【技术实现步骤摘要】
本专利技术涉及装备故障诊断，尤其涉及一种基于多元数据融合的复杂装备故障诊断系统及诊断方法。
技术介绍
1、复杂装备的系统复杂、设备众多、耦合性强，其数据具有数据量巨大、随时间变化、各传感器数据关联性强、故障类型多的特点，导致容易出现故障突发、故障发生和传播的机理不明确、排故困难等众多技术问题。复杂装备的维保措施一般采用周期性检修或者事后维修的策略，其中，周期性故障维修会极大浪费人力财力，容易存在维修过度的情况，且刚更换的部件有可能和原来的系统不匹配；事后维修虽减少了费用，但影响了产品功能的使用。诸如此类的维修手段已经不能适应现代装备的使用需求。
2、近年来兴起的健康管理技术是在对装备故障机理和故障规律进行充分研究的基础上，提前分析得出故障部位和故障时间，具有后勤规模小、自动化程度高、经济可承受性好等优点。
3、现有健康管理技术中，专利cn202110512033.4公开了一种“基于数字孪生的复杂装备健康管理方法及系统”，该技术方案对待测复杂装备实体的数字孪生体进行仿真运行，得到针对待测复杂装备实体的维修任务规划信息和未来健康状况预测信息。该方法在一定程度上可以实现数字孪生体与复杂装备的信息交互，便于实时确定复杂装备的健康运行状况。但是，国内数字孪生技术至今仍在起步阶段，其建模过程复杂且困难，且数字孪生模型与实际产品不可避免地存在差异，如外部环境、运行工况、接口关系等，导致仿真结果容易出现误差，在实际工程中较难实施。
4、专利cn202010488395.x公开了“一种基于多传感器融合的复杂装备
5、专利cn202211649995.5公开了“一种基于深度学习的复杂装备故障诊断系统”，该技术利用变分自编码器和跳跃连接双向门循环网络处理时间序列数据，将高位特征数据进行了降维，并增强了提取时序信息的能力，但自编码器需要大量的实验调试才能确定隐藏层的大小和数量，且通常不会考虑时间序列的时间相关性，不适用于本研究对象。
6、专利202310334054 .0公开了“一种基于pca与lstm融合算法的磨煤机故障预警方法”，采用主成分分析对影响磨煤机安全运行的众多变量进行有效降维，将原始高维相关变量转换为低维不相关变量，降低了后续深度学习算法的时间与空间复杂度；通过构建基于长短期记忆神经网络的故障预警模型，对运行数据时间前后的关系进行深度特征提取，并且基于关联变量对磨煤机故障相关参量进行准确有效地预测，实现了对磨煤机实时运行状态的监测和故障预警。但pca无法有效捕捉数据中的非线性特征，尤其是在数据分布复杂，含有高度非线性关系的情况下，缺乏针对空间特征提取的能力，不利于区分不同的故障模式，可能影响故障预测的准确度。
7、有鉴于此，有必要设计一种改进的基于多元数据融合的复杂装备故障诊断系统及诊断方法，以解决上述问题。
技术实现思路
1、本专利技术的目的在于提供一种基于多元数据融合的复杂装备故障诊断系统及诊断方法。
2、为实现上述专利技术目的，本专利技术提供了一种基于多元数据融合的复杂装备故障诊断系统，其包括数据采集与传输模块、数据预处理模块、模型训练模块、模型部署与推理模块以及远程监控模块；
3、所述数据采集与传输模块，用于对复杂装备的多元传感数据进行综合采集；
4、所述数据预处理模块，与所述数据采集与传输模块电性连接，用于对多元传感数据进行预处理，并构建数据集，划分为训练集和验证集，训练集用于对模型进行训练，验证集用于在训练过程中监测模型性能；
5、所述模型训练模块，与所述数据预处理模块电性连接，采用卷积神经网络对预处理后的多元传感数据进行高维特征提取，利用主成分分析进行数据降维，采用lstm网络离线训练降维后的时间序列样本，最后采用adam学习率自适应算法对模型进行优化。
6、作为本专利技术的进一步改进，所述模型部署与推理模块，用于将模型部署在边缘计算设备上，通过以太网实时接收传感器数据并加载模型进行实时推理，实现对复杂装备的实时、精准地多分类在线故障诊断；
7、所述远程监控模块，与所述模型部署与推理模块电性连接，通过网络实时接收在线故障诊断结果后，在人机交互界面实时高亮显示当前故障，并通过蜂鸣器提醒维修人员。
8、为实现上述专利技术目的，本专利技术还提供了一种基于多元数据融合的复杂装备故障诊断方法，其基于上述基于多元数据融合的复杂装备故障诊断系统进行诊断，包括如下步骤：
9、s1，多元传感数据的采集：采集复杂装备各关键部位的多元传感数据；
10、s2，数据预处理：对多元传感数据进行去噪、归一化和缺失值处理，接着构建时间序列样本，最后进行数据标注并划分数据集，得到预处理后的多元数据；
11、s3，模型构建与训练：采用卷积神经网络对预处理后的多元数据进行特征提取，接着采用主成分分析方法进行数据降维，降低计算复杂度和过拟合风险，采用lstm网络离线训练降维后的时间序列数据，并对模型进行训练与优化；
12、s4，模型部署与推理：将训练好的模型导出为适合的格式部署在边缘计算设备中，加载模型进行实时推理，实现复杂装备的多分类在线故障诊断；
13、s5，远程监控：通过网络实时接收在线故障诊断结果后，在人机交互界面实时高亮显示当前故障，并通过蜂鸣器提醒维修人员，实现远程监控。
14、作为本专利技术的进一步改进，步骤s3中数据降维处理的具体过程为：
15、s32-1，标准化处理：将经卷积神经网络处理后的特征数据进行标准化处理，使每个特征的均值为0，方差为1；其中，是原始特征值，是标准化后的特征值，是特征的均值，是特征的标准差；
16、s32-2，计算协方差矩阵：标准化后的数据矩阵为，则协方差矩阵的计算公式为，其中n是样本数量；
17、s32-3，计算特征值和特征向量：求解协方差矩阵的特征值和特征向量，特征方程为，其中，为待求解的特征值，为特征向量，为协方差矩阵；
18、s32-4，选择主要成分：先计算第个特征值的贡献率，再将特征值贡献率按从大到小排序，选取累积贡献率达到85%的前个特征作为主成分，形成特征向量矩阵；
19、s32-5，投影数据：将标准化后的数据矩阵投影到选定的特征向量矩阵上，得到降维后的数据矩阵。
20、作为本专利技术的进一步改进，步骤s3中lstm网络的构建方法为：设计一个多输入多输出的lstm模型，包括输入层、lstm层、dropout层、全连接层、输出层；具体过程为：
21、s33-1，输入层：使用多元数据融合后的数据矩阵作为输入数据；
22、s33-2本文档来自技高网...
【技术保护点】
1.一种基于多元数据融合的复杂装备故障诊断系统，其特征在于：包括数据采集与传输模块、数据预处理模块、模型训练模块、模型部署与推理模块以及远程监控模块；
2.根据权利要求1所述的基于多元数据融合的复杂装备故障诊断系统，其特征在于：所述模型部署与推理模块，用于将模型部署在边缘计算设备上，通过以太网实时接收传感器数据并加载模型进行实时推理，实现对复杂装备的实时、精准地多分类在线故障诊断；
3.一种基于多元数据融合的复杂装备故障诊断方法，其特征在于：基于权利要求1至2中任一项权利要求所述的基于多元数据融合的复杂装备故障诊断系统进行诊断，包括如下步骤：
4.根据权利要求3所述的基于多元数据融合的复杂装备故障诊断方法，其特征在于：步骤S3中数据降维处理的具体过程为：
5.根据权利要求3所述的基于多元数据融合的复杂装备故障诊断方法，其特征在于：步骤S3中LSTM网络的构建方法为：设计一个多输入多输出的LSTM模型，包括输入层、LSTM层、Dropout层、全连接层、输出层；具体过程为：
6.根据权利要求3所述的基于多元数据融合的复杂装
7.根据权利要求3所述的基于多元数据融合的复杂装备故障诊断方法，其特征在于：步骤S4中模型部署与推理的具体过程为：将训练好的模型导出为适合的格式部署在边缘计算设备中，再将边缘计算设备加载模型文件和实时数据的过程封装为API服务，使其能够接收请求并返回诊断结果；
8.根据权利要求3所述的基于多元数据融合的复杂装备故障诊断方法，其特征在于：步骤S2中数据预处理的具体过程为：
9.根据权利要求3所述的基于多元数据融合的复杂装备故障诊断方法，其特征在于：步骤S3中采用卷积神经网络进行特征提取处理的具体过程为：
10.根据权利要求3所述的基于多元数据融合的复杂装备故障诊断方法，其特征在于：所述多元传感数据包括但不限于为流量传感器数据、压力传感器数据、电压传感器数据、电流传感器数据、温湿度气压传感器中的一种或多种组合。
...【技术特征摘要】
1.一种基于多元数据融合的复杂装备故障诊断系统，其特征在于：包括数据采集与传输模块、数据预处理模块、模型训练模块、模型部署与推理模块以及远程监控模块；
2.根据权利要求1所述的基于多元数据融合的复杂装备故障诊断系统，其特征在于：所述模型部署与推理模块，用于将模型部署在边缘计算设备上，通过以太网实时接收传感器数据并加载模型进行实时推理，实现对复杂装备的实时、精准地多分类在线故障诊断；
3.一种基于多元数据融合的复杂装备故障诊断方法，其特征在于：基于权利要求1至2中任一项权利要求所述的基于多元数据融合的复杂装备故障诊断系统进行诊断，包括如下步骤：
4.根据权利要求3所述的基于多元数据融合的复杂装备故障诊断方法，其特征在于：步骤s3中数据降维处理的具体过程为：
5.根据权利要求3所述的基于多元数据融合的复杂装备故障诊断方法，其特征在于：步骤s3中lstm网络的构建方法为：设计一个多输入多输出的lstm模型，包括输入层、lstm层、dropout层、全连接层、输...
【专利技术属性】
技术研发人员：李强，邓宇豪，胡黎明，王春旭，庹文波，卢红海，张倩，冯恺鹏，蔡靖霖，周芊芊，张培健，雷景添，
申请(专利权)人：中国航天三江集团有限公司，
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。