水质监控设备故障智能诊断方法与系统研究

摘要

水质监控设备是应用于集约化水产养殖过程中的先进物联网系统设施，作为世界第一水产养殖大国、世界唯一水产养殖量远远超过捕捞量的国家，针对集约化水产养殖、工厂化水产养殖而展开的水产物联网装备相关的学术研究、技术积累，对我国实现水产物联网、集约化水产养殖具有重要意义。为提高水产物联网系统运行的稳定性，针对水质监控设备故障，本文通过构建贝叶斯诊断知识网络、原因搜素算法、反馈算法，并设计实验程序加以验证，对水质监控设备故障的智能诊断方法进行研究，并在此基础上实现故障诊断系统、利用双房室评估模型对该诊断系统的效果进行定量评估。
　　为实现对大量设备的故障信息处理，作者将症状的识别作为独立于故障诊断的研究模块。症状作为故障的表征，其实质是数据;故障作为设备异常的表现，其实质是信息。症状的识别与故障的诊断都在诊断模型的框架内进行。
　　以贝叶斯网络为基础，构建诊断知识库，支持率作为节点间的逻辑参数，是故障诊断过程中的逻辑基础，贝叶斯网络的易扩展性使得诊断模型对知识的学习与积累性较强，同时可以通过修改节点间支持率优化诊断过程。症状的识别分为简单阈值识别、无确定阈值故障的识别，症状的识别基于结构模式识别框架。设备采集的数据以十六进制的形式进行通讯，通过设计过滤器，可以快速分离具有简单阈值的故障数据。对于复杂故障的表征数据，以支持向量机训练数据样本进行文法判断，得出模式表达中的具体参数，然后对待识别的数据进行句法分析，实现故障信息的分离。在症状识别的基础上，结合多元统计分析，设计RWS算法，以贝叶斯网络路径中蕴含的支持率构建多维度的正态分布，并以算法计算结果作为故障诱因的权重，权重最大的诱因作为首选诊断结果。反馈算法依据运维人员现场对设备故障的排除情况，对诊断结果与实际情况的偏差进行反馈，扩充诊断模型节点，实现对诊断结果的反馈。
　　在基于上述研究的基础上，作者架构故障诊断系统，并部署在水产物联网运维平台上。同时开发虚拟设备与服务器程序，进行了三个实验，对诊断模型的准确性、平均耗时等属性进行评估，诊断结果表明在对大量数据的诊断上能够保持高准确性，高效率。通过运维平台下的故障诊断模块，对260套不同场景下的设备连续61天的运行状态进行统计，结果表明当前故障诊断系统的双房室评估模型收敛于220。文章最后，为将智能故障诊断技术贯穿于整个运维过程，作者对现场辅助诊断设备进行了展望。