【技术实现步骤摘要】
一种基于特征提取的实时故障程度诊断系统及方法
本专利技术涉及一种基于特征提取的实时故障程度诊断系统及方法，属于故障诊断、人工智能
技术介绍
随着科学技术的发展，现代社会生产设备复杂程度越来越高、生产系统越来越庞大。生产系统中，会因为各种原因产生众多微小故障，当微小故障累积发展到一定程度，可能就会发生严重故障。一旦产生严重故障，特别是关键生产设备，则必然会导致设备停机、生产流水线暂停等情况，进而影响生产效率，完工进度，和相应高昂的经济损失。在众多微小故障逐步累积的过程中，当累积到突破设备运行的临界条件时，则会发展成严重故障，导致设备运行失效。这里的临界条件，比如设备中冷却系统的冷却性能、绝缘材料的绝缘性能、机械结构的疲劳程度等，都是随着设备长期运行渐进式发展的，而且这种性能指标偏离是不可避免的，当这些性能偏离设计指标就发生了故障。现有技术中，还没有能够准确、可靠、实时地实现对设备故障程度诊断和故障发展趋势判断的系统或方法，更不能根据故障程度、故障发展趋势和故障预测信息给出运维建议。专利...
【技术保护点】
1.一种基于特征提取的实时故障程度诊断系统，其特征在于：包括运行数据采集模块（3）、初始特征模块（4）、故障程度诊断模块（5）、滚动特征提取模块（6）、实时特征模块（7）、历史运行数据库（8）、故障预测模块（9）、故障诊断及运维建议模块（10）；其中：/n所述运行数据采集模块（3），用于实时采集被诊断设备相关参数的实时运行数据；/n所述初始特征模块（4），是被诊断设备出厂时正常运行的特征模型；/n所述故障程度诊断模块（5），采用初始特征模块计算值与所述实时运行数据之间的差异对被诊断设备进行诊断，得到诊断结果；所述诊断结果包括被诊断设备是否发生故障以及故障程度；/n所述滚动特...
【技术特征摘要】
1.一种基于特征提取的实时故障程度诊断系统，其特征在于：包括运行数据采集模块（3）、初始特征模块（4）、故障程度诊断模块（5）、滚动特征提取模块（6）、实时特征模块（7）、历史运行数据库（8）、故障预测模块（9）、故障诊断及运维建议模块（10）；其中：
所述运行数据采集模块（3），用于实时采集被诊断设备相关参数的实时运行数据；
所述初始特征模块（4），是被诊断设备出厂时正常运行的特征模型；
所述故障程度诊断模块（5），采用初始特征模块计算值与所述实时运行数据之间的差异对被诊断设备进行诊断，得到诊断结果；所述诊断结果包括被诊断设备是否发生故障以及故障程度；
所述滚动特征提取模块（6），用于对采集到的实时运行数据进行滚动提取被诊断设备的实时特征；
所述实时特征模块（7），用于对被诊断设备进行故障预测；
所述历史运行数据库（8），用于存储被诊断设备的历史运行数据；
所述故障预测模块（9），调用历史运行数据库（8）的历史运行数据和实时特征模块（7）的实时特征模型得到故障预测信息；
所述故障诊断及运维建议模块（10），根据故障程度、故障发展趋势和故障预测信息给出运维建议。
2.如权利要求1所述的一种基于特征提取的实时故障程度诊断系统，其特征在于：所述运行数据采集模块（3）实时采集的相关参数包括被诊断设备的被监控参数和其他相关参数，并得到被监控参数测量值和其他相关参数测量值；所述其他相关参数是在机理上与被监控参数存在因果关系的参数。
3.如权利要求2所述的一种基于特征提取的实时故障程度诊断系统，其特征在于：所述被监控参数若超过一定范围则表示被诊断设备发生故障；在被监控设备稳定运行情况下，将所述其他相关参数输入特征模型得到被监控参数预测值，所得被监控参数预测值与被监控参数测量值接近，平均相对偏差率小于或等于1%。
4.如权利要求3所述的一种基于特征提取的实时故障程度诊断系统，其特征在于：所述初始特征模块（4）是采用被诊断设备在出厂时的正常运行数据基于机器学习技术提取的特征模块；所述初始特征模块（4）根据所述其他相关参数得到初始特征模块计算值。
5.如权利要求4所述的一种基于特征提取的实时故障程度诊断系统，其特征在于：所述故障程度是基于被监控参数的偏差率大小做出判断；所述被监控参数的偏差率计算如式（1）所示：
（1）
所述故障程度根据被监控参数偏差率对应关系分为...
【专利技术属性】
技术研发人员：何文辉，杨嘉伟，唐健，田军，
申请(专利权)人：东方电气集团科学技术研究院有限公司，东方电气股份有限公司，
类型：发明
国别省市：四川;51
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。