一种基于深度强化学习的设备智能故障诊断系统技术方案

本发明专利技术涉及电子数据技术领域，尤其涉及一种基于深度强化学习的设备智能故障诊断系统，包括，数据采集单元、数据监测单元、数据学习单元以及故障诊断单元。本发明专利技术通过数量采集单元对待诊断设备的历史故障节点中的故障位置以及故障节点前的历史运行数据进行采集，保障了实际故障位置与实际的运行数据之间的准确匹配，通过数据学习单元生成各故障位置对应的历史运行数据曲线，通过设置故障诊断单元将出现故障的待诊断设备的实时运行数据进行转换，生成实时运行数据曲线，通过将实时运行数据曲线与各历史运行数据曲线进行相似度对比以及数量判定，确定对应的故障位置，减少硬件设置，极大程度地提高了故障位置诊断的准确性。大程度地提高了故障位置诊断的准确性。大程度地提高了故障位置诊断的准确性。

【技术实现步骤摘要】
一种基于深度强化学习的设备智能故障诊断系统


[0001]本专利技术涉及电子数据
，尤其涉及一种基于深度强化学习的设备智能故障诊断系统。

技术介绍

[0002]设备故障是指设备失去或降低其规定功能的事件或现象，表现为设备的某些元件失去原有的精度或性能，使设备不能正常运行、技术性能降低，尤其是对于各种电子设备，由于其结构复杂且精密，在其中任意一处出现故障时，都能够导致整个设备无法运行，往往需要人工进行检修，进行具体故障位置的判定，从而导致故障修复时间较长。
[0003]中国专利公开号：CN114327993B，公开了一种设备故障诊断系统及故障诊断方法；其是利用数据采样芯片对每一个数据采集通道采集待监测设备中与数据采集通道电连接的监测位置的工作数据，并根据预设的信息判定出故障的所在，由此可见，在现有技术中的设备故障诊断系统中，其故障诊断的准确性是根据预设的的信息而进行判定的，不仅判定的区间较小，而且对复杂设备判定出故障的准确位置，需设置较多的数据采集点，难以在复杂结构设备上实现，并且诊断出的故障位置的定位不够准确。

技术实现思路

[0004]为此，本专利技术提供一种基于深度强化学习的设备智能故障诊断系统，用以克服现有技术中设备智能故障诊断系统诊断的故障位置的定位不够准确问题。
[0005]为实现上述目的，本专利技术提供一种基于深度强化学习的设备智能故障诊断系统，包括，数据采集单元，用以采集待诊断设备的若干历史故障节点、各历史故障节点的故障位置以及各历史故障节点前的历史运行数据；数据监测单元，其与待诊断设备相连，用以获取待诊断设备的实时运行数据，数据学习单元，其与所述数据采集单元相连，所述数据学习单元内设置有初始故障前学习周期，数据学习单元能够对待诊断设备的各历史故障节点的故障位置，以及各历史故障节点前初始故障前学习周期的历史运行数据进行学习，生成位置曲线矩阵；故障诊断单元，其与所述数据采集单元、数据监测单元以及数据学习单元分别相连，所述故障诊断单元能够根据待诊断设备的实时运行数据生成实时运行数据曲线，并将实时运行数据曲线与位置曲线矩阵中的各历史运行数据曲线进行实时相似度判定，确定是否对判定的历史运行数据曲线进行选定标记，故障诊断单元在选定标记的历史运行数据曲线的数量不为1时，将对数据学习单元的初始故障前学习周期进行调整，故障诊断单元在选定标记的历史运行数据曲线的数量为1时，将根据选定标记的历史运行数据曲线在所述位置曲线矩阵中选取对应的故障位置作为输出，完成设备的故障诊断。
[0006]进一步地，所述数据学习单元内设置有初始故障前学习周期Tc,数据学习单元将对各历史故障节点的故障位置以及各历史故障节点前Tc内的历史运行数据进行学习，生成
位置曲线矩阵S
‑
U=（S1
‑
U(t)1、S2
‑
U(t)2、S3
‑
U(t)3
……
Sn
‑
U(t)n）,其中，S1为第一故障位置、S2为第二故障位置、S3为第三故障位置
……
Sn为第n故障位置；U(t)1为第一故障位置在故障节点前Tc内的历史运行数据曲线，U(t)2为第二故障位置在故障节点前Tc内的历史运行数据曲线，U(t)3为第三故障位置在故障节点前Tc内的历史运行数据曲线
……
U(t)n为第n故障位置在故障节点前Tc内的历史运行数据曲线，其中任意一历史运行数据曲线U(t)i为历史运行数据值随时间变化的曲线，其中， i=1、2、3
……
n。
[0007]进一步地，所述故障诊断单元内设置有第一预设相似度M1与第二预设相似度M2，其中，M1＜M2，所述故障诊断单元获取待诊断设备故障前Tc内的实时运行数据，并生成实时运行数据曲线U(t)s，故障诊断单元将在位置曲线矩阵S
‑
U中获取任意一历史运行数据曲线U(t)i，其中，i=1、2、3
……
n，故障诊断单元计算实时运行数据曲线U(t)s与历史运行数据曲线U(t)i的实时相似度Ms，并将实时相似度Ms与第一预设相似度M1和第二预设相似度M2进行对比，当Ms＜M1时，所述故障诊断单元判定实时相似度低于第一预设相似度M1，故障诊断单元不对历史运行数据曲线U(t)i进行选定标记，并在所述位置曲线矩阵S
‑
U中获取除U(t)i外的另一历史运行数据曲线进行判定，直至将位置曲线矩阵S
‑
U中全部的历史运行数据曲线判定完成；当M1≤Ms≤M2时，所述故障诊断单元判定实时相似度在第一预设相似度与第二预设相似度之间，故障诊断单元将对实时运行数据曲线U(t)s的实时运行数据低差值进行判定，以确定是否对历史运行数据曲线U(t)i进行选定标记；当Ms＞M2时，所述故障诊断单元判定实时相似度高于第二预设相似度，中控单元将对历史运行数据曲线U(t)i进行选定标记，并在所述位置曲线矩阵S
‑
U中获取除U(t)i外的另一历史运行数据曲线进行判定，直至将位置曲线矩阵S
‑
U中全部的历史运行数据曲线判定完成。
[0008]进一步地，所述故障诊断单元内设置有标准运行数据差值Δub，当所述故障诊断单元判定实时相似度在第一预设相似度与第二预设相似度之间时，所述故障诊断单元将获取实时运行数据曲线U(t)s中的实时运行数据最小值usa与历史运行数据曲线U(t)i中的历史运行数据最小值uia，并根据实时运行数据最小值usa与历史运行数据最小值uia计算实时运行数据低差值Δus，Δus=|usa
‑
uia|，故障诊断单元将实时运行数据低差值Δus与标准运行数据差值Δub进行对比，当Δus≤Δub时，所述故障诊断单元判定实时运行数据低差值未超出标准运行数据差值，故障诊断单元将对实时运行数据曲线U(t)s的实时运行数据高差值进行判定，以确定是否对历史运行数据曲线U(t)i进行选定标记；当Δus＞Δub时，所述故障诊断单元判定实时运行数据低差值已超出标准运行数据差值，故障诊断单元不对历史运行数据曲线U(t)i进行选定标记。
[0009]进一步地，当所述故障诊断单元判定实时运行数据低差值未超出标准运行数据差值时，所述故障诊断单元将获取实时运行数据曲线U(t)s中的实时运行数据最大值usz与历史运行数据曲线U(t)i中的历史运行数据最大值uiz，并根据实时运行数据最大值usz与历史运行数据最大值uiz计算实时运行数据高差值Δuh，Δuh=|usz
‑
uiz|，故障诊断单元将实时运行数据高差值Δuh与标准运行数据差值Δub进行对比，
当Δuh≤Δub时，所述故障诊断单元判定实时运行数据高差值未超出标准运行数据差值，故障诊断单元对历史运行数据曲线U(t)i进行选定标记；当Δuh＞Δub时，所述故障诊断单元判定实时运行数据高差值已超出标准运行数据差值，故障诊断单元不对历史运行数据曲线U(t)i进行选定标记。
[0010]进一步地，所述故障诊断单元在对位置曲线本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度强化学习的设备智能故障诊断系统，其特征在于，包括，数据采集单元，用以采集待诊断设备的若干历史故障节点、各历史故障节点的故障位置以及各历史故障节点前的历史运行数据；数据监测单元，其与待诊断设备相连，用以获取待诊断设备的实时运行数据，数据学习单元，其与所述数据采集单元相连，所述数据学习单元内设置有初始故障前学习周期，数据学习单元能够对待诊断设备的各历史故障节点的故障位置，以及各历史故障节点前初始故障前学习周期的历史运行数据进行学习，生成位置曲线矩阵；故障诊断单元，其与所述数据采集单元、数据监测单元以及数据学习单元分别相连，所述故障诊断单元能够根据待诊断设备的实时运行数据生成实时运行数据曲线，并将实时运行数据曲线与位置曲线矩阵中的各历史运行数据曲线进行实时相似度判定，确定是否对判定的历史运行数据曲线进行选定标记，故障诊断单元在选定标记的历史运行数据曲线的数量不为1时，将对数据学习单元的初始故障前学习周期进行调整，故障诊断单元在选定标记的历史运行数据曲线的数量为1时，将根据选定标记的历史运行数据曲线在所述位置曲线矩阵中选取对应的故障位置作为输出，完成设备的故障诊断。2.根据权利要求1所述的基于深度强化学习的设备智能故障诊断系统，其特征在于，所述数据学习单元内设置有初始故障前学习周期Tc,数据学习单元将对各历史故障节点的故障位置以及各历史故障节点前Tc内的历史运行数据进行学习，生成位置曲线矩阵S
‑
U=（S1
‑
U(t)1、S2
‑
U(t)2、S3
‑
U(t)3
……
Sn
‑
U(t)n）,其中，S1为第一故障位置、S2为第二故障位置、S3为第三故障位置
……
Sn为第n故障位置；U(t)1为第一故障位置在故障节点前Tc内的历史运行数据曲线，U(t)2为第二故障位置在故障节点前Tc内的历史运行数据曲线，U(t)3为第三故障位置在故障节点前Tc内的历史运行数据曲线
……
U(t)n为第n故障位置在故障节点前Tc内的历史运行数据曲线，其中任意一历史运行数据曲线U(t)i为历史运行数据值随时间变化的曲线，其中， i=1、2、3
……
n。3.根据权利要求2所述的基于深度强化学习的设备智能故障诊断系统，其特征在于，所述故障诊断单元内设置有第一预设相似度M1与第二预设相似度M2，其中，M1＜M2，所述故障诊断单元获取待诊断设备故障前Tc内的实时运行数据，并生成实时运行数据曲线U(t)s，故障诊断单元将在位置曲线矩阵S
‑
U中获取任意一历史运行数据曲线U(t)i，其中，i=1、2、3
……
n，故障诊断单元计算实时运行数据曲线U(t)s与历史运行数据曲线U(t)i的实时相似度Ms，并将实时相似度Ms与第一预设相似度M1和第二预设相似度M2进行对比，当Ms＜M1时，所述故障诊断单元判定实时相似度低于第一预设相似度M1，故障诊断单元不对历史运行数据曲线U(t)i进行选定标记，并在所述位置曲线矩阵S
‑
U中获取除U(t)i外的另一历史运行数据曲线进行判定，直至将位置曲线矩阵S
‑
U中全部的历史运行数据曲线判定完成；当M1≤Ms≤M2时，所述故障诊断单元判定实时相似度在第一预设相似度与第二预设相似度之间，故障诊断单元将对实时运行数据曲线U(t)s的实时运行数据低差值进行判定，以确定是否对历史运行数据曲线U(t)i进行选定标记；当Ms＞M2时，所述故障诊断单元判定实时相似度高于第二预设相似度，中控单元将对历史运行数据曲线U(t)i进行选定标记，并在所述位置曲线矩阵S
‑
U中获取除U(t)i外的另一历史运行数据曲线进行判定，直至将位置曲线矩阵S
‑
U中全部的历史运行数据曲线判定
完成。4.根据权利要求3所述的基于深度强化学习的设备智能故障诊断系统，其特征在于，所述故障诊断单元内设置有标准运行数据差值Δub，当所述故障诊断单元判定实时相似度在第一预设相似度与第二预设相似度之间时，所述故障诊断单元将获取实时运行数据曲线U(t)s中的实时运行数据最小值usa与历史运行数据曲线U(t)i中的历史运行数据最小值uia，并根据实时运行数据最小值usa与历史运行数据最小值uia计算实时运行数据低差值Δus，Δus=|usa
‑
uia|，故障诊断单元将实时运...

【专利技术属性】
技术研发人员：余梅凤，文聪，
申请(专利权)人：广州信诚信息科技有限公司，
类型：发明
国别省市：