【技术实现步骤摘要】
面向燃机典型设备的因果聚合与分组故障根因追溯方法
[0001]本专利技术属于大型分布式燃机设备智能化故障根因溯源领域,特别是提出一种聚合因果关系实现故障测点分组的方法,提出因果相似性度量指标在因果框架下将具有相似因果关系的故障测点分为一组,有效实现因果图网络的稀疏化,在此基础上提取变量间因果关系,构建变量间组内组间两级因果图结构,根据两级因果图中因果关系指示故障传播路径,表征故障根因,实现对燃机设备故障源追溯。
技术介绍
[0002]随着工业4.0的深入推进,智能设备运行维护受到了工业界的广泛关注。一般的数据驱动的智能设备运行维护主要分为三个阶段:首先利用故障诊断方法对工业过程发生的故障进行报警,通过故障隔离方法分析发生故障的监测样本,分隔样本中的故障测点与健康测点;然后在此基础上根据已知的故障测点时序数据提取变量间的因果关系,基于因果关系构建变量因果图结构,该拓扑图指示了系统故障传播路径,直观表征了系统故障发生的源头;最后保存这些故障溯源诊断结果,并在此基础上依照诊断结果和意见对工业过程系统中特定区域进行维护,有效延长设备使用寿命。根因追溯方法主要在智能设备运行维护的第二阶段发挥作用,为维修人员提供参考意见。
[0003]目前根因诊断研究已经应用于热轧钢过程、卷烟切割过程等多个工业过程和工厂设备中,然而暂时未在燃机典型设备中得到有效应用。作为复杂工业系统,燃机典型设备的结构中包含多个子部件及大量测点,运行时由于物料流和信息流的连接,故障会在复杂系统中的多个子部件中传播,造成大范围测点监测数据异常。同时由于控 ...
【技术保护点】
【技术特征摘要】
1.一种面向燃机典型设备的因果聚合与分组故障根因追溯方法,其特征在于,包括以下步骤:(1)获取燃机典型设备故障测点的时序数据,确定时序数据的时滞超参数L,根据时滞超参数从时序数据中生成过去时间时序数据X
<t
=[x
1,<t
,x
2,<t
,...,x
D,<t
]和当前时间时序数据X
t
=[x
1t
,x
2t
,...,x
Dt
];其中,D为故障测点数量,x
it
代表第i个故障测点的当前时间时序数据,由第i个故障测点的时序数据中后T
‑
L个样本组成,T为燃机典型设备故障测点的时序数据的总样本数量,每个样本为当前时刻的故障测点数据,x
i,<t
代表第i个故障测点的过去时间时序数据,过去时间时序数据与当前时间时序数据一一对应,满足1个当前时刻的故障测点数据对应当前时刻的前L个时刻的故障测点数据;(2)构建因果聚合与分组模型,因果聚合与分组模型包括稀疏因果推断模块、节点分组模块;其中,稀疏因果推断模块由D个与故障测点一一对应的卷积神经网络和因果图带权邻接矩阵生成单元组成,每个卷积神经网络分别用于依据过去时间时序数据X
<t
预测对应故障测点的当前时间时序数据x
it
;因果图带权邻接矩阵生成单元用于依据D个卷积神经网络的第一层隐层与输入层的连接权重量化计算故障测点之间的格兰杰因果关系,生成因果图带权邻接矩阵;节点分组模块包括节点特征提取器、组别特征提取器和分组单元,所述节点特征提取器用于从过去时间时序数据X
<t
中提取各个故障测点的时序特征并与对应的位置嵌入向量拼接获得各个节点时序特征;组别特征提取器用于从当前时间时序数据X
t
中提取当前时刻以及对应时滞数据的特征向量再与对应的位置嵌入向量拼接降空间维后获得组别特征;分组单元用于基于节点时序特征和组别特征构建相似度矩阵并分组获得节点分组结果;(3)将步骤(1)获取的过去时间时序数据X
<t
和当前时间时序数据X
t
输入至因果聚合与分组模型中,通过最小化损失函数进行训练,训练完成后,因果聚合与分组模型输出最终的因果图带权邻接矩阵以及节点分组结果;所述损失函数包括每个卷积神经网络的输出与真值的误差损失、分组正则项、分组惩罚项、组间环结构惩罚项与组内环结构惩罚项;(4)依据最终的因果图带权邻接矩阵以及节点分组结果判断故障测点之间的因果关系和判断分组内故障测点子集之间因果关系,完成故障根因追溯。2.根据权利要求1所述的方法,其特征在于,所述因果图带权邻接矩阵生成单元依据D个卷积神经网络的第一层隐层与输入层的连接权重量化计算故障测点之间的格兰杰因果关系,生成因果图带权邻接矩阵,其中因果图带权邻接矩阵每个元素的计算方法具体为:其中,a
ij
为因果图带权邻接矩阵A第i行第j列的元素,是在第i个故障测点对应的卷积神经网络中,属于第j个故障测点的过去时间时序数据输入节点与第一层隐层节点z连接的权重向量,z为第一层隐层包含的隐层节点个数;norm表示求矩阵的二范数。3.根据权利要求1所述的方法,其特征在于,...
【专利技术属性】
技术研发人员:沈晓兵,沈建明,车斌,范江云,吴森南,张毅,赵春晖,赵刘嘉毅,宋鹏宇,
申请(专利权)人:浙江大学,
类型:发明
国别省市:
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。