一种工业仪表故障诊断方法及系统技术方案

本发明专利技术公开了一种工业仪表故障诊断方法及系统，方法包括：获取工业仪表的历史运行数据，并对所述历史运行数据进行数据重构，根据数据重构结果预先构建故障诊断模型；确定监测时间跨度，获取工业仪表在当前监测时间跨度范围内的实时运行数据，并根据所述实时运行数据分析异常数据；将所述异常数据输入至预先构建的故障诊断模型中进行故障诊断，并输出故障诊断结果。本发明专利技术通过对工业仪表历史运行数据进行重构并构建训练集和测试集，进而对构建的模型进行训练得到故障诊断模型，提高模型精度和诊断准确率；基于实时运行数据的密集程度进行聚类分析，筛选出异常数据，再针对异常数据基于故障诊断模型进行仪表故障诊断，诊断更具针对性、结果更精确。结果更精确。结果更精确。

【技术实现步骤摘要】
一种工业仪表故障诊断方法及系统


[0001]本专利技术涉及仪表故障
，具体涉及一种工业仪表故障诊断方法及系统。

技术介绍

[0002]随着技术的发展，在工业生产过程中，工业仪表的应用数量日趋增加，工厂通过工业仪表对生产过程、产品质量、运行工况、环保指标等进行检测，从而为控制系统提供数据基础。在实际应用过程中，仪表故障会使系统控制不准确，甚至造成系统停机，工厂作业环境下发生的紧急停机，将会造成巨大的经济损失。
[0003]目前，工业仪表趋于智能化，智能工业仪表除了具有检测作用外还具有自诊断功能，在检测其他设备的数据的同时对自身故障进行检测，目前仪表检测方法仅能通过判断工业仪表的某一参数是否在预设的阈值范围内，进而判断是否发生故障，故障的检测较为单一，容易导致对工业仪表的异常情况出现误报漏报。

技术实现思路

[0004]针对现有技术中的缺陷，本专利技术提供一种工业仪表故障诊断方法及系统。
[0005]第一方面，一种工业仪表故障诊断方法，包括：
[0006]获取工业仪表的历史运行数据，并对所述历史运行数据进行数据重构，根据数据重构结果预先构建故障诊断模型；
[0007]确定监测时间跨度，获取工业仪表在当前监测时间跨度范围内的实时运行数据，并根据所述实时运行数据分析异常数据；
[0008]将所述异常数据输入至预先构建的故障诊断模型中进行故障诊断，并输出故障诊断结果。
[0009]进一步地，所述获取工业仪表的历史运行数据，并对所述历史运行数据进行数据重构，根据数据重构结果预先构建故障诊断模型，具体为：
[0010]搭建神经网络模型，并获取工业仪表的历史运行数据，所述历史运行数据包括历史正常运行数据和历史故障运行数据；
[0011]根据所述历史正常运行数据和历史故障运行数据进行数据重构，并根据数据重构结果构建训练集和测试集；
[0012]根据所述训练集和测试集对神经网络模型进行训练，以确定神经网络模型的最佳权重，并根据所述最佳权重获取并保存故障诊断模型。
[0013]进一步地，所述根据所述历史正常运行数据和历史故障运行数据进行数据重构，并根据数据重构结果构建训练集和测试集，包括：
[0014]从所述历史正常运行数据和历史故障运行数据中分别获取设定比例的数据作为测试数据；
[0015]根据所述历史正常运行数据获取正常样本并构成正样本组，根据所述历史故障运行数据获取故障样本，并根据所述正常样本和故障样本构成负样本组；
[0016]根据所述正样本组和负样本组构建训练集；
[0017]根据所述测试数据获取测试样本，基于所述测试样本从历史正常运行数据中获取正常样本并构成待测试样本组，根据所述待测试样本组构建测试集。
[0018]进一步地，所述确定监测时间跨度，获取工业仪表在当前监测时间跨度范围内的实时运行数据，并根据所述实时运行数据分析异常数据，包括：
[0019]确定监测时间跨度，并获取工业仪表在监测时间跨度范围内的实时运行数据，根据所述实时运行数据构建实测数据集；
[0020]获取所述实测数据集在给定邻域半径内的最近邻点，并根据所述最近邻点剔除实测数据集中的稀疏数据，得到密集数据集；
[0021]对所述密集数据集进行聚类分析，并根据聚类分析结果获取聚类数据集；
[0022]基于所述聚类数据集进行异常检测，以分析异常数据。
[0023]进一步地，所述基于所述聚类数据集进行异常检测，具体为：
[0024]依次判断所述聚类数据集中的数据点与聚类数据集中心点之间的距离是否小于异常预设值；
[0025]若是，则将对应数据点判定为正常数据并划分至正常数据集；
[0026]若否，则将对应数据点判定为异常数据并划分至待诊断数据集。
[0027]第二方面，一种工业仪表故障诊断系统，包括：
[0028]模型构建模块：用于获取工业仪表的历史运行数据，并对所述历史运行数据进行数据重构，根据数据重构结果预先构建故障诊断模型；
[0029]异常分析模块：用于确定监测时间跨度，获取工业仪表在当前监测时间跨度范围内的实时运行数据，并根据所述实时运行数据分析异常数据；
[0030]故障诊断模块：用于将所述异常数据输入至预先构建的故障诊断模型中进行故障诊断，并输出故障诊断结果。
[0031]进一步地，所述模型构建模块具体用于：
[0032]搭建神经网络模型，并获取工业仪表的历史运行数据，所述历史运行数据包括历史正常运行数据和历史故障运行数据；
[0033]根据所述历史正常运行数据和历史故障运行数据进行数据重构，并根据数据重构结果构建训练集和测试集；
[0034]根据所述训练集和测试集对神经网络模型进行训练，以确定神经网络模型的最佳权重，并根据所述最佳权重获取并保存故障诊断模型。
[0035]进一步地，所述根据所述历史正常运行数据和历史故障运行数据进行数据重构，并根据数据重构结果构建训练集和测试集，包括：
[0036]从所述历史正常运行数据和历史故障运行数据中分别获取设定比例的数据作为测试数据；
[0037]根据所述历史正常运行数据获取正常样本并构成正样本组，根据所述历史故障运行数据获取故障样本，并根据所述正常样本和故障样本构成负样本组；
[0038]根据所述正样本组和负样本组构建训练集；
[0039]根据所述测试数据获取测试样本，基于所述测试样本从历史正常运行数据中获取正常样本并构成待测试样本组，根据所述待测试样本组构建测试集。
[0040]进一步地，所述异常分析模块具体用于：
[0041]确定监测时间跨度，并获取工业仪表在监测时间跨度范围内的实时运行数据，根据所述实时运行数据构建实测数据集；
[0042]获取所述实测数据集在给定邻域半径内的最近邻点，并根据所述最近邻点剔除实测数据集中的稀疏数据，得到密集数据集；
[0043]对所述密集数据集进行聚类分析，并根据聚类分析结果获取聚类数据集；
[0044]基于所述聚类数据集进行异常检测，以分析异常数据。
[0045]进一步地，所述基于所述聚类数据集进行异常检测，具体为：
[0046]依次判断所述聚类数据集中的数据点与聚类数据集中心点之间的距离是否小于异常预设值；
[0047]若是，则将对应数据点判定为正常数据并划分至正常数据集；
[0048]若否，则将对应数据点判定为异常数据并划分至待诊断数据集。
[0049]本专利技术的有益效果体现在：通过对工业仪表历史运行数据进行重构并构建训练集和测试集，根据训练集和测试集对构建的神经网络模型进行训练得到故障诊断模型，提高模型的精度和故障诊断准确率；基于实时运行数据的密集程度进行聚类分析，筛选出异常数据，在此基础上，再针对异常数据基于故障诊断模型进行仪表故障诊断，诊断过程更具针对性、结果更精确，提高诊断可靠性。
附图说明
[005本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种工业仪表故障诊断方法，其特征在于，包括：获取工业仪表的历史运行数据，并对所述历史运行数据进行数据重构，根据数据重构结果预先构建故障诊断模型；确定监测时间跨度，获取工业仪表在当前监测时间跨度范围内的实时运行数据，并根据所述实时运行数据分析异常数据；将所述异常数据输入至预先构建的故障诊断模型中进行故障诊断，并输出故障诊断结果。2.根据权利要求1所述的一种工业仪表故障诊断方法，其特征在于，所述获取工业仪表的历史运行数据，并对所述历史运行数据进行数据重构，根据数据重构结果预先构建故障诊断模型，具体为：搭建神经网络模型，并获取工业仪表的历史运行数据，所述历史运行数据包括历史正常运行数据和历史故障运行数据；根据所述历史正常运行数据和历史故障运行数据进行数据重构，并根据数据重构结果构建训练集和测试集；根据所述训练集和测试集对神经网络模型进行训练，以确定神经网络模型的最佳权重，并根据所述最佳权重获取并保存故障诊断模型。3.根据权利要求2所述的一种工业仪表故障诊断方法，其特征在于，所述根据所述历史正常运行数据和历史故障运行数据进行数据重构，并根据数据重构结果构建训练集和测试集，包括：从所述历史正常运行数据和历史故障运行数据中分别获取设定比例的数据作为测试数据；根据所述历史正常运行数据获取正常样本并构成正样本组，根据所述历史故障运行数据获取故障样本，并根据所述正常样本和故障样本构成负样本组；根据所述正样本组和负样本组构建训练集；根据所述测试数据获取测试样本，基于所述测试样本从历史正常运行数据中获取正常样本并构成待测试样本组，根据所述待测试样本组构建测试集。4.根据权利要求3所述的一种工业仪表故障诊断方法，其特征在于，所述确定监测时间跨度，获取工业仪表在当前监测时间跨度范围内的实时运行数据，并根据所述实时运行数据分析异常数据，包括：确定监测时间跨度，并获取工业仪表在监测时间跨度范围内的实时运行数据，根据所述实时运行数据构建实测数据集；获取所述实测数据集在给定邻域半径内的最近邻点，并根据所述最近邻点剔除实测数据集中的稀疏数据，得到密集数据集；对所述密集数据集进行聚类分析，并根据聚类分析结果获取聚类数据集；基于所述聚类数据集进行异常检测，以分析异常数据。5.根据权利要求4所述的一种工业仪表故障诊断方法，其特征在于，所述基于所述聚类数据集进行异常检测，具体为：依次判断所述聚类数据集中的数据点与聚类数据集中心点之间的距离是否小于异常预设值；
若是，则将对应数据点判定为正常数据并划分至正常数据集；若...

【专利技术属性】
技术研发人员：王慧，茹林旺，包文彬，史福清，刘华，
申请(专利权)人：内蒙古领益智能科技有限公司，
类型：发明
国别省市：