[发明专利]一种气动调节阀智能故障诊断系统的控制方法

摘要

本发明公开了一种气动调节阀智能故障诊断系统的控制方法，包括建立离线故障诊断模型步骤及在线故障诊断步骤；通过建立离线故障诊断模型步骤及在线故障诊断步骤，不仅实现气动调节阀故障自诊断的基础上提高了故障诊断的准确率，尤其减少了故障漏诊率，避免阀门故障运行；而且通用性较好，无需复杂的专家经验知识储备即可完成故障诊断；一般操作人员均可掌握，提高了气动调节阀故障诊断的自动化和智能化程度。

主权项

1.一种气动调节阀智能故障诊断系统的控制方法，其特征在于，包括以下步骤：/nA、建立离线故障诊断模型：/nA.1、数据采集：/n在气动调节阀螺盖旁预留处和膜室外供气孔处分别安装位移传感器和压力传感器，按照25%阶跃给定4-20mA的电流输入信号，通过数据采集装置采集压力和位移数据，并通过串口通信将采集的数据通过主控制器传输至上位机；/n气动调节阀状态分为C种，C是气动调节阀的状态类别数，包括C-1种故障状态及1种正常状态；在本训练诊断模型部分，每个状态采集到的压力和位移数据作为一个原始样本，Num是每种状态的样本个数，通过不同故障强度可以采集到同一状态不同的样本；每种状态都有Num个样本，样本总数；/nA.2、数据分段：/n采集到的数据为一个包含压力和位移数据在内的2*N矩阵，N是采集的信号点数，同时输入信号是百分比的阶跃给定的，压力和位移信号均可分为正反行程的0、阶跃百分比递增共A段数据；每个样本包含压力、位移共计2A段数据，从2A段信号数据中提取样本特征；/nA.3、特征提取：/n上位机分别对A.1采集的数据进行A.2分段后图的T*2A段数据进行特征提取；/nA.4、数据归一化，分配训练集与测试集：/n将样本集数据归一化（-1,1），具体归一化方法如下：/n /n给归一化后的数据加上标签1-C，分别表示C种气动调节阀状态；打乱贴上标签样本集的顺序，将样本集分成n个训练样本和m个测试样本分别进行训练与测试；其中m+n=Num；/nA.5、离线模型优化：/nA.5.1、模型离线训练：/n采用核极限学习机的方法对训练集样本进行训练，得到模型参数，具体按照如下公式得到模型参数：/n /n式中是模型参数，是单位矩阵，是正则化参数，是训练集标签的向量形式，是核矩阵，是输入样本的高维映射，具体选择线性核函数，公式如下：/n /n式中是训练集样本，是和的内积，是核半径；/n最终训练好的诊断模型如下：/n /n式中是核矩阵，是训练样本，是测试样本；/nA.5.2、模型离线测试/n步骤A.5.1中模型训练好之后，可以得到模型参数，是一个n*2A*z的矩阵，n为训练样本个数，2A*z是选取的特征总数，z是选取的特征种类；将测试样本输入到故障诊断模型，即可得到诊断结果；通过对比诊断结果和预设标签，可以得到测试集样本故障诊断的准确率；/n反复执行步骤A.4，改变训练样本和测试样本，同时调整步骤A.5.1中的正则化参数和核半径，比较训练集和测试集诊断准确率，得到最优故障诊断模型；B、在线故障诊断：/nB.1、植入离线模型：/n将步骤A中得到的最优故障诊断模型植入在线故障诊断系统中，在数据采集装置基础上写入故障诊断模型；具体为：将训练样本集与模型参数预先存入数据采集装置的SDRAM中，根据上述故障诊断模型即编写故障诊断模块程序；/nB.2、采集实时数据：/n通过数据采集装置在线采集运行状态下气动调节阀膜室压力、阀杆位移的实时数据；/nB.3、数据预处理、特征提取：/n按照步骤A.2中的分段原则，分段提取样本特征，特征提取完成后，删除数据，减小内存占有率；提取的特征构成一组在线实时采集的样本，是一个1*y的数组，y是提取的特征数；/nB.4、在线故障诊断：/n将步骤B.3中提取的在线实时采集的样本，输入到已经植入的模型中进行故障诊断，模型具体如下：/n式中是核矩阵，是待诊断样本，是预存在SDRAM中的训练样本，是预存在SDRAM中的模型参数；/nB.5、诊断结果输出：/n将诊断结果输出至液晶显示模块，如果诊断结果为漏气故障、阀座异物故障、阀芯磨损故障、摩擦力增大故障、弹簧故障，则通过故障报警模块发出故障警告，相应故障指示灯闪烁；若无故障，则显示屏显示无故障，不发出故障警告。/n