一种空分设备的故障诊断方法和系统技术方案

本发明专利技术公开一种空分设备的故障诊断方法和系统，所述方法包括：获取各模块内相关装置的运行参数并形成多个数据子集；将所述多个数据子集分别输入至预先训练的深度学习模型进行模型练习，得到练习结果；基于所述练习结果确定各模块的故障系数；获取各模块对空分设备故障的影响权重；基于所述影响权重及所述故障系数得到各模块的有效故障系数；基于各模块的有效故障系数得到所述空分设备的故障系数；确定所述故障系数大于预设值，定位故障设备的位置并进行预警。本发明专利技术通过多级识别综合判断来进行高精度的故障诊断，以减少设备故障误判，从而提高设备的使用效率，使设备高效运行。使设备高效运行。使设备高效运行。

【技术实现步骤摘要】
一种空分设备的故障诊断方法和系统


[0001]本专利技术涉及故障诊断
，特别涉及一种空分设备的故障诊断方法和系统。

技术介绍

[0002]经过多年的研究与应用，我国制造业在先进制造技术方面已经突破了一批关键技术，包括协同设计、网络化制造、数字化预装配、车间调度等，部分技术开始应用并发挥作用，特别是在汽车制造、重大装备制造、航空航天产品制造等领域都取得良好的效果。但从国外制造企业快速响应制造技术研究与应用情况来看，我国制造企业仍然存在差距。特别是在对设备的智能化及其相关配件如刀具、备品备件的智能识别，以及对设备的性能监控及故障预警方面还存在着一定的差距，常常造成设备故障误判导致设备使用效率低。因此对设备的智能识别及性能监控对战备条件下的设备高效利用显得及其重要。
[0003]相关技术中，空分设备故障诊断通过传感器进行异常数据监测，传感器发现数据异常即发出设备故障预警，该方式容易造成设备故障误判，导致设备立刻关机检修维护，从而导致设备使用效率较低。

技术实现思路

[0004]本专利技术的主要目的是提供一种空分设备的故障诊断方法，旨在通过多级识别综合判断来进行高精度的故障诊断，以减少设备故障误判，从而提高设备的使用效率。
[0005]为实现上述目的，本专利技术提出空分设备的故障诊断方法，所述空分设备包括依次连通的净化模块、空气冷却和液化模块、空气精馏模块、加温吹除模块，所述方法包括如下步骤：
[0006]获取各模块内相关装置的运行参数并形成多个数据子集；
[0007]将所述多个数据子集分别输入至预先训练的深度学习模型进行模型练习，得到练习结果；
[0008]基于所述练习结果确定各模块的故障系数A1，其中，所述故障系数A1的值在0
‑
1之间；
[0009]获取各模块对空分设备故障的影响权重；
[0010]基于所述影响权重及所述故障系数A1得到各模块的有效故障系数；
[0011]基于各模块的有效故障系数得到所述空分设备的故障系数A2；
[0012]确定所述故障系数A2大于预设值，定位故障设备的位置并进行预警。
[0013]优选地，所述获取各模块内相关装置的运行参数并形成多个数据子集，包括：
[0014]获取各模块内相关装置传感器的监测数据；
[0015]对所述监测数据进行第一差异识别处理得到异常数据；
[0016]将所述异常数据进行矢量坐标化形成数据子集。
[0017]优选地，所述对所述监测数据进行第一差异识别处理得到异常数据，包括：
[0018]对所述监测数据进行第一差异识别处理，并开始计时；
[0019]所述监测数据在预设时长内异常识别的时长大于或等于阈值，判断为异常数据。
[0020]优选地，所述将所述多个数据子集分别输入至预先训练的深度学习模型进行模型练习，得到练习结果，包括：
[0021]将所述多个数据子集分别输入至预先训练的深度学习模型进行模型练习，得到数据子集与深度学习模型的匹配偏离程度；
[0022]对所述匹配偏离程度进行第二差异识别处理得到异常数据子集；
[0023]将异常数据子集清除，并重新进行模型练习得到以匹配偏离程度表征的练习结果。
[0024]优选地，所述基于所述练习结果确定各模块的故障系数A1，包括：
[0025]获取以所述匹配偏离程度表征的练习结果与故障系数A1的映射表；
[0026]基于所述练习结果遍历查询所述映射表以得到所述故障系数A1；其中，所述匹配偏离程度与故障系数A1成负相关。
[0027]优选地，所述获取各模块对空分设备故障的影响权重，包括：
[0028]获取云数据平台中各模块故障与空分设备故障的映射关系；
[0029]基于所述映射关系确定各模块对空分设备故障的初始影响权重；
[0030]对所述初始影响权重进行校正调整得到各模块对空分设备故障的影响权重；
[0031]获取各模块对空分设备故障的影响权重。
[0032]优选地，所述对所述初始影响权重进行校正调整得到各模块对空分设备故障的影响权重，包括：
[0033]对所述初始影响权重至少进行一次正向校正调整及一次负向校正调整分别得到两次校正影响权重；
[0034]对所述两次校正影响权重进行加权平均处理得到各模块对空分设备故障的影响权重。
[0035]优选地，所述基于所述影响权重及所述故障系数A1得到各模块的有效故障系数，包括：
[0036]将所述影响权重与故障系数A1求积得到各模块的有效故障系数；和/或，
[0037]所述基于各模块的有效故障系数得到所述空分设备的故障系数A2，包括：
[0038]将所述各模块的有效故障系数求和得到所述空分设备的故障系数A2。
[0039]优选地，所述确定所述故障系数A2大于预设值，定位故障设备的位置并进行预警，包括：
[0040]确定所述故障系数A2大于第一预设值且小于第二预设值，定位故障设备的位置并进行视觉化预警；
[0041]确定所述故障系数A2大于第二预设值，定位故障设备的位置并进行关停空分设备预警；其中，所述第二预设值大于所述第一预设值。
[0042]本专利技术还提供一种空分设备的故障诊断系统，包括：存储器，用于存储可执行指令；处理器，用于执行所述存储器中存储的可执行指令时，以实现空分设备的故障诊断方法，其中，所述空分设备的故障诊断方法包括如下步骤：
[0043]获取各模块内相关装置的运行参数并形成多个数据子集；
[0044]将所述多个数据子集分别输入至预先训练的深度学习模型进行模型练习，得到练
习结果；
[0045]基于所述练习结果确定各模块的故障系数A1，其中，所述故障系数A1的值在0
‑
1之间；
[0046]获取各模块对空分设备故障的影响权重；
[0047]基于所述影响权重及所述故障系数A1得到各模块的有效故障系数；
[0048]基于各模块的有效故障系数得到所述空分设备的故障系数A2；
[0049]确定所述故障系数A2大于预设值，定位故障设备的位置并进行预警。
[0050]本专利技术技术方案中，首先通过获取各模块相关设备的运行参数进行模型练习，确定各模块的故障系数，然后再获取各模块对空分设备故障的影响权重，得出各模块的有效故障系数，然后通过各模块的有效故障系数得到所述空分设备的故障系数，最后通过与预设值进行比较，定位故障设备的位置并进行预警；如此，通过多级识别综合判断来进行高精度的故障诊断，以减少设备故障误判，从而提高设备的使用效率，使设备高效运行。
附图说明
[0051]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种空分设备的故障诊断方法，所述空分设备包括依次连通的净化模块、空气冷却和液化模块、空气精馏模块、加温吹除模块，其特征在于，所述方法包括：获取各模块内相关装置的运行参数并形成多个数据子集；将所述多个数据子集分别输入至预先训练的深度学习模型进行模型练习，得到练习结果；基于所述练习结果确定各模块的故障系数A1，其中，所述故障系数A1的值在0
‑
1之间；获取各模块对空分设备故障的影响权重；基于所述影响权重及所述故障系数A1得到各模块的有效故障系数；基于各模块的有效故障系数得到所述空分设备的故障系数A2；确定所述故障系数A2大于预设值，定位故障设备的位置并进行预警。2.如权利要求1所述的空分设备的故障诊断方法，其特征在于，所述获取各模块内相关装置的运行参数并形成多个数据子集，包括：获取各模块内相关装置传感器的监测数据；对所述监测数据进行第一差异识别处理得到异常数据；将所述异常数据进行矢量坐标化形成数据子集。3.如权利要求2所述的空分设备的故障诊断方法，其特征在于，所述对所述监测数据进行第一差异识别处理得到异常数据，包括：对所述监测数据进行第一差异识别处理，并开始计时；所述监测数据在预设时长内异常识别的时长大于或等于阈值，判断为异常数据。4.如权利要求2所述的空分设备的故障诊断方法，其特征在于，所述将所述多个数据子集分别输入至预先训练的深度学习模型进行模型练习，得到练习结果，包括：将所述多个数据子集分别输入至预先训练的深度学习模型进行模型练习，得到数据子集与深度学习模型的匹配偏离程度；对所述匹配偏离程度进行第二差异识别处理得到异常数据子集；将异常数据子集清除，并重新进行模型练习得到以匹配偏离程度表征的练习结果。5.如权利要求4所述的空分设备的故障诊断方法，其特征在于，所述基于所述练习结果确定各模块的故障系数A1，包括：获取以所述匹配偏离程度表征的练...

【专利技术属性】
技术研发人员：孙永剑，庞春炜，奚征楠，
申请(专利权)人：浙江理工大学，
类型：发明
国别省市：