【技术实现步骤摘要】
基于多源监控数据融合的设备故障诊断方法、装置及系统
本说明书涉及设备故障诊断
，特别地，涉及一种基于多源监控数据融合的设备故障诊断方法、装置及系统。
技术介绍
电机驱动设备在工业中被广泛部署于各种场景，是驱动各种重要生产活动的主要装置。作为生产系统中的重要组成部分，电机驱动设备的安全可靠运行是连续平稳生产的基础。一旦电机驱动设备发生故障，将会影响生产设备的整体性能，影响生产效率，造成经济损失，严重时甚至会造成灾难性的事故。因此，通过监测信息对电机驱动设备进行早期故障诊断以及溯源，同时合理安排维修，对于保障生产系统的安全运行具有十分重要的意义。故障诊断是设备健康管理的主要研究主题之一，旨在通过及时识别设备故障以制定合适的维护决策，以确保电机驱动设备的完整性和安全性，最大程度地减少意外停机时间并节省维护成本。在电机驱动设备上测量的信号为故障诊断提供了信息基础。可以基于多种状态信号来改善电机驱动设备故障诊断的准确性。但基于不同信号的诊断技术在所擅长的故障识别场景方面存在较大差异，且随着对电机驱动设备进行整体全面诊断的...
【技术保护点】
1.一种基于多源监控数据融合的设备故障诊断方法，其特征在于，包括：/n获取目标设备在当前时间点之前预设时间长度内的多源监控数据，所述多源监控数据包括对所述目标设备采集的多种监控参数类型的监控数据；/n基于多个不同的时间窗口长度对所述多源监控数据进行数据分割处理，将基于不同的时间窗口长度分割处理后的多源监控数据分别存入不同的数据集，获得各时间窗口长度所对应的多源监控数据集；/n分别对每个所述多源监控数据集中分割处理后的多源监控数据进行特征提取，获得相应时间窗口长度对应的多源特征数据；/n对各时间窗口长度对应的多源特征数据进行第一融合处理，获得多时间窗口融合数据；/n利用所述多...
【技术特征摘要】
1.一种基于多源监控数据融合的设备故障诊断方法，其特征在于，包括：
获取目标设备在当前时间点之前预设时间长度内的多源监控数据，所述多源监控数据包括对所述目标设备采集的多种监控参数类型的监控数据；
基于多个不同的时间窗口长度对所述多源监控数据进行数据分割处理，将基于不同的时间窗口长度分割处理后的多源监控数据分别存入不同的数据集，获得各时间窗口长度所对应的多源监控数据集；
分别对每个所述多源监控数据集中分割处理后的多源监控数据进行特征提取，获得相应时间窗口长度对应的多源特征数据；
对各时间窗口长度对应的多源特征数据进行第一融合处理，获得多时间窗口融合数据；
利用所述多时间窗口融合数据对所述目标设备进行故障诊断，获得所述目标设备的故障诊断结果。
2.根据权利要求1所述的方法，其特征在于，所述分别对每个所述多源监控数据集中分割处理后的多源监控数据进行特征提取，获得相应时间窗口长度对应的多源特征数据，包括：
对于任意一个给定的所述多源监控数据集，对该给定的多源监控数据集中分割处理后获得的各数据段分别进行特征提取，获得各数据段对应的子特征数据；
对相同时间步对应的各监控参数类型的子特征数据进行第二融合处理，获得相应时间步对应的多源子特征数据；其中，所述时间步用于表征各数据段的时序关系；
对各时间步对应的多源子特征数据基于各时间步之间的时序关系进行编码处理，获得相应时间窗口长度对应的多源特征数据。
3.根据权利要求2所述的方法，其特征在于，基于卷积神经网络算法对该给定的多源监控数据集中分割处理后获得的各数据段分别进行特征提取，获得各数据段对应的子特征数据。
4.根据权利要求2所述的方法，其特征在于，所述对相同时间步对应的各监控参数类型的子特征数据进行第二融合处理，包括：
利用下述公式计算预测矢量，其中，所述预测矢量用于表征给定的时间步所对应的监控参数类型i的子特征数据对第j个故障模式的贡献度：
Sj|i＝WjSi
其中，Si表示监控参数类型i的归一化处理后的子特征数据，Wj表示Si从一维维度转换为g维度的加权向量，g为待定的故障模式数量，Sj|i为表征监控参数类型i的子特征数据对第j个故障模式的贡献度的预测矢量；
基于所述预测矢量，利用下述迭代步骤对各监控参数类型的子特征数据进行耦合处理：
其中，cij表示耦合系数，Dj表示第j个故障模式所对应的条件向量；
耦合系数cij如下式所示：
其中，bij表示耦合系数的临时变量，1≤k≤j；
将所有耦合系数的临时变量bij初始化为0，通过条件向量和预测向量之间的点积迭代更新耦合系数的临时变量bij；
重复上述更新步骤，直至满足迭代...
【专利技术属性】
技术研发人员：王金江，符培伦，张来斌，张兴，
申请(专利权)人：中国石油大学北京，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。