申请/专利权人：中国矿业大学;江苏锐策智能科技有限公司

申请日：2022-04-21

公开（公告）日：2024-03-22

公开（公告）号：CN116992260B

主分类号：G06F18/213

分类号：G06F18/213;G06F18/24;G06F18/214;G06F18/2135;G01M13/003;G06F18/15

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2023.11.21#实质审查的生效;2023.11.03#公开

摘要：本发明公开了一种基于云理论的气动调节阀故障诊断方法，本发明采用云模型理论与动态内部主成分分析方法分别进行特征提取并融合，提出一种基于云化采样的集成随机配置网络模型进行故障诊断。本发明不仅以较高的诊断准确率实现了对气动调节阀的故障诊断，有效避免了阀门带故障运行；而且考虑到在实际应用中阀门故障数据匮乏的问题，通过构造样本和集成的方法解决了模型在小样本数据下诊断精度不高的问题。除此之外，本发明无需熟悉阀门机理与繁杂的经验知识即可完成故障诊断，具有较好的实用性。

主权项：1.一种基于云理论的气动调节阀故障诊断方法，其特征在于，包括以下步骤：步骤1，提取调节阀故障云特征与动态特征；步骤2，建立基于云化采样的集成随机配置网络故障诊断模型；步骤3，使用步骤2建立的故障诊断模型诊断气动调节阀故障；步骤1包括：气动调节阀状态共N种，包括1种正常状态和N-1种故障状态；在采集故障信号的时间序列的过程中，每次控制器给定输入信号CV从0％开始，以阀杆允许运动总行程的σ％作为差值变化进行分档测试直至CV达到100％，共经历N1个不同的开度状态，对采集到的包含N1个不同的开度状态的故障信号的时间序列归一化处理；取一故障状态下的阀杆位移、介质流速数据，基于云理论，提取在不同开度状态下的调节阀云特征，即Ex、En、He；Ex是在当前开度状态下最能表征调节阀故障概念的故障信号的数值，En表征调节阀故障信号的不确定性，He为超参数，表征En的不确定性，则阀杆位移、介质流速两种故障信号经相同步骤能够提取N1×3×2维调节阀故障云特征值；将分档测试采集到的包含阀杆位移和介质流速的故障数据去均值并按方差为1标准化，使用动态内部主成分分析法提取l个动态特征，结合调节阀云特征，从而共得到故障特征N1×3×2+l维，故障特征组成的集合即为模型的训练样本集合，又称为小样本训练集，记作X；步骤2包括：2.1、设定生成表征调节阀故障信息的云滴的个数，即每个调节阀故障诊断基模型各故障状态所需训练样本数量d及生成云滴对应确定度的阈值θ；2.2、取故障状态M对应的所有小样本训练集X，计算故障状态M下第j维特征Featurej的云模型特征值Exj、Enj、Hej，其中j＝1,2,…,N1×3×2+l；2.3、根据云模型特征值生成调节阀故障云滴；2.4、计算生成的调节阀故障云滴所对应的隶属于故障状态M这一定性概念的确定度；2.5、当调节阀故障云滴对应的确定度大于设定的阈值θ则保留，否则重新生成，直至生成满足条件的d个调节阀故障云滴；2.6、将每一维特征生成的调节阀故障云滴合并，贴上标签构成故障M的训练样本；2.7、循环步骤2.2～2.6，生成N个故障状态的训练样本并组合，作为调节阀故障诊断基模型的输入；2.8、利用生成的训练样本在监督机制下训练一个随机配置网络，将其作为调节阀故障诊断基模型；2.9、重复步骤2.2～2.8，直至得到N2个调节阀故障诊断基模型；2.10、采用投票法策略对各调节阀故障诊断基模型的输出结果进行集成，得到最终的诊断模型。

全文数据：

权利要求：

百度查询： 中国矿业大学;江苏锐策智能科技有限公司 一种基于云理论的气动调节阀故障诊断方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD