双梯形缝筛管等离子加工生产线智能化综合故障诊断方法技术

本发明专利技术属于机械加工领域，具体地，涉及一种双梯形缝筛管等离子加工生产线智能化综合故障诊断方法。双梯形缝筛管等离子加工生产线智能化综合故障诊断方法，包括三个大步骤：总控制器系统故障诊断、等离子加工机床故障诊断和等离子加工生产线综合故障诊断。总控制器系统故障诊断和等离子加工机床故障诊断，是根据实时监测信息同步进行的，给出初步诊断结果；等离子加工生产线综合故障诊断，是结合总控制器系统故障诊断和等离子加工机床故障诊断的初步诊断结果，以及操作人员的观测信息和操作经验进行的，给出最终诊断结果。这种模块化、分阶段的故障诊断方法，极大提高了诊断的速度和诊断结果的准确度。

Intelligent comprehensive fault diagnosis method for plasma processing line of double trapezoid slit sieve tube

The invention belongs to the field of mechanical processing, and in particular relates to an intelligent comprehensive fault diagnosis method for the plasma processing line of a double trapezoid sewn sieve tube. The intelligent comprehensive fault diagnosis method for double trapezoid seam plasma processing line includes three main steps: general controller system fault diagnosis, plasma processing machine fault diagnosis and plasma processing production line comprehensive fault diagnosis. The total controller fault diagnosis system and plasma processing machine fault diagnosis is synchronization according to the real-time monitoring information, give a preliminary diagnosis; fault diagnosis of plasma processing production line, is a combination of general controller fault diagnosis system and plasma processing machine fault diagnosis preliminary diagnosis results, and the operation of personnel observation information and operation experience, given the results of the final diagnosis. This modular and phased fault diagnosis method greatly improves the speed of diagnosis and the accuracy of the diagnosis results.

【技术实现步骤摘要】
双梯形缝筛管等离子加工生产线智能化综合故障诊断方法
本专利技术属于机械加工领域，具体地，涉及一种双梯形缝筛管等离子加工生产线智能化综合故障诊断方法。
技术介绍
油气井出砂是困扰疏松砂岩油藏开采的一个主要问题，它不仅造成油井的减产和停产，加剧地面和井下设备的磨损，严重时还会造成套管的损坏和油井报废。割缝筛管是国内外油气井防砂最常用的一种井下工具，加工最困难的部分是微细通缝。在使用双梯形缝筛管等离子加工生产线加工割缝筛管时，该生产线的总控制系统、单台等离子加工机床的电控系统和机械系统的不同部件会出现各种故障，加工的双梯形缝筛管出现不同缺陷，造成巨大的经济损失。本专利申请的专利技术人申请了“双梯形缝筛管等离子加工生产线智能化综合故障诊断系统”(申请号：201710706233.7)。在实际故障诊断过程中，由于故障层的故障节点和故障征兆层的信息节点数量巨大，统一的故障诊断模型非常复杂，推理诊断速度非常慢。因此，开发一种模块化、分阶段的故障诊断方法，对提高诊断的速度和结果的准确度，有着重要的意义。
技术实现思路
为克服现有技术存在的缺陷，本专利技术提供一种双梯形缝筛管等离子加工生产线智能化综合故障诊断方法。为实现上述目的，本专利技术采用下述技术方案：双梯形缝筛管等离子加工生产线智能化综合故障诊断方法，包括三个大步骤：总控制器系统故障诊断、等离子加工机床故障诊断和等离子加工生产线综合故障诊断。总控制器系统故障诊断的具体步骤为：S101:总控制器系统故障诊断贝叶斯网络故障层的节点X11、X12、X13……X1m的故障发生先验概率设置为η1；S102:总控制台数据同步采集模块、数控回转工作台数据采集模块和轴向进给驱动装置数据采集模块实时获取的数据信息，输入到总控制器系统故障诊断贝叶斯网络故障征兆层的节点Y11、Y12、Y13……Y1n；S103:采用前向-后向精确推理算法对总控制器系统故障诊断模型执行贝叶斯网络更新；S104:识别和判定总控制器系统的潜在故障，给出初步诊断结果；8台等离子加工机床具有相同的故障诊断步骤，具体为：S201:等离子加工机床故障诊断贝叶斯网络故障层的节点X21、X22、X23……X2p的故障发生先验概率设置为η2；S202:数字控制系统数据同步采集模块、超声波电源数据同步采集模块、可控等离子电源数据同步采集模块、可控电磁振荡电源数据同步采集模块、直流伺服电机数据采集模块、主轴头数据采集模块、立柱数据采集模块、超声波振动头数据采集模块、轴向及周向导向装置数据采集模块、第一涡流探伤仪和第二涡流探伤仪实时获取的数据信息，输入到等离子加工机床故障诊断贝叶斯网络故障征兆层的节点Y21、Y22、Y23……Y2q；S203:采用前向-后向精确推理算法对等离子加工机床故障诊断模型执行贝叶斯网络更新；S204:识别和判定等离子加工机床故障的潜在故障，给出初步诊断结果；等离子加工生产线综合故障诊断的具体步骤为：S301:等离子加工生产线综合故障诊断贝叶斯网络故障层的节点包括：总控制器系统的确定故障节点A11、A12、A13……A1a、总控制器系统的可疑故障节点B11、B12、B13……B1b、等离子加工机床的确定故障节点A21、A22、A23……A2c、等离子加工机床的可疑故障节点B21、B22、B23……B2d，以及观测信息及人为判断故障输入模块根据声音信息、振动信息及操作经验人为判断且不同于上述自动诊断判定的故障节点C11、C12、C13……C1e；S302:等离子加工生产线综合故障诊断贝叶斯网络故障征兆层的节点包括：总控制器系统故障诊断贝叶斯网络故障征兆层的节点Y11、Y12、Y13……Y1n、等离子加工机床故障诊断贝叶斯网络故障征兆层的节点Y21、Y22、Y23……Y2q，以及观测信息及人为判断故障输入模块人为输入的征兆信息Y31、Y32、Y33……Y3f；S303:采用联合树精确推理算法对等离子加工生产线综合故障诊断模型执行贝叶斯网络更新；S304:识别和判定等离子加工生产线的故障，给出最终诊断结果。相对于现有技术，本专利技术的有益效果是：总控制器系统故障诊断和等离子加工机床故障诊断，是根据实时监测信息同步进行的，给出初步诊断结果；等离子加工生产线综合故障诊断，是结合总控制器系统故障诊断和等离子加工机床故障诊断的初步诊断结果，以及操作人员的观测信息和操作经验进行的，给出最终诊断结果。这种模块化、分阶段的故障诊断方法，极大提高了诊断的速度和诊断结果的准确度。附图说明图1是双梯形缝筛管等离子加工生产线及智能化综合故障诊断系统的示意图；图2是总控制器系统故障诊断贝叶斯网络；图3是等离子加工机床故障诊断贝叶斯网络；图4是等离子加工生产线综合故障诊断贝叶斯网络；图中，101、床身，102、总控制台，103、数控回转工作台，104、轴向进给驱动装置，105、直流伺服电机，106、立柱，107、主轴头，108、超声波振动头，109、工具电极，110、电磁振荡头，111、轴向及周向导向装置，112、数字控制系统，113、超声波电源，114、可控等离子电源，115、可控电磁振荡电源，116、双梯形缝筛管，201、数字控制系统数据同步采集模块，202、超声波电源数据同步采集模块，203、可控等离子电源数据同步采集模块，204、可控电磁振荡电源数据同步采集模块，205、电控系统数据分析与处理模块，206、直流伺服电机振动加速度传感器，207、主轴头振动加速度传感器，208、立柱振动加速度传感器，209、超声波振动头振动加速度传感器，210、直流伺服电机数据采集模块，211、主轴头数据采集模块，212、立柱数据采集模块，213、超声波振动头数据采集模块，214、机械系统数据分析与处理模块，215、第一涡流探伤仪，216、第二涡流探伤仪，217、双梯形缝筛管缺陷分析与处理模块，218、第一等离子加工机床故障诊断模块，219、总控制台数据同步采集模块，220、数控回转工作台数据采集模块，221、轴向进给驱动装置数据采集模块，222、数控回转工作台振动加速度传感器，223、轴向进给驱动装置振动加速度传感器，224、总控制系统数据分析与处理模块，225、总控制系统故障诊断模块，226、轴向及周向导向装置振动加速度传感器，227、轴向及周向导向装置数据采集模块，228、等离子加工生产线综合故障诊断模块，229、观测信息及人为判断故障输入模块。具体实施方案如图1所示，双梯形缝筛管等离子加工生产线，包括：总控制系统、8台等离子加工机床和床身101；其中，总控制系统，包括：总控制台102、数控回转工作台103和轴向进给驱动装置104；等离子加工机床(以第一等离子加工机床为例)，包括：直流伺服电机105、立柱106、主轴头107、超声波振动头108、工具电极109、电磁振荡头110、轴向及周向导向装置111、数字控制系统112、超声波电源113、可控等离子电源114和可控电磁振荡电源115。双梯形缝筛管等离子加工生产线智能化综合故障诊断系统，包括：总控制系统故障诊断子系统、8套完全相同的等离子加工机床故障诊断子系统、观测信息及人为判断故障输入模块229和等离子加工生产线综合故障诊断模块228。总控制系统故障诊断子系统，包括：总控制台数据同步采集模块21本文档来自技高网...

【技术保护点】
一种双梯形缝筛管等离子加工生产线智能化综合故障诊断方法，其特征在于：包括三个大步骤，即总控制器系统故障诊断、等离子加工机床故障诊断和等离子加工生产线综合故障诊断；其中，总控制器系统故障诊断和等离子加工机床故障诊断，是根据实时监测信息同步进行的；等离子加工生产线综合故障诊断，是结合总控制器系统故障诊断和等离子加工机床故障诊断的初步诊断结果，以及操作人员的观测信息和操作经验进行的；所述的总控制器系统故障诊断的具体步骤为：S101:总控制器系统故障诊断贝叶斯网络故障层的节点X11、X12、X13……X1m的故障发生先验概率设置为η1，其中，η1为自本套等离子加工生产线使用以来，本套总控制器系统该故障发生的次数与本套总控制器系统故障发生的总次数之比；S102:将总控制台数据同步采集模块、数控回转工作台数据采集模块和轴向进给驱动装置数据采集模块实时获取的数据信息，输入到总控制器系统故障诊断贝叶斯网络故障征兆层的节点Y11、Y12、Y13……Y1n；S103:采用前向‑后向精确推理算法对总控制器系统故障诊断模型执行贝叶斯网络更新；S104:总控制器系统的故障判定式如公式(1)所示：α1＝PH‑δ1×PX  (1)其中，α1是总控制器系统的故障判定值；PH和PX分别是故障层节点的后验概率和先验概率；δ1是故障判定系数，它根据本套总控制器系统的故障信息统计获取，其值在0和1之间；依据如下规则初步识别和判定总控制器系统的潜在故障：(1)当故障层节点X11、X12、X13……X1m的故障判定值α1大于或者等于80％时，判定该节点对应的故障为确定故障；(2)当故障层节点X11、X12、X13……X1m的故障判定值α1大于或者等于50％且小于80％时，判定该节点对应的故障为可疑故障；(3)当故障层节点X11、X12、X13……X1m的故障判定值α1小于50％时，判定该节点对应的故障不会发生；所述的等离子加工机床故障诊断的具体步骤为：S201:等离子加工机床故障诊断贝叶斯网络故障层的节点X21、X22、X23……X2p的故障发生先验概率设置为η2，其中，η2为自本套等离子加工生产线使用以来，本套等离子加工机床该故障发生的次数与本套等离子加工机床故障发生的总次数之比；S202:将数字控制系统数据同步采集模块、超声波电源数据同步采集模块、可控等离子电源数据同步采集模块、可控电磁振荡电源数据同步采集模块、直流伺服电机数据采集模块、主轴头数据采集模块、立柱数据采集模块、超声波振动头数据采集模块、轴向及周向导向装置数据采集模块、第一涡流探伤仪和第二涡流探伤仪实时获取的数据信息，输入到等离子加工机床故障诊断贝叶斯网络故障征兆层的节点Y21、Y22、Y23……Y2q；S203:采用前向‑后向精确推理算法对等离子加工机床故障诊断模型执行贝叶斯网络更新；S204:等离子加工机床的故障判定式如公式(2)所示：α2＝PH‑δ2×PX  (2)其中，α2是等离子加工机床的故障判定值；PH和PX分别是故障层节点的后验概率和先验概率；δ2是故障判定系数，它根据本套等离子加工机床的故障信息统计获取，其值在0和1之间；依据如下规则初步识别和判定等离子加工机床故障的潜在故障：(1)当故障层节点X21、X22、X23……X2p的故障判定值α2大于或者等于80％时，判定该节点对应的故障为确定故障；(2)当故障层节点X21、X22、X23……X2p的故障判定值α2大于或者等于50％且小于80％时，判定该节点对应的故障为可疑故障；(3)当故障层节点X21、X22、X23……X2p的故障判定值α2小于50％时，判定该节点对应的故障不会发生；所述的等离子加工生产线综合故障诊断的具体步骤为：S301:等离子加工生产线综合故障诊断贝叶斯网络故障层的节点包括：总控制器系统的确定故障节点A11、A12、A13……A1a、总控制器系统的可疑故障节点B11、B12、B13……B1b、等离子加工机床的确定故障节点A21、A22、A23……A2c、等离子加工机床的可疑故障节点B21、B22、B23……B2d，以及观测信息及人为判断故障输入模块根据声音信息、振动信息及操作经验人为判断且不同于上述自动诊断判定的故障节点C11、C12、C13……C1e；总控制器系统的确定故障节点的先验概率设置为1.8×η1，可疑故障节点的先验概率设置为1.2×η1，等离子加工机床的确定故障节点的先验概率设置为1.8×η2，可疑故障节点的先验概率设置为1.2×η2，人为判断的故障节点的先验概率根据经验设定；S302:等离子加工生产线综合故障诊断贝叶斯网络故障征兆层的节点包括：总控制器系统故障诊断贝叶斯网络故障征兆层的节点Y11、Y12、Y13……Y1n、等离子加工机床故障诊断贝叶斯网络故障征兆层的节点Y21、Y22、Y23……Y2q，以...

【技术特征摘要】
1.一种双梯形缝筛管等离子加工生产线智能化综合故障诊断方法，其特征在于：包括三个大步骤，即总控制器系统故障诊断、等离子加工机床故障诊断和等离子加工生产线综合故障诊断；其中，总控制器系统故障诊断和等离子加工机床故障诊断，是根据实时监测信息同步进行的；等离子加工生产线综合故障诊断，是结合总控制器系统故障诊断和等离子加工机床故障诊断的初步诊断结果，以及操作人员的观测信息和操作经验进行的；所述的总控制器系统故障诊断的具体步骤为：S101:总控制器系统故障诊断贝叶斯网络故障层的节点X11、X12、X13……X1m的故障发生先验概率设置为η1，其中，η1为自本套等离子加工生产线使用以来，本套总控制器系统该故障发生的次数与本套总控制器系统故障发生的总次数之比；S102:将总控制台数据同步采集模块、数控回转工作台数据采集模块和轴向进给驱动装置数据采集模块实时获取的数据信息，输入到总控制器系统故障诊断贝叶斯网络故障征兆层的节点Y11、Y12、Y13……Y1n；S103:采用前向-后向精确推理算法对总控制器系统故障诊断模型执行贝叶斯网络更新；S104:总控制器系统的故障判定式如公式(1)所示：α1＝PH-δ1×PX(1)其中，α1是总控制器系统的故障判定值；PH和PX分别是故障层节点的后验概率和先验概率；δ1是故障判定系数，它根据本套总控制器系统的故障信息统计获取，其值在0和1之间；依据如下规则初步识别和判定总控制器系统的潜在故障：(1)当故障层节点X11、X12、X13……X1m的故障判定值α1大于或者等于80％时，判定该节点对应的故障为确定故障；(2)当故障层节点X11、X12、X13……X1m的故障判定值α1大于或者等于50％且小于80％时，判定该节点对应的故障为可疑故障；(3)当故障层节点X11、X12、X13……X1m的故障判定值α1小于50％时，判定该节点对应的故障不会发生；所述的等离子加工机床故障诊断的具体步骤为：S201:等离子加工机床故障诊断贝叶斯网络故障层的节点X21、X22、X23……X2p的故障发生先验概率设置为η2，其中，η2为自本套等离子加工生产线使用以来，本套等离子加工机床该故障发生的次数与本套等离子加工机床故障发生的总次数之比；S202:将数字控制系统数据同步采集模块、超声波电源数据同步采集模块、可控等离子电源数据同步采集模块、可控电磁振荡电源数据同步采集模块、直流伺服电机数据采集模块、主轴头数据采集模块、立柱数据采集模块、超声波振动头数据采集模块、轴向及周向导向装置数据采集模块、第一涡流探伤仪和第二涡流探伤仪实时获取的数据信息，输入到等离子加工机床故障诊断贝叶斯网络故障征兆层的节点Y21、Y22、Y23……Y2q；S203:采用前向-后向精确推理算法对等离子加工机床故障诊断模型执行贝叶斯网络更新；S204:等离子加工机床的故障判定式如公式(2)所示：α2＝PH-δ2×PX(2)其中，α2是等离子加工机床的故障判定值；PH和PX分别是故障层节点的后验概率和先验概率；δ2是故障判定系数，它根据本套等离子加工机床的故障信息统计获取，其值在0和1之间；依据如下规则初步识别和判定等离子加工机床故障的潜在故障：(1)当故障层节点X21、X22、X23……X2p的故障判定值α2大于或者等于80％时，判定该节点对应的故障为确定故障；(2)当故障层节点X21、X22、X23……X2p的故障判定值α2大于或者等于50％且小于80％时，判定该节点对应的故障为可疑故障；(3)当故障层节点X21、X22、X23……X2p的故障判定值α2小于50％时，判定该节点对应的故障不会发生；所述的等离子加工生产线综合故障诊断的具体步骤为：S301:等离子加工生产线综合故障诊断贝叶斯网络故障层的节点包括：总控制器系统的确定故障节点A11...

【专利技术属性】
技术研发人员：蔡宝平，刘永红，纪仁杰，李怀文，张全胜，董长银，刘乙奇，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：山东,37