【技术实现步骤摘要】
一种多传感器数据融合的设备故障诊断方法及装置
本专利技术涉及设备故障诊断
，尤其是涉及一种多传感器数据融合的设备故障诊断方法、装置、终端设备及可读存储介质。
技术介绍
制造业是国民经济的主体，是强国之基。机械设备的健康运转是保证生产线平稳运行的前提，是制造业蓬勃发展的前提，是智能制造工程的一个重要建设内容。机械设备状态监测和智能诊断是确保机械设备健康运行的有效途径。监测和诊断机械设备的运行状态有着重大的现实意义，不仅可以及早发现故障隐患，及时检修，充分利用设备的有效使用寿命，提高工厂的生产效率和经济效益，而且为企业的智能化生产提供有效的数据支持，还可以尽可能避免人员伤亡和设备报废，保证生产的安全性。传统的状态监测和智能诊断技术，已经不适应目前的精密复杂、高度自动化、信息化的机械设备和系统，因此有很多问题有待解决或值得进一步研究。其一，设备的故障征兆和故障类型之间是一种复杂的映射关系，具有多种属性，同种属性在时间和空间上有较大的分布。从单传感器获得的故障信息是有限的，因此在对机械设备进行状态监测时，需要安装大量不...
【技术保护点】
1.一种多传感器数据融合的设备故障诊断方法，其特征在于，包括：/n根据预先确定的故障模式构造设备的故障辨识框架；/n获取由多个传感器采集到的设备运行状态数据，并将所述设备运行状态数据转化为数字信号；/n利用预先构建的自适应故障诊断模型对所述数字信号进行故障特征提取，并根据提取得到的故障特征矩阵利用基本概率赋值法计算各个故障模式的BPA值，得到设备的初级诊断证据体；/n对DS理论冲突因子与预设的阈值进行大小关系比较，根据比较结果选取对应的融合规则对所述初级诊断证据体进行决策融合得到设备的故障诊断结果。/n
【技术特征摘要】
1.一种多传感器数据融合的设备故障诊断方法，其特征在于，包括：
根据预先确定的故障模式构造设备的故障辨识框架；
获取由多个传感器采集到的设备运行状态数据，并将所述设备运行状态数据转化为数字信号；
利用预先构建的自适应故障诊断模型对所述数字信号进行故障特征提取，并根据提取得到的故障特征矩阵利用基本概率赋值法计算各个故障模式的BPA值，得到设备的初级诊断证据体；
对DS理论冲突因子与预设的阈值进行大小关系比较，根据比较结果选取对应的融合规则对所述初级诊断证据体进行决策融合得到设备的故障诊断结果。
2.根据权利要求1所述的多传感器数据融合的设备故障诊断方法，其特征在于，所述获取由多个传感器采集到的设备运行状态数据，并将所述设备运行状态数据转化为数字信号，具体为：
获取由多个传感器采集到的设备运行状态数据，根据所述设备运行状态数据生成时域信号；
利用预设的信号处理单元对所述时域信号进行数模转换得到所述数字信号。
3.根据权利要求1所述的多传感器数据融合的设备故障诊断方法，其特征在于，所述自适应故障诊断模型由多组BiLSTM网络组成。
4.根据权利要求1所述的多传感器数据融合的设备故障诊断方法，其特征在于，所述利用预先构建的自适应故障诊断模型对所述数字信号进行故障特征提取，并根据提取得到的故障特征矩阵利用基本概率赋值法计算各个故障模式的BPA值，得到设备的初级诊断证据体，具体包括：
利用预先构建的自适应故障诊断模型对所述数字信号进行故障特征提取，得到原始特征矩阵；
通过预设的注意力模块对所述原始特征矩阵的进行权重参数优化，并根据优化后的特征权重进行加权计算得到故障特征矩阵；
根据所述故障特征矩阵利用基本概率赋值法计算各个故障模式的BPA值，得到设备的初级诊断证据体。
5.根据权利要求4所述的多传感器数据融合的设备故障诊断方法，其特征在于，所述通过预设的注意力模块对所述原始特征矩阵的进行权重参数优化，并根据优化后的特征权重进行加权计算得到故障特征矩阵，具体为：
通过预设的注意力模块计算所述原始特征矩...
【专利技术属性】
技术研发人员：杜翠凤，杜广龙，滕少华，龙帅英，
申请(专利权)人：广州杰赛科技股份有限公司，华南理工大学，广东工业大学，
类型：发明
国别省市：广东;44
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。