通过RBF粒子群优化算法即时在线仪表校验和诊断方法技术

一种通过RBF粒子群优化算法即时在线仪表校验和诊断方法，包括以下步骤：S1、搭建流网模型；S2、由现场实际测量数据迭代，通过RBF粒子群优化算法计算确定模型中的参数，使模型可用；S3、定期重启上述步骤，对参数进行优化；S4、利用模型在稳定流场状态下，对采样的变量进行逐一校验；S5、排除掉疑似失效点后利用其余数据进行逆迭代运算，反向推导出疑似失效点的理论计算值；S6、排除工艺条件变化，用上述理论计算值对实际仪表信号进行比较分析，实现校验与故障诊断，确定信号健康水平；S7、按照测量时间，记录采样信号和计算信号，并按照确定性故障诊断条件报警及定位故障。本发明专利技术能做到仪表故障早发现，早报告，智能校正结果，提高工作效率。

Real time online instrument calibration and diagnosis method based on RBF particle swarm optimization

【技术实现步骤摘要】
通过RBF粒子群优化算法即时在线仪表校验和诊断方法
本专利技术涉及即时在线仪表校验和诊断方法。
技术介绍
近些年来，工业生产的智能化、自动化越来越受到重视。在智能制造过程中，仪表的智能化是其中重要的组成部分。目前主流的仪表多采用人工周期性逐个检测进行判断，工作人员无法及时准确判断仪表测量值是否准确，从而贻误了进行处理的时机，进而影响整个生产活动。仪表工作时，传统仪表或者电子设备的智能诊断都仅针对仪表自身，只能进行开环自我校验，无法验证数据的准确性以及流网系统是否正常运行。
技术实现思路
本专利技术的目的于提供一种通过RBF粒子群优化算法即时在线仪表校验和诊断方法本专利技术的目的可以这样实现，设计一种通过RBF粒子群优化算法即时在线仪表校验和诊断方法，包括以下步骤：S1、通过流体力学连续性方程、动量方程和能量方程，搭建流网模型，包括流道模型和设备组件模型；S2、由现场实际测量数据迭代，通过RBF粒子群优化算法计算确定模型中的参数，使模型可用；S3、定期重启上述步骤，对模型参数进行优化，从而重新适本文档来自技高网...

【技术保护点】
1.一种通过RBF粒子群优化算法即时在线仪表校验和诊断方法，其特征在于包括以下步骤：/nS1、通过流体力学连续性方程、动量方程和能量方程，搭建流网模型，包括流道模型和设备组件模型；/nS2、由现场实际测量数据迭代，通过RBF粒子群优化算法计算确定模型中的参数，使模型可用；/nS3、定期重启上述步骤，对模型参数进行优化，从而重新适应新的工况条件，使模型自主学习与维护；/nS4、利用上面步骤得到的模型，在稳定流场状态下，对采样的变量进行逐一校验；/nS5、排除掉疑似失效点后利用其余数据进行逆迭代运算，反向推导出疑似失效点的理论计算值；/nS6、排除工艺条件变化，用上述理论计算值对实际仪表信号进行比...

【技术特征摘要】
1.一种通过RBF粒子群优化算法即时在线仪表校验和诊断方法，其特征在于包括以下步骤：
S1、通过流体力学连续性方程、动量方程和能量方程，搭建流网模型，包括流道模型和设备组件模型；
S2、由现场实际测量数据迭代，通过RBF粒子群优化算法计算确定模型中的参数，使模型可用；
S3、定期重启上述步骤，对模型参数进行优化，从而重新适应新的工况条件，使模型自主学习与维护；
S4、利用上面步骤得到的模型，在稳定流场状态下，对采样的变量进行逐一校验；
S5、排除掉疑似失效点后利用其余数据进行逆迭代运算，反向推导出疑似失效点的理论计算值；
S6、排除工艺条件变化，用上述理论计算值对实际仪表信号进行比较分析，采用预定义故障模式和偏差评价，得出实际信号的偏离参量，通过阀值判断、模糊逻辑、故障假设校验，实现校验与故障诊断，确定信号健康水平；
S7、按照测量时间，记录采样信号和计算信号，并按照流网知识库、仪表故障特征库的诊断条件实现报警及定位故障。


2.根据权利要求1所述的通过RBF粒子群优化算法即时在线仪表校验和诊断方法，其特征在于：首先流动方程简化为
F＝(1-K0)*a1*(P1-P2-KZ)+K0*F1p
其中，
其中，是来自上次迭代的压力，KZ＝ρg(Z2-Z1)，式中，ρ为流体密度，g为重力加速度，Z1为点1处的标高，Z2为点2处的标高；F1p＝上次迭代得到的值F；K0为用户可选择的常数，可通过调整K0获得数值求解的稳定性；
在上式中，F、P1和P2为未知量，高度差KZ是系统常数，其余项是上次迭代得到的值，可认为是已知量；
还设置质量平衡方程，式中流入节点为(+)号，流出节点为(－)号。


3.根据权利要求2所述的通过RBF粒子群优化算法即时在线仪表校验和诊断方法，其特征在于：根据步骤S1形成的矩阵方程组，将对F(F3)值的计算产生影响的因素作为模型输入，F值作为输出。


4.根据权利要求3所述的通过RBF粒子群优化算法即时在线仪表校验和诊断方法，其特征在于：对模糊方程隶属度进行确定；
设模糊方程系统有c*个模糊群，模糊群k,j的中心分别为vk、vj，则第i个训练样本Xi对于模糊群k的隶属度μik为：



式中，n为模糊分类过程中需要的分块矩阵指数，通常取作2；‖·‖为范数表达式；
使用以上隶属度值或者它的变形以获得新的输入矩阵；
对于模糊群k，其输入矩阵变形为：
φik(Xi,μik)＝[1func(μij)Xi]
其中，func(μik)为隶属度值μik的变形函数，一般取φik(Xi,μik)表示第i个输入变量Xi及其模糊群k的隶属度μik所对应的新的输入矩阵。


5.根据权利要求4所述的通过RBF粒子群优化算法即时在线仪表校验和诊断方法，其特征在于：以RBF神经网络作为模糊方程系统的局部方程，对每个模糊群进行优化拟合；设第k个RBF神经网络模糊方程的输出是，



其中，Clk和ωlk是第k个RBF神经网络模糊方程第l个结点的中心和输出权值，φlk(‖Xi-Clk‖)是第k个RBF神经网络模糊方程第l个结点的径向基函数，由下式确定：

【专利技术属性】
技术研发人员：郝富强，陈珺逸，戴旺，
申请(专利权)人：深圳市行健自动化股份有限公司，深圳市行健软件有限公司，
类型：发明
国别省市：广东;44