一种基于决策树和贝叶斯网络的电机故障诊断系统及方法技术方案

本发明专利技术公开了一种基于决策树和贝叶斯网络的电机故障诊断系统及方法，系统包括无线传感器节点、协调器节点以及上位机；所述无线传感器节点安装在电机设备上，所述无线传感器节点和协调器节点组成无线传感器网络，每个无线传感器节点检测电机设备的特征参数，将各个电机设备的参数汇聚于协调器节点，所述协调器节点与上位机平台连接，所述上位机平台集中处理各个电机设备的参数并且监测设备状态。一种基于决策树和贝叶斯网络的电机故障诊断方法可以有效的解决电机故障诊断中的不确定性信息问题，从而获得准确、有效的诊断效果。

A motor fault diagnosis system and method based on decision tree and Bayesian network

The invention discloses a motor fault diagnosis system and method based on decision tree and Bayesian network. The system comprises a wireless sensor node, a coordinator node and a upper computer. The wireless sensor node is installed on the motor equipment, and the wireless sensor node and the coordinator node are composed of a wireless sensor network, each of which is composed of a wireless sensor network. A wireless sensor node detects the characteristic parameters of the motor equipment, converges the parameters of each motor device to the coordinator node, and the coordinator node is connected with the upper computer platform. The upper computer platform concentrates the parameters of each motor equipment and monitors the state of the equipment. A motor fault diagnosis method based on decision tree and Bayesian network can effectively solve the uncertainty information problem in the motor fault diagnosis, so as to obtain accurate and effective diagnosis effect.

【技术实现步骤摘要】
一种基于决策树和贝叶斯网络的电机故障诊断系统及方法
本专利技术涉及一种基于决策树和贝叶斯网络的电机故障诊断系统及方法，属于水电水利工业等项目中电机故障诊断领域。
技术介绍
随着信息化控制在工业生产领域的广泛应用，人们提出了在保证企业计划产能的前提下，利用智能化的故障诊断方式对工业生产设备进行状态监测、故障诊断和系统维护，提高生产管理过程的高安全性和高可靠性。在现代化标准厂房的生产现场中，广泛部署有各类大型机组，机组具有“三大”(体积大、功率大、流量大)、“三高”(转速高、压力高、运行检修及时性要求高)的特点，其工作环境兼具高温、高压(超高压)、磨蚀等特点，这些因素极易导致设备突发故障的发生，对工业设备安全、连续、可靠的运行造成威胁。此外，为提高生产效率，工业生产要求形成紧密的生产链，连续性很强，因此，一旦设备发生故障，即会导致生产线全面停滞，严重影响安全生产，大大降低经济效益。网络化是装备故障诊断技术的发展方向，通过无线传感器网络对设备状态的监测，可以完成对设备运行信息的采集，为设备运行状态监测和故障诊断提供最原始的资料，这大大提高了设备故障诊断的效率。在电机故障诊断中，由于电机的故障诊断参数复杂，相互影响，必然有很多不确定性的信息存在。这些不确定的信息会对电机故障诊断的准确率造成很大的影响，同时也会出现一些潜在的问题不被发现。目前的电机故障诊断方法还是停留在参数采集，对采集的信号经过处理后进行故障诊断的方法。有很多学者利用小波分析、人工神经网络、专家系统等方法进行电机故障诊断，但电机结构复杂，各个故障原因之间关系紧密，因此，电机故障诊断中如何能够准确地处理这些不确定信息，是亟须解决的。对于处理不确定信息，有学者通过多源信息融合技术的D-S证据理论对采集到的电机故障特征信号进行分析、融合处理，但随着大数据时代的到来传统的D-S证据理论处理方式也已经落后。决策树是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是只管运用概率分析的一种图解方法。贝叶斯网络是一个有向无环图，通过一个条件概率分布直观地表达各个变量之间的依赖关系。因此将决策树-贝叶斯网络应用到电机故障诊断中，可以有效的处理不确定信息，从而得到正确的结果。
技术实现思路
为了解决电机故障诊断中信息的复杂性以及不确定性，本专利技术提出了一种基于决策树-贝叶斯网络的电机故障诊断方法。为解决上述问题，本专利技术通过以下技术方案实现：一种基于决策树和贝叶斯网络的电机故障诊断系统，包括无线传感器节点、协调器节点以及上位机；所述无线传感器节点安装在电机设备上，所述无线传感器节点和协调器节点组成无线传感器网络，每个无线传感器节点检测电机设备的特征参数，将各个电机设备的参数汇聚于协调器节点，所述协调器节点与上位机平台连接，所述上位机平台集中处理各个电机设备的参数并且监测设备状态。上述无线传感器节点基于zigbee技术的cc2530实现，无线传感器节点和协调器节点之间的通信协议采用zigbee协议。上述无线传感器节点包括传感器模块、供电模块、射频模块、处理模块；所述传感器模块用于监测的电机对象的参数的采集和数据转换；所述处理模块为无线传感器节点的中央处理器，处理各个传感器采集数据的处理和控制，协调整个无线传感器节点各个模块的工作；所述射频模块用于与其他传感器节点以及协调器节点通信；所述供电模块负责给整个无线传感器节点各个模块提供电源。一种基于决策树和贝叶斯网络的电机故障诊断方法，利用上述的系统，包括如下步骤:(1)、原始数据采集；(2)、整理故障状态信息，构建专家知识库；(3)、建立故障决策树模型，根据专家知识库计算决策树各个节点的概率；(4)、将决策树模型转换为决策树-贝叶斯网络模型；(5)、实时数据采集，通过专家知识库和工作手册判断电机故障类别；(6)、遍历建立的决策树-贝叶斯网络模型；(7)、检测决策树-贝叶斯网络的触底事件，若与实时故障类别相同则记录遍历过的节点；(8)、根据决策树-贝叶斯网络节点的概率形成故障原因诊断报告。上述步骤(3)中故障决策树的模型的建立方法如下：根据电机的工作手册和专家知识库以及检测到电机实时工作时的参数整理出电机发生故障时的特征信息，建立故障决策树F1……Fn，其中故障特征信息包括电机发生的故障状态F以及故障引起原因S；根据电机的工作手册和专家知识库整理出各个状态信息S发生的概率P(S)、故障Fn发生的先验概率P(Fn)，以及当故障Fn发生时，状态信息S发生的概率P(S|Fn)，根据贝叶斯公式得出在故障状态信息S发生时，故障Fn发生的后验概率P(Fn|S)。上述步骤(4)中决策树-贝叶斯网络模型的建立步骤如下：(1)、将决策树模型的所有事件节点对应为决策树-贝叶斯网络模型的节点，决策树-贝叶斯网络模型采用从顶向下的递归方式所以将决策树模型的基本事件对应于决策树-贝叶斯网络模型的根节点以下的节点，根据决策树模型中的已知条件和关系给出决策树-贝叶斯网络模型的各个节点的先验概率；(2)、根据决策树模型的逻辑关系对决策树-贝叶斯网络模型进行构造，用有向弧连接决策节点、状态节点以及结果节点，并根据决策树模型的实际的物理意义建立决策树-贝叶斯网络的对应的节点的状态和决策类型；(3)、将决策树模型中的节点关系表达为决策树-贝叶斯网络模型中对应的节点条件概率表。本专利技术所达到的有益效果：本专利技术提供了一种基于决策树-贝叶斯网络的电机故障诊断方法，通过建立决策树-贝叶斯网络模型可以有效的解决电机故障诊断中的不确定性信息问题，从而获得准确、有效的诊断效果。附图说明图1是本专利技术基于决策树-贝叶斯网络的电机故障诊断方法流程示意图；图2是决策树模型示意图；图3是决策树-贝叶斯网络模型示意图。具体实施方式下面结合附图对本专利技术作进一步描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，而不能以此来限制本专利技术的保护范围。一种基于决策树和贝叶斯网络的电机故障诊断系统，包括无线传感器节点、协调器节点以及上位机；所述无线传感器节点安装在电机设备上，所述无线传感器节点和协调器节点组成无线传感器网络，每个无线传感器节点检测电机设备的特征参数，将各个电机设备的参数汇聚于协调器节点，所述协调器节点与上位机平台连接，所述上位机平台集中处理各个电机设备的参数并且监测设备状态。上述无线传感器节点基于zigbee技术的cc2530实现，无线传感器节点和协调器节点之间的通信协议采用zigbee协议。上述无线传感器节点包括传感器模块、供电模块、射频模块、处理模块；所述传感器模块用于监测的电机对象的参数的采集和数据转换；传感器模块是一个小型的嵌入式系统，它包含了节点与节点之间的通信功能，通过无线传感器节点采集电机运行时的参数。所述处理模块为无线传感器节点的中央处理器，处理各个传感器采集数据的处理和控制，协调整个无线传感器节点各个模块的工作；所述射频模块用于与其他传感器节点以及协调器节点通信；所述供电模块负责给整个无线传感器节点各个模块提供电源。如图1所示，一种基于决策树和贝叶斯网络的电机故障诊断方法，利用上述的系统，包括如下步骤:(1)、原始数据采集；(2)、整理故障状态信息，构建专家知识库；(3)、建立故障决策本文档来自技高网...

【技术保护点】
1.一种基于决策树和贝叶斯网络的电机故障诊断系统，其特征在于包括无线传感器节点、协调器节点以及上位机；所述无线传感器节点安装在电机设备上，所述无线传感器节点和协调器节点组成无线传感器网络，每个无线传感器节点检测电机设备的特征参数，将各个电机设备的参数汇聚于协调器节点，所述协调器节点与上位机平台连接，所述上位机平台集中处理各个电机设备的参数并且监测设备状态。

【技术特征摘要】
1.一种基于决策树和贝叶斯网络的电机故障诊断系统，其特征在于包括无线传感器节点、协调器节点以及上位机；所述无线传感器节点安装在电机设备上，所述无线传感器节点和协调器节点组成无线传感器网络，每个无线传感器节点检测电机设备的特征参数，将各个电机设备的参数汇聚于协调器节点，所述协调器节点与上位机平台连接，所述上位机平台集中处理各个电机设备的参数并且监测设备状态。2.根据权利要求1所述的一种基于决策树和贝叶斯网络的电机故障诊断系统，其特征在于所述无线传感器节点基于zigbee技术的cc2530实现，无线传感器节点和协调器节点之间的通信协议采用zigbee协议。3.根据权利要求1所述的一种基于决策树和贝叶斯网络的电机故障诊断系统，其特征在于所述无线传感器节点包括传感器模块、供电模块、射频模块、处理模块；所述传感器模块用于监测的电机对象的参数的采集和数据转换；所述处理模块为无线传感器节点的中央处理器，处理各个传感器采集数据的处理和控制，协调整个无线传感器节点各个模块的工作；所述射频模块用于与其他传感器节点以及协调器节点通信；所述供电模块负责给整个无线传感器节点各个模块提供电源。4.一种基于决策树和贝叶斯网络的电机故障诊断方法，其特征在于利用权利要求1所述的系统，包括如下步骤:(1)、原始数据采集；(2)、整理故障状态信息，构建专家知识库；(3)、建立故障决策树模型，根据专家知识库计算决策树各个节点的概率；(4)、将决策树模型转换为决策树-贝叶斯网络模型；(5)、实时数据采集，通过专家知识库和工作手册判断电机故障类别；(6)、遍历建立的决策树-贝叶斯网络模型；(7)、检测...

【专利技术属性】
技术研发人员：韩光洁，季宇恒，刘宇兴，刘国高，
申请(专利权)人：江苏新中天塑业有限公司，
类型：发明
国别省市：江苏,32