用于设备的自动诊断方法、系统和存储介质技术方案

公开了一种用于设备的自动诊断的方法、系统和存储有执行所述方法的程序指令的处理器可读存储介质。该方法包括：采集与所述设备的运行相关联的信号；基于自动诊断域知识对采集的信号进行处理以便提取与该设备的当前运行状态相关联的特征数据，其中所述自动诊断域知识代表与设备的故障机理相关的数据；基于提取的特征数据和与设备正常运行状态相关联的历史数据之间的相似度，来识别该设备是否出现异常运行状况。根据本原理的技术方案，可以提升对设备进行自动诊断的准确性，提高设备运行的安全性和经济性。安全性和经济性。安全性和经济性。

【技术实现步骤摘要】
用于设备的自动诊断方法、系统和存储介质


[0001]本公开涉及对设备的监测和故障诊断的领域，具体涉及对设备进行自动诊断的方法、系统和存储有用于实施该自动诊断的方法的程序指令的处理器可读存储介质。

技术介绍

[0002]本部分旨在向读者介绍本领域的各个方面，这些方面可能与以下描述的和/或请求保护的本原理的各个方面有关。该论述有助于向读者提供背景信息，以便于更好地理解本原理的各个方面。因此，应以该角度来阅读这些陈述，而不是作为对现有技术的承认。
[0003]在工业领域，通常运行有各种设备，例如锅炉、发电机组、旋转轴承等。出于对设备运行的安全性和经济性的考虑，一般要求实时监测设备的运行状态，并且对设备的运行状况进行预测分析以便对设备可能出现的故障进行预警。设备故障预警就是对设备的运行状态的健康程度进行评估，在故障发生之前进行预警。设备故障的发生不仅影响企业效益，同时也会危及工作人员的人身安全。在设备故障发生之前往往会有故障出现的征兆，且征兆参数的变化往往是从不明显到明显，从不完全到完全的发展过程。如果能够利用自动故障诊断系统在设备故障征兆尚不明显时就对设备状态进行准确的预测，则能够为运行人员争取更多的故障处理时间，及时对设备进行检修、维护和/或维修，降低运行风险，避免出现安全事故，提高设备运行安全性，并且也能够提高设备的运行效率并且给企业带来经济效益。
[0004]然而，由于这些设备一般比较复杂，彼此之间又具有很强的耦合性，而现场的运行环境差别也比较大，导致监测到的信号包含了丰富的系统信息，故障特征常常被噪声所淹没，单纯通过分析监测到的信号难以辨识出设备的当前运行状态，更难以对可能出现的故障进行预警。

技术实现思路

[0005]说明书中对“一个实施例”、“实施例”、“示例实施例”、“特定实施例”的引用表示所描述的实施例可以包括特定的特征、结构或特性，但是每个实施例不一定都包括该特定的特征、结构或特性。此外，这样的短语不一定指相同的实施例。进一步地，当结合实施例来描述该特定的特征、结构或特性时，可以认为结合其他实施例(无论是否明确描述)来实施这种特征、结构或特性是在本领域技术人员的知识范围内的。
[0006]根据本原理的一方面，公开了一种用于设备的自动诊断的方法，包括：采集与所述设备的运行相关联的信号；基于自动诊断域知识对采集的信号进行处理以便提取与该设备的当前运行状态相关联的特征数据，其中所述自动诊断域知识代表与设备的故障机理相关的数据；基于提取的特征数据和与设备正常运行状态相关联的历史数据之间的相似度，来识别该设备是否出现异常运行状况。
[0007]根据本原理的另一方面，公开了一种用于设备的自动诊断的系统，包括：一个或多个传感器，采集与所述设备的运行相关联的信号；一个或多个处理器，所述一个或多个处理器被配置为：基于自动诊断域知识对采集的信号进行处理以便提取与该设备的当前运行状
态相关联的特征数据，其中所述自动诊断域知识代表与设备的故障机理相关的数据；以及基于提取的特征数据和与设备正常运行状态相关联的历史数据之间的相似度，来识别该设备是否出现异常运行状况。
[0008]根据本原理的又一方面，公开了一种存储有程序指令的处理器可读存储介质，当所述程序指令由处理器执行时，能够实施上述方法。
[0009]根据本原理的实施例，可以改进自动诊断系统的性能。具体地，通过将基于自动诊断域知识的特征提取功能集成到自动诊断框架中，可以提供与人类专家相同的逻辑和相似的结果，从而提高自动诊断模型的可解释性；采用基于球树的MSET模型和残差分析模型能够自动实现自训练过程，从而支持自动模型训练、预测，并方便地部署到不同的客户和地点，便于机器学习模型的自动训练与部署，从而避免通常的机器学习需要大量的时间和精力进行离线训练和维护；另外，依据本公开的机器学习模型能将过程数据和机器状态数据一起处理，实现基于过程状况的自动聚类以便提高模型预测精度。
附图说明
[0010]参照附图阅读下文中的描述，将更好地理解本公开以及其他具体特征和优点将出现，附图中：
[0011]图1示出了根据本原理的非限制性实施例的一种实现设备自动诊断的系统的架构；
[0012]图2示出了根据本原理的非限制性实施例的自动诊断方法中机器学习模块的示意性流程；
[0013]图3示出了根据本原理的非限制性实施例的基于MSET的状态估计的示意性框架；
[0014]图4示出了根据本原理的非限制性实施例的一示例的获取的故障特征图谱；
[0015]图5示出了根据本原理的非限制性实施例的所构建的特征向量集合的示例；
[0016]图6是根据本原理的非限制性实施例的一种用于设备的自动诊断的方法的示意性流程图；以及
[0017]图7是根据本原理的非限制性实施例的一种用于设备的自动诊断的系统的示意性框图。
具体实施方式
[0018]现在参考附图来描述主题，其中，全文中相似的参考标号用于指代相似的元件。在下面的描述中，出于解释的目的，阐述了许多具体细节以便提供对主题的透彻理解。然而，显然的是，在没有这些具体细节的情况下也可以实施本原理。
[0019]本说明书示出了本公开的原理。因此，可以理解的是，尽管本文未明确描述或示出，但是本领域技术人员能够设计出体现本公开原理的各种配置。
[0020]本原理自然不限于在此描述的实施例。
[0021]根据本公开的一示例，提出了一种基于相似性进行故障诊断的系统及方法，可以用于对设备，诸如工业旋转设备进行状态监测和故障诊断服务，从而提供一套完整的解决方案。该综合诊断系统提供从数据自动采集、自动诊断、故障预警从而便于进行维修/维护服务，其中，通过采用机器学习模块能够实现自动诊断过程，即，利用丰富的自动诊断域知
识、采用机器学习算法以及存储有同类型设备和/或所监测的设备的历史运行状态的数据库，实现数字化自动诊断，从而实现了异常检测、故障诊断以及剩余使用寿命(RUL)估计的完整解决方案。可选地，可以利用数字孪生技术，为所监测的每台设备建立唯一的模型，并且基于设备类型，例如，轴承、齿轮箱、叶片、泵、压缩机、发电机、离心机等等，实现各种故障模式的诊断和预警。此外，还可以基于云解决方案，对监测的每台设备实现准实时自动诊断。
[0022]图1示出了根据本公开一实施例的自动诊断系统的架构，其可以包括数据采集模块、数据处理模块和机器学习模块。
[0023]具体地，数据采集模块可以是通用模块，用于实时或者周期性采集反映设备运行状态或者过程工艺的数据，例如，振动、温度、压力、流量等数据。
[0024]数据处理模块可以分析采集的数据并且从中提取特征数据。例如可以基于分类学，例如，应用、机器、组件、故障模式、状况指标等来提取设备的特征数据，这是基于域知识而实现的。可以基于涉及设备的各种历史数据，利用软件来实现特征提取模块，从而易于系统的扩展。
[0025]机器学习模块可以基于特征提取模块的输出，提供三种不同层次的自动诊断本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于设备的自动诊断的方法，包括：采集与所述设备的运行相关联的信号；基于自动诊断域知识对采集的信号进行处理以便提取与该设备的当前运行状态相关联的特征数据，其中所述自动诊断域知识代表与设备的故障机理相关的数据；基于提取的特征数据和与设备正常运行状态相关联的历史数据之间的相似度，来识别该设备是否出现异常运行状况。2.根据权利要求1所述的方法，还包括：在识别出该设备出现异常运行状况的情况下，基于与该设备的当前运行状态对应的残差数据的分布，计算各种故障类型分别对应的残差比率；以及基于计算的残差比率，确定该设备未来可能出现的故障类型。3.根据权利要求2所述的方法，还包括：基于所确定的该设备未来可能出现的故障类型，利用提取的特征数据与该故障类型对应的历史数据之间的相似度来估算该设备的剩余使用寿命。4.根据权利要求1
‑
3任一项所述的方法，其中，基于与设备历史正常运行状态对应的残差数据的分布和与该设备的当前运行状态对应的残差数据的分布，利用序贯概率比检验SPRT来确定该设备出现异常运行状况的概率，以便识别该设备是否出现异常运行状况。5.根据权利要求1
‑
3任一项所述的方法，其中，基于与设备正常运行状态相关联的历史数据，利用球树Ball
‑
Tree聚类算法来构建用于代表设备正常运行状态的过程...

【专利技术属性】
技术研发人员：程刚，J魏，
申请(专利权)人：斯凯孚中国有限公司，
类型：发明
国别省市：