空压机集群智能诊断系统技术方案

本发明专利技术公开了一种空压机集群智能诊断系统，系统包括：表示层、服务层以及数据访问层，数据访问层包括远程测控组件，服务层包括智能分析平台，表示层包括监控终端；智能分析平台与数据库服务器连接，利用内置的Aiglor实时数据库对空压机的运行数据进行实时显示、汇总及加工；根据预设的故障诊断模型进行故障诊断，根据预设的性能预测模型进行性能预测，以及根据预设的健康度模型计算健康指数获取空压机的健康状态，获取综合监视数据和监视结果；监控终端通过人机显示界面显示综合监视数据和监视结果。本发明专利技术对空压机集群进行非现场监视，对故障快速做出有效分析，找出故障原因，并对空压机未来运行状况做出预测。

【技术实现步骤摘要】
空压机集群智能诊断系统
本专利技术涉及在线远程集中监视及其故障智能诊断的
，尤其涉及一种空压机集群智能诊断系统。
技术介绍
现代化工业生产过程中，空压机作为工业生产所需的大型设备，全面掌握、分析、预测空压机设备的运行状态与健康水平，提高故障诊断水平，合理安排检修或预测性维护是保障工业生产正常运作的必要基础。本申请专利技术人发现，如今的远程监视系统(1)无法实现对空压机故障快速且准确的定位，(2)无法对空压机的综合运行性能做出评判，(3)无法提前报警和预测性检修，(4)系统智能化程度不高。随着工业4.0时代的到来，大数据技术和人工智能技术在设备故障识别、设备性能预测、优化、决策任务中的效率、精度、自学习能力等方面的发展和突破，为空压机设备的运维检修提供了一种全新的技术手段与研究思路。
技术实现思路
为解决上述问题，本申请实施例通过提供一种空压机集群智能诊断系统，基于大数据和人工智能，融入人工神经网络，实现空压机的非现场实时监视、智能神经网络故障诊断、性能预测及空压机监视数据的可视化显示和集中化管理。本申请本文档来自技高网...

【技术保护点】
1.一种空压机集群智能诊断系统，其特征在于，所述系统包括：表示层、服务层以及数据访问层，/n所述数据访问层包括远程测控组件，所述服务层包括智能分析平台，所述表示层包括监控终端；/n所述远程测控组件与所述智能分析平台连接，被配置为实时采集各压气站所管理的多个空压机的运行数据，并将运行数据通过物联网实时传输给所述智能分析平台；/n所述智能分析平台被配置为利用内置的Aiglor实时数据库对所述空压机的运行数据进行实时显示、汇总及加工；并根据预设的故障诊断模型进行故障诊断，根据预设的性能预测模型进行性能预测，以及根据预设的健康度模型计算健康指数获取所述空压机的健康状态，获取综合监视数据和监视结果；/n...

【技术特征摘要】
1.一种空压机集群智能诊断系统，其特征在于，所述系统包括：表示层、服务层以及数据访问层，
所述数据访问层包括远程测控组件，所述服务层包括智能分析平台，所述表示层包括监控终端；
所述远程测控组件与所述智能分析平台连接，被配置为实时采集各压气站所管理的多个空压机的运行数据，并将运行数据通过物联网实时传输给所述智能分析平台；
所述智能分析平台被配置为利用内置的Aiglor实时数据库对所述空压机的运行数据进行实时显示、汇总及加工；并根据预设的故障诊断模型进行故障诊断，根据预设的性能预测模型进行性能预测，以及根据预设的健康度模型计算健康指数获取所述空压机的健康状态，获取综合监视数据和监视结果；
所述监控终端通过人机显示界面进行账号登陆、身份验证维护管理、远程控制以及远程监测访问所述服务层，以显示综合监视数据和监视结果。


2.如权利要求1所述的空压机集群智能诊断系统，其特征在于，所述故障诊断模型采用BP神经网络算法对故障样本集进行梳理，提取故障输入集，并进行训练，以实现对故障类型的分类；所述故障诊断模型的诊断方法步骤如下：
S11：对故障样本集进行归一化处理；
S12：确定输入和输出向量；
将所述空压机的故障征兆向量数X＝(x1，x2，…，x10)作为输入向量，其中，x1为所述空压机的出口压力、x2为空滤压差、x3为出口温度、x4为1#转子出口温度、x5为2#转子出口温度、x6为2#转子进口温度、x7为油压、x8为进口温度、x9为中冷压力、x10为润滑油温度；
将所述空压机的故障类型向量Y＝(y1，y2，…，y12)作为输出向量，其中，y1为主机机械系统故障、y2为油过滤器故障、y3为安全阀泄露、y4为空气过滤器故障、y5为加/卸载阀门故障、y6为油冷却器故障、y7为温控阀故障、y8为放气阀/进气阀故障、y9为传感器故障、y10为空气冷却器故障、y11为油路故障、y12为空间散热不良故障；
S13：建立BP神经网络模型；
预设输入、输出层数，根据确定隐藏层神经元数，式中H、I、O分别表示隐层、输入、输出层神经元数，为可取值；
S14：设定初始权值W(O)，且输入第p组样本时，参数i的输出为：yip(t)＝f[xip(t)]＝f(∑jwij(t)Ijp)其中，激活函数取S型函数Ijp是参数i在第p组样本输入下的第j个输入值；
S15：计算网络目标函数J；
令Ep为网络目标函数，取L2范数，则



其中，ykp(t)为经过t次修正权值后网络的输出；k为输出层的第k个节点；获取目标函数为：J(t)＝∑pEp(t)；
S16：做误差判断；
若J(t)≤ε，则训练结束，否则按梯度下降法反向更新权值W(O)；



式中，η为学习步长；重复步骤S11-S16直至J(t)≤ε。


3.如权利要求1所述的空压机集群智能诊断系统，其特征在于，所述性能预测模型采用Arima算法对所述空压机的历史运行数据进行梳理后，对所述空压机未来预设时间段内的数据进行预测；所述性能预测模型的预测方法步骤如下：
S21：获取时间序列；
获取所述空压机M个运行指标参数的N天运行数据序列；
S22：对所述空压机N天运行数据序列做预处理；
预处理包括进行白噪声和平稳性核验，再对差分处理后的时间序列的自相关与偏自相关函数结果分析，确定Arima模型参数；
S23：Arima模型定阶；
差分后的序列不平稳性消除，设定差分阶数d，依据AIC准则判断模型的拟合优度，判定最优模型为Arima(p，d，q)；
其中，Arima(p，d，q)模型可以表示为：

【专利技术属性】
技术研发人员：侯大立，王宇，夏庆春，成凡，王磊，赵凇，曹铭家，李成成，
申请(专利权)人：上海应用技术大学，
类型：发明
国别省市：上海;31