[发明专利]一种电动阀门故障诊断方法、终端设备和可读存储介质

说明书

本发明公开了一种电动阀门故障诊断方法，所述诊断方法基于支持向量机，包括在电动阀门工作过程中，采集多组样本数据；将采集的样本数据分组输入至支持向量机；支持向量机通过输入样本数据进行训练分类模型，并获得最终分类模型；输入电动阀门启闭过程中的实时数据，通过分类模型进行故障诊断；本发明提出了基于支持向量机和k折优化的诊断方法，充分利用有限的故障数据样本进行训练，得到一个最优的故障诊断模型，利用该模型能够极大限度地提高电动阀门故障诊断的准确率。

技术领域

本发明涉及故障诊断领域，具体涉及一种电动阀门故障诊断方法、终端设备和可读存储介质。

背景技术

在科研与工程中，电动阀门是反应堆及一回路系统的重要组成设备。在电动阀门工作过程中一旦不能正常启闭，将影响反应堆安全运行，甚至停堆。

一回路系统中电动阀门的启闭次数并不频繁，运行期间所采集到的数据也相对较少，尤其是故障数据更为稀缺，然而这些小样本数据却对电动阀门的故障诊断具有重要意义。

如何利用这些有限的故障数据正确地诊断出电动阀门的故障信息是当前急需解决的问题。

发明内容

本发明所要解决的技术问题是电动阀门运行数据较少，目的在于提供一种电动阀门故障诊断方法、终端设备和可读存储介质，解决了电动阀门的故障诊断的问题。

本发明通过下述技术方案实现：

一种电动阀门故障诊断方法，所述诊断方法基于支持向量机，包括以下步骤：

S1、在电动阀门工作过程中，采集多组样本数据；

S2、将采集的样本数据分组输入至支持向量机；

S3、支持向量机通过输入样本数据进行训练分类模型，并获得最终分类模型；

S4、输入电动阀门启闭过程中的实时数据，通过分类模型进行故障诊断。

具体地，步骤S1具体包括以下步骤：

S11、以一次开阀动作和一次关阀动作为一个采集周期采集样本信号；

其中，样本信号包括AB相电压信号、BC相电压信号、CA相电压信号、A相电流信号、B相电流信号、C相电流信号、A相功率信号、B相功率信号、C相功率信号和总功率信号；

S12、对采集的样本信号进行特征量提取，获得多组样本数据，包括包括n组正常样本和m组异常样本，其中n＞m；

其中，所述样本数据包括：均值、最大值、最小值、方差、均方根、方根均值、偏斜度和峭度。

具体地，步骤S2具体包括以下步骤：

S21、将n组正常样本分为两组，将m组异常样本分为k组；

其中，正常样本包括T₁组和T₂组；

S22、将T₂组和任一组异常样本作为测试样本；

S23、将T₁组和其余的k-1组异常样本作为训练样本；

S24、将训练样本和测试样本输入至支持向量机，并重复k次步骤S22-S23；

其中，k组异常样本中的每一组异常样本均需做为测试样本进行训练；

具体地，在步骤S3时，还需要通过k折交叉验证法对惩罚参数和核函数参数进行优化，具体优化方法包括以下步骤：

S31、初始化范围参数n₁和n₂、最优分类准确率b_A、最优惩罚系数b_c、最优核函数参数值b_g；