基于故障知识库和贝叶斯网络的设备故障诊断方法技术

本发明专利技术公开了一种基于故障知识库和贝叶斯网络的设备故障诊断方法，包括以下步骤：通过收集专家经验对BOG压缩机的故障模式进行故障识别，依据故障识别的结果建立BOG压缩机的故障知识库；依据故障知识库中的故障表现建立故障模式与故障表现之间互相推理的贝叶斯网络模型；依据所建立的贝叶斯网络模型，对设备的在线参数进行推理分析，得到设备每种故障模式的可能发生的概率并输出显示，对故障概率超过指定阈值的故障模式给出相应的报警信号。

Equipment fault diagnosis method based on fault knowledge base and Bayesian network

【技术实现步骤摘要】
基于故障知识库和贝叶斯网络的设备故障诊断方法
本专利技术属于设备故障诊断
，具体涉及一种基于故障知识库和贝叶斯的设备故障诊断方法。
技术介绍
近年来，天然气行业在我国快速发展，而液化天然气(LiquefiedNaturalGas，LNG)作为一种清洁、高效的优质能源，在优化能源消费结构，控制大气污染物排放，改善生态环境等方面有着重要作用，因此LNG也成为能化领域中需求增速最高的子行业之一。BOG(Boil-OffGas，蒸发气)压缩机是LNG接收站动设备的典型代表，其运行状态的好坏直接关系着接收站的生产活动能否正常进行，因此，采取高效的方法对压缩机进行健康状态评估与健康管理，使得压缩机工作效率最大化，是增大LNG接收站的运行效益的重要手段。目前，包括BOG压缩机在内的LNG接收站关键设备一般采用定期检修策略，这种方法不能及时有效地发现故障，并且通常会发生过度检修的情况，不仅浪费了人力财力，更是缩短了设备的运行周期，降低设备的使用寿命。另外的，也可采用基于经验和故障机理的方法来进行设备健康状态评估和诊断。但对于运行年限不长，本文档来自技高网...

【技术保护点】
1.一种基于故障知识库和贝叶斯网络的设备故障诊断方法，其特征在于，包括以下步骤：/n通过收集专家经验对BOG压缩机的故障模式进行故障识别，依据故障识别的结果建立BOG压缩机的故障知识库；/n依据故障知识库中的故障表现建立故障模式与故障表现之间互相推理的贝叶斯网络模型；/n依据所建立的贝叶斯网络模型，对设备的在线参数进行推理分析，得到设备每种故障模式的可能发生的概率并输出显示，对故障概率超过指定阈值的故障模式给出相应的报警信号。/n

【技术特征摘要】
1.一种基于故障知识库和贝叶斯网络的设备故障诊断方法，其特征在于，包括以下步骤：
通过收集专家经验对BOG压缩机的故障模式进行故障识别，依据故障识别的结果建立BOG压缩机的故障知识库；
依据故障知识库中的故障表现建立故障模式与故障表现之间互相推理的贝叶斯网络模型；
依据所建立的贝叶斯网络模型，对设备的在线参数进行推理分析，得到设备每种故障模式的可能发生的概率并输出显示，对故障概率超过指定阈值的故障模式给出相应的报警信号。


2.如权利要求1所述的基于故障知识库和贝叶斯网络的设备故障诊断方法，其特征在于，每一条故障知识包含故障部件、故障模式、故障表现参数以及故障机理。


3.如权利要求2所述的基于故障知识库和贝叶斯网络的设备故障诊断方法，其特征在于，由故障知识库共整理得到故障模式和故障表现参数，作为建立贝叶斯网络的故障节点。


4.如权利要求1至3任一所述的基于故障知识库和贝叶斯网络的设备故障诊断方法，其特征在于，贝叶斯网络模型的架...

【专利技术属性】
技术研发人员：刘井泉，王小尚，解光耀，曾聿赟，梁建平，秦楚晴，植海刚，朱文波，刘景俊，吴仲昆，毛伟，王世超，胡超，张大伟，韩荣鑫，杨春慧，郑元杰，陈文杰，孙大巍，崔春英，侯鹏，朱东风，高庆娜，杨辉，
申请(专利权)人：中国石化青岛液化天然气有限责任公司，清华大学，上海祥通石化科技有限公司，
类型：发明
国别省市：山东;37