一种基于信息融合技术的设备故障诊断系统及方法

摘要

本发明涉及设备故障诊断技术领域，具体为一种基于信息融合技术的设备故障诊断系统及方法。一种基于信息融合技术的设备故障诊断系统，包括故障案例库建立模块，将已发生的故障案例以案例基本信息、案例故障征兆和案例故障结论的方式进行存储以建立故障案例库；故障规则库建立模块，将获取的规则以故障征兆和故障结论的方式进行存储以建立故障规则库。本申请系统及方法能够提高对真正故障原因的判断的准确性，即在诊断出的可能故障结论中不遗漏掉真正的故障原因，同时，对真正的故障原因能够给出比较明确的提示；在使用过程中，能够实现更加高效的排故方式，即减少对人的经验的依赖，减少由于人的操作导致的故障推理困难或者推理不准确。

说明书

技术领域

本发明涉及设备故障诊断技术领域，具体为一种基于信息融合技术的设备故障诊断系统及方法。

背景技术

在各种工业现场，有大量的关键设备，其正常可靠的运行对整个工厂的运营和生产经济效益至关重要。如果这些设备出现故障，将会给整个工业运营带来巨大的经济损失。比如，发电厂里有许多关键设备，如燃气/蒸汽发电机、变压器、各类关键的泵、风机等旋转设备。任何这些设备出现故障都有可能会导致电厂发电机组停止运行，不能继续发电，造成巨大的经济损失。对于加工制造行业，如果关键设备出现故障，将造成产线停止运行，工厂产量下降，也将造成巨大的经济损失。因而，当出现设备异常后，如何实现快速的故障定位、故障维修，让设备尽快重新运行起来是个非常重要和关键的问题。

目前行业内解决这个问题主要还是依靠个人的经验来进行。常用的方式是，当发现设备异常征兆时，将由人来离线分析数据，查找可能的原因。同时，也会依据经验，到现场进行观察，或者用离线测量的手段获取辅助信息，来综合判断可能的故障原因，再逐一进行排查。这种方式对人的经验的依赖非常强。如果工程师的经验非常丰富，则可能会快速定位故障进行维修；如果经验一般，则可能会花较长时间来定位故障，进而造成较大的经济等各方面损失。另外，已经发生过的故障案例对于故障定位和排故是非常重要的信息。但故障案例的记录方法不标准、不规范，对案例描述的随意性较大（比如对于同一个故障征兆，不同录入的人会采取不同的描述方式），这些问题都会导致故障案例信息的使用存在局限。

发明内容

本发明针对现有技术存在的问题，提出了一种基于信息融合技术的设备故障诊断系统及方法，能够高效准确地找出故障原因，减少对人经验的依赖，减少人为操作导致的故障推理困难或推理不准确。

本发明解决其技术问题所采用的技术方案是：一种基于信息融合技术的设备故障诊断系统，包括

故障案例库建立模块，将已发生的故障案例以案例基本信息、案例故障征兆和案例故障结论的方式进行存储以建立故障案例库；所述故障案例库包括若干故障案例，每一所述故障案例包括案例基本信息、案例故障征兆和案例故障结论；

故障规则库建立模块，将获取的规则以故障征兆和故障结论的方式进行存储以建立故障规则库；所述故障规则库包括若干规则，每一所述规则由多个故障征兆和一个故障结论对应形成；

当前设备故障检测模块，基于当前设备的故障征兆并结合故障规则库推理出当前设备的故障结论。

本发明的故障诊断系统可以将可能的故障结论以及相应的匹配度或优先级进行输出，避免遗漏可能的故障结论，又能让真正的故障结论以较明显的方式呈现给用户，避免了过度依靠人的经验，降低了故障诊断的技术门槛。

作为优选，所述当前设备故障检测模块包括

故障征兆匹配单元，将设备生成的故障征兆通过故障推理算法与故障规则库中的每一条规则进行逐一匹配以得到可能的故障结论及匹配度；

匹配度排序单元，将匹配度大于预设门限或匹配度最高的预设数量的故障结论按匹配度从大到小的顺序进行排列。

作为优选，所述故障规则库建立模块包括

故障征兆管理单元，通过预先定义的故障征兆集合增加、删除、修改、查询故障征兆；

故障结论管理单元，通过预先定义的故障结论集合增加、删除、修改、查询故障结论。

作为优选，所述故障案例库建立模块包括

案例故障征兆管理单元，通过预先定义的故障征兆集合增加、删除、修改、查询案例故障征兆；

案例故障结论管理单元，通过预先定义的故障结论集合增加、删除、修改、查询案例故障结论。

作为优选，所述故障规则库建立模块包括

规则获取单元，用于基于设备机理获取规则、基于设备运行维护经验获取规则、将故障案例库中的故障案例转换成规则。

一种基于信息融合技术的设备故障诊断方法，包括以下步骤

S1建立故障案例库：将已发生的故障案例以案例基本信息、案例故障征兆和案例故障结论的方式进行存储以建立故障案例库；

S2建立故障规则库：将获取的规则以故障征兆和故障结论的方式进行存储以建立故障规则库；

S3基于当前设备的故障征兆并结合故障规则库推理出当前设备的故障结论。

本申请方法能够提高对真正故障原因的判断的准确性，即在诊断出的可能故障结论中不遗漏掉真正的故障原因，同时，对真正的故障原因能够给出比较明确的提示；在使用过程中，能够实现更加高效的排故方式，即减少对人的经验的依赖，减少由于人的操作导致的故障推理困难或者推理不准确。

作为优选，所述S2通过以下方式获取规则，S21 基于设备机理获取规则；S22基于设备运行维护经验获取规则；S23将故障案例库中的故障案例转换成规则。

作为优选，所述S23具体包括以下步骤

S231选定一案例故障结论，将故障案例库中具有所述案例故障结论的故障案例筛选出来；

S232将所述案例故障结论作为规则的故障结论；

S233将筛选出来的所有故障案例中的案例故障征兆进行汇总作为规则的故障征兆；

S234统计每一故障征兆在筛选出来的所有故障案例中出现的频次以确定所述故障征兆与所述故障结论的关联强度。

作为优选，所述S3具体包括以下步骤

S31故障征兆生成：通过设备状态监测算法自动分析设备运行数据以生成故障征兆；或通过离线数据分析工具分析设备运行数据以生成故障征兆；或通过离线监测手段对设备进行离线测量以生成故障征兆；

S32将设备生成的故障征兆通过故障推理算法与故障规则库中的每一条规则进行逐一匹配以得到可能的故障结论及匹配度；

S33故障结论生成：将匹配度大于预设门限或匹配度最高的预设数量的故障结论按匹配度从大到小的顺序进行排列并呈现给用户；

S34根据S33中每一所述故障结论中推荐的实验或数据分析建议进行相关操作以得到新的故障征兆；

S35将新的故障征兆与S31中生成的故障征兆结合以形成最终的故障征兆并再次通过故障推理算法与故障规则库中的每一条规则进行逐一匹配以得到可能的故障结论及匹配度，将匹配度最高的故障结论作为最终的故障结论；

S36通过最终的故障征兆或最终的故障结论在故障案例库中检索以得到相关的故障案例。

作为优选，在不考虑故障征兆关联度的情况下，待匹配的故障征兆与待匹配的规则的匹配度通过公式1）计算得到

其中，X为待匹配的故障征兆的集合，Y为待匹配的规则中的故障征兆的集合，

在考虑征兆关联度的情况下，待匹配的故障征兆与待匹配的规则的匹配度通过公式2）计算得到

其中，

有益效果

本申请系统及方法能够提高对真正故障原因的判断的准确性，即在诊断出的可能故障结论中不遗漏掉真正的故障原因，同时，对真正的故障原因能够给出比较明确的提示；在使用过程中，能够实现更加高效的排故方式，即减少对人的经验的依赖，减少由于人的操作导致的故障推理困难或者推理不准确。

附图说明

图1为本申请故障诊断方法的实施流程图；

图2为本申请故障案例到规则的转换流程图；

图3为本申请故障征兆推理故障结论的流程图。

具体实施方式

下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。

如图1所示，一种基于信息融合技术的设备故障诊断方法，包括以下步骤S1建立故障案例库：将已发生的故障案例以案例基本信息、案例故障征兆和案例故障结论的方式进行存储以建立故障案例库。故障案例库是对以往发生的故障案例以及排故维修的记录。故障案例库由若干条故障案例组成。每一条故障案例包含内容：案例基本信息、案例故障征兆和案例故障结论。

所述案例基本信息包括案例编号、案例名称、案例来源、案例发生时间、案例发生地点、案例发生设备、案例描述、案例录入时间、案例录入人员、案例修改时间、案例修改人员。所述案例故障征兆包括案例征兆名称、案例征兆类型、案例征兆与结论关联度、案例征兆附加属性。所述案例故障结论包括案例故障部位、案例故障类型、案例故障结论描述、案例故障原因、案例故障解决措施、案例推荐实验、案例故障排查建议。其中，案例描述是对案例发生情况及事后分析检查得出的结论和采取的措施的描述，通过对案例描述的整理，可以得到案例故障征兆和案例故障结论。

S2建立故障规则库：将获取的规则以故障征兆和故障结论的方式进行存储以建立故障规则库。故障规则库是实现对故障规则的归纳总结管理，是由若干条规则组成。每一条规则的定义分为两大部分：故障征兆和故障结论。

故障征兆和故障结论是多对一的关系，即，一条规则中有一个故障结论，但可以对应多条故障征兆。征兆名称是对征兆的部位和观测量的描述，如：轴承温度等。征兆类型反映征兆的具体形式，如：超上限等。征兆与结论的关联度分为强、弱等一系列等级，反映该征兆在该条规则中与故障结论的相关程度，如：振动信号相关的征兆与设备机械故障相关性较强。其他附加属性包括但不限于：征兆程度（强、弱等）、征兆出现频次等。

所述故障征兆包括征兆名称、征兆类型、征兆与结论关联度、征兆附加属性。所述故障结论包括故障部位、故障类型、故障结论描述、故障原因、故障解决措施、推荐实验、故障排查建议。其中，推荐实验是指为了进一步定位故障确切原因，推荐做的离线实验，以得到更多的故障征兆。故障排查建议是指为了进一步定位故障确切原因，建议采取的其他数据分析手段和方法，以得到更多的故障征兆。

所述S2通过以下方式获取规则，S21 基于设备机理获取规则；S22基于设备运行维护经验获取规则；S23将故障案例库中的故障案例转换成规则。

如图2所示，所述S23具体包括以下步骤S231选定一案例故障结论，将故障案例库中具有所述案例故障结论的故障案例筛选出来；S232将所述案例故障结论作为规则的故障结论；S233将筛选出来的所有故障案例中的案例故障征兆进行汇总作为规则的故障征兆；S234统计每一故障征兆在筛选出来的所有故障案例中出现的频次以确定所述故障征兆与所述故障结论的关联强度。

S3基于当前设备的故障征兆并结合故障规则库推理出当前设备的故障结论。

如图3所示，所述S3具体包括以下步骤S31故障征兆生成：通过设备状态监测算法自动分析设备运行数据以生成故障征兆；或通过离线数据分析工具分析设备运行数据以生成故障征兆；或通过离线监测手段对设备进行离线测量以生成故障征兆。

S32将设备生成的故障征兆通过故障推理算法与故障规则库中的每一条规则进行逐一匹配以得到可能的故障结论及匹配度。

S33故障结论生成：将匹配度大于预设门限或匹配度最高的预设数量的故障结论按匹配度从大到小的顺序进行排列并呈现给用户，作为后续采取行动的参考。

S34根据S33中每一所述故障结论中推荐的实验或数据分析建议进行相关操作以得到新的故障征兆。

S35将新的故障征兆与S31中生成的故障征兆结合以形成最终的故障征兆并再次通过故障推理算法与故障规则库中的每一条规则进行逐一匹配以得到可能的故障结论及匹配度，将匹配度最高的故障结论作为最终的故障结论。

S36通过最终的故障征兆或最终的故障结论在故障案例库中检索以得到相关的故障案例。检索故障案例库，得到与该故障推理相关的故障案例的列表。该检索过程可以通过两种方式分别或共同来实现：检索出故障案例中含有任一组合的输入故障征兆的案例；检索出故障案例中含有与某一可能故障结论的案例。同时，还可以通过输入关键词的模糊匹配查找，得到故障案例描述等项中与关键词相关的故障案例。通过相关的故障案例可以辅助解决当前设备的故障。

本申请方法的核心是故障规则匹配算法，该算法是通过将输入的故障征兆与故障规则库中的每一条故障规则的故障征兆进行匹配，进而得到可能的故障结论的匹配度。

在不考虑故障征兆关联度的情况下，待匹配的故障征兆与待匹配的规则的匹配度通过公式1）计算得到

其中，X为待匹配的故障征兆的集合，Y为待匹配的规则中的故障征兆的集合，

在考虑征兆关联度的情况下，待匹配的故障征兆与待匹配的规则的匹配度通过公式2）计算得到

其中，

本申请方法通过有序融合与设备、运行、故障等相关的各方面信息，同时结合数据分析与建模，来实现高效准确的故障诊断。这里融合的各方面信息包括，但不限于：基于设备机理建立的设备故障诊断规则，基于设备运行维护经验建立的设备故障诊断规则，设备运行维护中出现的故障案例信息，通过对设备在线运行数据分析得到的设备运行工况信息和设备异常征兆信息，通过对设备进行离线监测获取到的设备运行工况信息和设备异常征兆信息，通过对设备进行离线实验获取到的设备运行工况信息和设备异常征兆信息。

本申请方法能够提高对真正故障原因的判断的准确性，即在诊断出的可能故障结论中不遗漏掉真正的故障原因，同时，对真正的故障原因能够给出比较明确的提示；在使用过程中，能够实现更加高效的排故方式，即减少对人的经验的依赖，减少由于人的操作（如，对故障征兆描述的不一致）导致的故障推理困难或者推理不准确。

一种基于信息融合技术的设备故障诊断系统，包括故障案例库建立模块，故障规则库建立模块和当前设备故障检测模块。本申请需要离线建立或维护的故障案例库和故障规则库，以及在线运行的基于故障征兆推理出可能的故障结论。其中，离线建立的故障案例库和故障规则库是故障诊断的基础，是对故障诊断相关信息的融合处理、归纳总结；而故障推理是核心，利用建立的故障案例库和故障规则库，结合推理算法来得到可能的故障结论，进而指导后续的操作。

故障案例库建立模块用于将已发生的故障案例以案例基本信息、案例故障征兆和案例故障结论的方式进行存储以建立故障案例库；所述故障案例库包括若干故障案例，每一所述故障案例包括案例基本信息、案例故障征兆和案例故障结论。

所述故障案例库建立模块包括案例故障征兆管理单元和案例故障结论管理单元。案例故障征兆管理单元用于通过预先定义的故障征兆集合增加、删除、修改、查询案例故障征兆。案例故障结论管理单元用于通过预先定义的故障结论集合增加、删除、修改、查询案例故障结论。

为了避免人为录入案例故障征兆导致的相同故障征兆的不同描述，故障案例库中使用的案例故障征兆都是在一个预先定义的故障征兆集合中选取的。案例故障征兆管理功能就是对这个预定义的案例故障征兆集合进行管理，具体包括：新增案例故障征兆、删除已有案例故障征兆、修改已有案例故障征兆、查询已有案例故障征兆等等。另外，为了避免人为录入案例故障结论导致的相同故障结论的不同描述，故障案例库中使用的案例故障结论都是在一个预先定义的故障结论集合中选取的。案例故障结论管理功能就是对这个预定义的案例故障结论集合进行管理，具体包括：新增案例故障结论、删除已有案例故障结论、修改已有案例故障结论、查询已有案例故障结论等等。

故障规则库建立模块用于将获取的规则以故障征兆和故障结论的方式进行存储以建立故障规则库；所述故障规则库包括若干规则，每一所述规则由多个故障征兆和一个故障结论对应形成。

所述故障规则库建立模块包括故障征兆管理单元和故障结论管理单元。故障征兆管理单元用于通过预先定义的故障征兆集合增加、删除、修改、查询故障征兆。故障结论管理单元用于通过预先定义的故障结论集合增加、删除、修改、查询故障结论。

为了避免人为录入故障征兆导致的相同故障征兆的不同描述，故障规则库中使用的故障征兆都是在一个预先定义的故障征兆集合中选取的。故障征兆管理功能就是对这个预定义的故障征兆集合进行管理，具体包括：新增故障征兆、删除已有故障征兆、修改已有故障征兆、查询已有故障征兆等等。另外，为了避免人为录入故障结论导致的相同故障结论的不同描述，故障规则库中使用的故障结论都是在一个预先定义的故障结论集合中选取的。故障结论管理功能就是对这个预定义的故障结论集合进行管理，具体包括：新增故障结论、删除已有故障结论、修改已有故障结论、查询已有故障结论等等。

所述故障规则库建立模块还包括规则获取单元，用于基于设备机理获取规则、基于设备运行维护经验获取规则、将故障案例库中的故障案例转换成规则。

当前设备故障检测模块用于基于当前设备的故障征兆并结合故障规则库推理出当前设备的故障结论。所述当前设备故障检测模块包括故障征兆匹配单元和匹配度排序单元。故障征兆匹配单元用于将设备生成的故障征兆通过故障推理算法与故障规则库中的每一条规则进行逐一匹配以得到可能的故障结论及匹配度。匹配度排序单元用于将匹配度大于预设门限或匹配度最高的预设数量的故障结论按匹配度从大到小的顺序进行排列。

本发明的故障诊断系统可以将可能的故障结论以及相应的匹配度或优先级进行输出，避免遗漏可能的故障结论，又能让真正的故障结论以较明显的方式呈现给用户；本申请系统避免了过度依靠人的经验，降低了故障诊断的技术门槛；本申请系统采用了从预设的故障征兆库中选择征兆的方式，避免了人为的录入导致的对同一征兆的不同描述，降低了人为因素导致的故障推理困难；本申请还提供了案例到规则的转换机制，以及相关案例的检索机制，从而充分地利用了过往的故障案例中的有价值的信息。

上面所述的实施例仅是对本发明的优选实施方式进行描述，并非对本发明的构思和范围进行限定。在不脱离本发明设计构思的前提下，本领域普通人员对本发明的技术方案做出的各种变型和改进，均应落入到本发明的保护范围，本发明请求保护的技术内容，已经全部记载在权利要求书中。