本发明专利技术提供一种基于联邦学习和膨胀卷积的调压器故障诊断方法及装置，涉及故障诊断技术领域，该方法包括：获取目标调压器的当前运行参数，并根据所述当前运行参数获取输入信息；将所述输入信息输入至故障诊断模型中，得到所述目标调压器的故障诊断预测信息；在根据故障诊断预测信息，确定目标调压器处于故障状态的情况下，根据故障诊断预测信息中所述目标调压器所属的故障类型，发出预警；其中，所述故障诊断模型是基于多个客户端传输的膨胀卷积网络的局部模型参数进行联邦学习训练得到的。本发明专利技术实现在确保数据隐私的同时，自动对调压器进行精准地故障诊断。器进行精准地故障诊断。器进行精准地故障诊断。
【技术实现步骤摘要】
基于联邦学习和膨胀卷积的调压器故障诊断方法及装置
[0001]本专利技术涉及故障诊断
，尤其涉及一种基于联邦学习和膨胀卷积的调压器故障诊断方法及装置。
技术介绍
[0002]燃气调压器是燃气输配系统中非常重要的一类关键设备，承担了燃气输配过程中各级管网之间的压力调节和用气压力控制功能。因此，燃气调压器的运行性能关系到燃气传输安全、用户用气安全、燃气压力能否满足使用需求等关键民生问题。
[0003]而燃气调压器作为机械设备在长期运行的过程中难免会产生磨损、老化等现象。例如，阀口磨损、阀瓣老化、薄膜老化、脏污卡堵、密封垫老化、O形圈老化、阀杆弯折等部件老化和部件磨损问题，均会导致燃气调压器的性能下降或故障，进而引发超压供气、欠压熄火、压力波动、调节响应速度慢等问题，导致切断停气或超压放散，严重影响燃气调压器的运行性能，甚至难以保证燃气的使用安全性。因此，如何，对燃气调压器进行故障诊断是目前业界亟待解决的技术问题之一。
[0004]当前燃气公司针对燃气调压器的故障检查多采用传统的人工定期巡检和抽检等方式监控调压器运行性能和状态，对于故障的燃气调压器的发现主要基于用户用气异常后的报修。而这种燃气调压器故障诊断方法，维护效率较低，需要消耗大量人力物力的同时，无法及时发现调压器性能的下降和故障预警。
技术实现思路
[0005]本专利技术提供一种基于联邦学习和膨胀卷积的调压器故障诊断方法及装置，用以解决现有技术中采用人工进行故障检测，维护效率低、人工成本高和实时性差的缺陷，实现快速有效地对燃气调压器进行故障诊断，以在故障发生时及时对燃气调压器进行维护。
[0006]本专利技术提供一种基于联邦学习和膨胀卷积的调压器故障诊断方法，应用于服务器端，包括：
[0007]获取目标调压器的当前运行参数，并根据所述当前运行参数获取输入信息；
[0008]将所述输入信息输入至故障诊断模型中，得到所述目标调压器的故障诊断预测信息；
[0009]在根据所述故障诊断预测信息，确定所述目标调压器处于故障状态的情况下，根据所述故障诊断预测信息中所述目标调压器所属的故障类型，发出预警；
[0010]其中，所述故障诊断模型是基于多个客户端传输的局部模型参数进行联邦学习训练得到的；每一客户端传输的局部模型参数是由所述每一客户端，根据所述每一客户端中多种不同用户类型下的样本调压器的历史运行参数，以及所述样本调压器的故障诊断真实信息，对所述每一客户端中的膨胀卷积网络进行训练得到的。
[0011]根据本专利技术提供的一种基于联邦学习和膨胀卷积的调压器故障诊断方法，所述故障诊断模型是基于如下步骤进行训练得到的：
[0012]对于当前次模型训练，分别对每一客户端执行如下步骤：
[0013]获取当前客户端在所述当前次模型训练的过程中得到的膨胀卷积网络的局部模型参数；所述局部模型参数是由所述当前客户端，基于上一次模型训练获取的聚合模型参数、所述当前客户端中多种不同用户类型下的样本调压器的历史运行参数，以及所述样本调压器的故障诊断真实信息，对所述当前客户端中的膨胀卷积网络进行迭代训练获取的；
[0014]对所述多个客户端的所述局部模型参数进行融合，得到所述当前次模型训练对应的聚合模型参数；
[0015]将所述当前次模型训练对应的聚合模型参数发送至每一客户端，迭代执行模型训练步骤，直到每一客户端中膨胀卷积网络的模型性能满足目标性能；
[0016]根据所述多个客户端在最后一次模型训练过程中获取的膨胀卷积网络的局部模型参数，构建所述故障诊断模型。
[0017]根据本专利技术提供的一种基于联邦学习和膨胀卷积的调压器故障诊断方法，所述根据所述多个客户端在最后一次模型训练过程中获取的膨胀卷积网络的局部模型参数，构建所述故障诊断模型，包括：
[0018]根据所述模型性能，从所述多个客户端中选择至少一个目标客户端；
[0019]对所述至少一个目标客户端在最后一次模型训练过程中获取的膨胀卷积网络的局部模型参数进行融合，根据融合结果构建所述故障诊断模型。
[0020]根据本专利技术提供的一种基于联邦学习和膨胀卷积的调压器故障诊断方法，所述根据所述当前运行参数获取输入信息，包括：
[0021]对所述当前运行参数进行正确性判断；
[0022]在所述当前运行参数通过正确性判断的情况下，对所述当前运行参数进行预处理；
[0023]其中，所述预处理包括有效性分析、异常值处理和数据填充中的一种或多种组合；
[0024]根据预处理结果，获取所述输入信息。
[0025]根据本专利技术提供的一种基于联邦学习和膨胀卷积的调压器故障诊断方法，对所述当前运行参数进行异常值处理和数据填充，包括：
[0026]对所述当前运行参数中各样点采集的参数进行聚类；
[0027]根据聚类结果，确定所述当前运行参数中的异常采样点；
[0028]在所述当前运行参数中，对所述异常采样点采集的参数进行剔除，并对剔除后的当前运行参数进行线性填充。
[0029]根据本专利技术提供的一种基于联邦学习和膨胀卷积的调压器故障诊断方法，对所述当前运行参数进行有效性分析和数据填充，包括：
[0030]确定所述当前运行参数中各采样点采集的第一目标参数是否满足第一预设条件；
[0031]将满足所述第一预设条件的第一目标参数作为有效数据；
[0032]在所述当前运行参数中有效数据的占比大于占比阈值的情况下，对所述有效数据进行线性填充。
[0033]根据本专利技术提供的一种基于联邦学习和膨胀卷积的调压器故障诊断方法，对所述当前运行参数进行正确性判断，包括：
[0034]在所述当前运行参数中各采样点采集的第二目标参数中，选择满足第二预设条件
的多个候选参数；
[0035]计算所述多个候选参数之间的重复率；
[0036]根据所述重复率和/或所述当前运行参数中有效数据的占比，对所述当前运行参数进行正确性判断。
[0037]本专利技术还提供一种基于联邦学习和膨胀卷积的调压器故障诊断装置，包括：
[0038]数据处理模块，用于获取目标调压器的当前运行参数，并根据所述当前运行参数获取输入信息；
[0039]故障诊断模块，用于将所述输入信息输入至故障诊断模型中，得到所述目标调压器的故障诊断预测信息；
[0040]故障预警模块，用于在根据所述故障诊断预测信息，确定所述目标调压器处于故障状态的情况下，根据所述故障诊断预测信息中所述目标调压器所属的故障类型，发出预警；
[0041]其中，所述故障诊断模型是基于多个客户端传输的局部模型参数进行联邦学习训练得到的；每一客户端传输的局部模型参数是由所述每一客户端，根据所述每一客户端中多种不同用户类型下的样本调压器的历史运行参数，以及所述样本调压器的故障诊断真实信息，对所述每一客户端中的膨胀卷积网络进行训练得到的。
[0042]本专利技术还提供一种电子设备，包括存储器、处理器及存储本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于联邦学习和膨胀卷积的调压器故障诊断方法，应用于服务器端，其特征在于，包括：获取目标调压器的当前运行参数，并根据所述当前运行参数获取输入信息；将所述输入信息输入至故障诊断模型中，得到所述目标调压器的故障诊断预测信息；在根据所述故障诊断预测信息，确定所述目标调压器处于故障状态的情况下，根据所述故障诊断预测信息中所述目标调压器所属的故障类型，发出预警；其中，所述故障诊断模型是基于多个客户端传输的局部模型参数进行联邦学习训练得到的；每一客户端传输的局部模型参数是由所述每一客户端，根据所述每一客户端中多种不同用户类型下的样本调压器的历史运行参数，以及所述样本调压器的故障诊断真实信息，对所述每一客户端中的膨胀卷积网络进行训练得到的。2.根据权利要求1所述的基于联邦学习和膨胀卷积的调压器故障诊断方法，其特征在于，所述故障诊断模型是基于如下步骤进行训练得到的：对于当前次模型训练，分别对每一客户端执行如下步骤：获取当前客户端在所述当前次模型训练的过程中得到的膨胀卷积网络的局部模型参数；所述局部模型参数是由所述当前客户端，基于上一次模型训练获取的聚合模型参数、所述当前客户端中多种不同用户类型下的样本调压器的历史运行参数，以及所述样本调压器的故障诊断真实信息，对所述当前客户端中的膨胀卷积网络进行迭代训练获取的；对所述多个客户端的所述局部模型参数进行融合，得到所述当前次模型训练对应的聚合模型参数；将所述当前次模型训练对应的聚合模型参数发送至每一客户端，迭代执行模型训练步骤，直到每一客户端中膨胀卷积网络的模型性能满足目标性能；根据所述多个客户端在最后一次模型训练过程中获取的膨胀卷积网络的局部模型参数，构建所述故障诊断模型。3.根据权利要求2所述的基于联邦学习和膨胀卷积的调压器故障诊断方法，其特征在于，所述根据所述多个客户端在最后一次模型训练过程中获取的膨胀卷积网络的局部模型参数，构建所述故障诊断模型，包括：根据所述模型性能，从所述多个客户端中选择至少一个目标客户端；对所述至少一个目标客户端在最后一次模型训练过程中获取的膨胀卷积网络的局部模型参数进行融合，根据融合结果构建所述故障诊断模型。4.根据权利要求1
‑
3任一所述的基于联邦学习和膨胀卷积的调压器故障诊断方法，其特征在于，所述根据所述当前运行参数获取输入信息，包括：对所述当前运行参数进行正确性判断；在所述当前运行参数通过正确性判断的情况下，对所述当前运行参数进行预处理；其中，所述预处理包括有效性分析、异常值处理和数据填...
【专利技术属性】
技术研发人员：袁烨，张永，唐聪，金骏阳，尹晓宇，
申请(专利权)人：元始智能科技南通有限公司，
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。