到的实时数据，从故障征兆出发，查找对应的故障类型、故障机理、故障原因以及解决办法，直接完成故障诊断；

所述随机森林推理模型将故障征兆中的多种特征等效为征兆样本数据集，对所述征兆样本数据集随机抽取数据组成N个不同的训练样本集，每个训练样本集构造出一个决策树模型，将传感器采集到的实时数据作为测试样本，将测试样本输入N个决策树模型得到N个诊断结果，以众数投票确定最终的诊断结果，将诊断结果输出到人机交互界面。

本发明结合知识图谱推理和随机森林推理进行故障诊断，知识图谱推理采用多元信息及数据来对故障进行诊断，提高了诊断结果的准确性，随机森林推理采用集成分类算法进行故障诊断，无需进行特征提取，具有一定的抗噪能力，诊断结果具有更高的准确性，算法收敛快，诊断效率高，适用于大型回转机组的故障诊断。

优选的，所述故障征兆包括振动幅值、相位、轴心轨迹、全息谱以及温度。

优选的，所述故障原因包括设计制造缺陷、材质不均、操作不当、安装不当以及位置偏差。