基于粗糙集与神经网络的盾构机故障诊断系统技术方案

本发明专利技术属于电学技术领域，公开了一种基于粗糙集与神经网络的盾构机故障诊断系统，包括采集模块、处理模块、模型构建模块和诊断模块，采集模块采集盾构机发生故障时的数据以及运行过程中实时的状态信息参数；处理模块通过粗糙集理论对盾构机发生故障时的数据进行分析，得到有效数据集；模型构建模块构建神经网络模型，通过有效数据集对神经网络模型进行训练，输出训练成功的神经网络模型；诊断模块将运行过程中实时的状态信息参数输入到神经网络模型进行故障诊断；本发明专利技术所提供的盾构机故障诊断系统，通过盾构机实时的状态信息参数，实时、高效、准确的诊并生成诊断报告，以供现场技术人员查看。人员查看。人员查看。

【技术实现步骤摘要】
基于粗糙集与神经网络的盾构机故障诊断系统


[0001]本专利技术属于电学
，具体涉及一种基于粗糙集与神经网络的盾构机故障诊断系统。

技术介绍

[0002]盾构机全称为盾构隧道掘进机，是一种机、电、液一体化的大中型工程机械设备，结构复杂，具有开挖切削土体、输送土碴、拼装隧道衬砌、同步注浆、测量导向纠偏等功能，广泛用于地铁、铁路、公路、市政、水电等隧道工程。
[0003]造成盾构机停机故障的主要原因为设备不能适应施工现场工况要求，设备操作不当和设备保养质量不过关。盾构机故障的处理方式一般是通过工程师到现场对故障进行排查进行处理或是通过远程指导的处理方式，通过派遣专人到现场处理故障，维护成本且耗时长；远程指导由于现场技术人员无法快速的查找到设备故障的原因，不能高效解决故障。

技术实现思路

[0004]本专利技术旨在至少在一定程度上解决上述技术问题。为此，本专利技术目的在于提供一种基于粗糙集与神经网络的盾构机故障诊断系统。
[0005]本专利技术所采用的技术方案为：
[0006]一种基于粗糙集与神经网络的盾构机故障诊断系统，包括：
[0007]采集模块，用于采集盾构机发生故障时的数据以及运行过程中实时的状态信息参数；
[0008]处理模块，用于通过粗糙集理论对盾构机发生故障时的数据进行分析，剔除其中的冗余故障属性，得到有效数据集；
[0009]模型构建模块，用于构建神经网络模型，通过有效数据集对神经网络模型进行训练，然后进行验证，验证通过后输出训练成功的神经网络模型；
[0010]存储模块，用于存储神经网络模型的有效数据集、诊断报告模板和诊断报告；
[0011]诊断模块，用于将运行过程中实时的状态信息参数输入到神经网络模型进行故障诊断；
[0012]报告生成模块，用于根据神经网络模型的故障诊断结果生成诊断报告；
[0013]云服务器，与诊断模块和模型构建模块通信连接，用于存储诊断模块输出的故障诊断结果；
[0014]辅助模块，与云服务器进行通信，用于对故障诊断结果进行人工审核和调整，并将修改后的故障诊断结果反馈至云服务器。
[0015]优选地，盾构机故障诊断系统还包括报告查询模块，报告查询模块用于输入盾构机系统名称以及日期，根据盾构机系统名称从存储模块中搜索并调取相应日期和相应系统的诊断报告。
[0016]优选地，盾构机故障诊断系统还包括报告输出模块，报告输出模块与报告生成模
块通信连接，用于将诊断报告输出为可视化结果。
[0017]优选地，所述采集模块包括设于盾构机各监测点位的传感器。
[0018]本专利技术的有益效果为：
[0019]本专利技术所提供的基于粗糙集与神经网络的盾构机故障诊断系统，提高了盾构机故障诊断的智商，通过盾构机实时的状态信息参数，实时、高效、准确的诊并生成诊断报告，以供现场技术人员查看。
附图说明
[0020]图1是本专利技术基于粗糙集与神经网络的盾构机故障诊断系统的原理框图。
[0021]图2是本专利技术云服务器的连接关系图。
具体实施方式
[0022]下面将结合本专利技术中的附图，对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0023]应当理解，还应当注意到实施例中，所出现的功能/动作可能与附图出现的顺序不同。例如，取决于所涉及的功能/动作，实际上可以实质上并发地执行，或者有时可以以相反的顺序来执行连续示出的两个图。
[0024]如图1和图2所示，本实施例的基于粗糙集与神经网络的盾构机故障诊断系统，包括采集模块、处理模块、模型构建模块、存储模块、诊断模块、报告生成模块、报告输出模块。盾构机的各系统主要包括刀盘驱动系统、导向系统、螺旋输送机系统、泡沫系统、盾尾密封系统、泥水循环系统和拖车系统。其中采集模块包括设于盾构机各系统各监测点位的传感器，传感器用于采集盾构机运行过程中实时的状态信息参数。
[0025]采集模块还用于采集盾构机发生故障时的历史数据。处理模块通过粗糙集理论对盾构机发生故障时的历史数据进行分析，剔除其中的冗余故障属性，得到有效数据集，并将有效数据集存储至存储模块；模型构建模块构建神经网络模型，通过有效数据集对神经网络模型进行训练，然后进行验证，验证通过后输出训练成功的神经网络模型。
[0026]诊断模块将传感器采集的运行过程中实时的状态信息参数输入到神经网络模型进行故障诊断；报告生成模块根据神经网络模型的故障诊断结果从存储模块调取诊断报告模板并将故障诊断结果按照预设规则填入诊断报告模板中生成诊断报告，并将诊断报告存储至存储模块，最终的诊断报告通过报告输出模块输出为可视化结果，例如将诊断报告对应的电子表格通过屏幕显示或者将将诊断报告对应的电子表格打印为纸质报告。
[0027]盾构机故障诊断系统还包括云服务器、辅助模块和报告查询模块，云服务器与诊断模块和模型构建模块通信连接，云服务器存储有诊断模块输出的故障诊断结果；辅助模块与云服务器进行通信，用于工程师对故障诊断结果进行人工审核，若发现有需调整的，则调整后将修改后的故障诊断结果反馈至云服务器，云服务器再将故障诊断结果反馈至诊断模块，诊断模块将修改后的故障诊断结果输出至报告生成模块。由于神经网络模型运行前已经经过验证，故故障诊断结果一般不会出错，辅助模块更多的是起到一个监督审核的作
用。
[0028]报告查询模块用于输入盾构机系统名称以及日期，根据盾构机系统名称从存储模块中搜索并调取相应日期和相应系统的诊断报告，通过报告查询模块可以对任一日期的诊断报告进行查询。
[0029]上述盾构机故障诊断系统的具体使用方法为：
[0030]S1、通过粗糙集理论对盾构机发生故障时的数据进行分析，剔除其中的冗余故障属性，得到有效数据集；
[0031]S2、建立神经网络模型，利用有效数据集对神经网络模型进行训练；
[0032]S3、实时采集盾构机运行过程中的状态信息参数，采用神经网络模型进行盾构机故障诊断。
[0033]本专利技术不局限于上述可选实施方式，任何人在本专利技术的启示下都可得出其他各种形式的产品，但不论在其形状或结构上作任何变化，凡是落入本专利技术权利要求界定范围内的技术方案，均落在本专利技术的保护范围之内。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于粗糙集与神经网络的盾构机故障诊断系统，其特征在于，包括：采集模块，用于采集盾构机发生故障时的数据以及运行过程中实时的状态信息参数；处理模块，用于通过粗糙集理论对盾构机发生故障时的数据进行分析，剔除其中的冗余故障属性，得到有效数据集；模型构建模块，用于构建神经网络模型，通过有效数据集对神经网络模型进行训练，然后进行验证，验证通过后输出训练成功的神经网络模型；存储模块，用于存储神经网络模型的有效数据集、诊断报告模板和诊断报告；诊断模块，用于将运行过程中实时的状态信息参数输入到神经网络模型进行故障诊断；报告生成模块，用于根据神经网络模型的故障诊断结果生成诊断报告。2.根据权利要求1所述的盾构机故障诊断方法，其特征在于，还包括...

【专利技术属性】
技术研发人员：苗军，王寨尉，陈彦宇，舒广亮，王长安，韩明，
申请(专利权)人：四川锦绣山河交通工程有限公司，
类型：发明
国别省市：