发明名称 |
一种精确诊断与预测风洞设备故障的方法 |
摘要 |
本发明公开了一种精确诊断与预测风洞设备故障的方法,该方法首先需要收集风洞试验时各设备其状态监测点的正常工况数据、历史故障数据,建立风洞设备状态数据库。然后,利用神经网络原理结合已有状态数据库分别搭建风洞设备故障神经网络诊断模型与预测模型。解决了传统的人工无法对设备即将出现的故障进行预测、人工分析判断时工作量大、耗时较长、故障诊断准确率受人员能力、经验的影响而无法保证、设备隐蔽故障难以被及时发现,从而导致设备带故障运行,容易引起试验数据报废,情况严重的话甚至可能会导致风洞试验失控,给国家财产和人身安全带来伤害的一系列问题。 |
申请公布号 |
CN105095963A |
申请公布日期 |
2015.11.25 |
申请号 |
CN201510504073.9 |
申请日期 |
2015.08.17 |
申请人 |
中国空气动力研究与发展中心高速空气动力研究所 |
发明人 |
张鹏;杨兴锐;谢艳;张林;魏志;孙宁;金志伟;蒋鸿;殷造林;曹宇晴;李燕君 |
分类号 |
G06N3/02(2006.01)I;G06F17/30(2006.01)I;G06Q10/04(2012.01)I |
主分类号 |
G06N3/02(2006.01)I |
代理机构 |
成都九鼎天元知识产权代理有限公司 51214 |
代理人 |
沈强 |
主权项 |
一种精确诊断与预测风洞设备故障的方法,其特征在于包括以下步骤:步骤一:选择能表征风洞设备工作状态的一项或多项已知的特征参数;步骤二:统计风洞待诊断设备的具有表征意义的若干个特征参数的正常工况数据和历史故障数据,根据已知数据,对设备状态进行分类,得到设备状态分类结果,并建立设备相应数据对应的状态数据库;步骤三:以正常工况数据、历史故障数据作为概率神经网络的训练输入,以状态数据库内相应的设备状态分类结果作为网络训练输出,搭建并训练概率神经网络设备故障诊断分类模型;步骤四:从状态数据库内的正常工况数据、历史故障数据中取出待预测设备在若干个时刻的特征参数的数据作为BP神经网络的训练样本数据;利用BP神经网络对预测模型进行训练,把特征参数数据分成若干组,每组的最后一个值作为神经网络输出的目标值,其他的值作为神经网络的样本输入,训练并建立基于BP神经网络的特征参数预测模型;步骤五:判断设备在某时刻的状态,采集其若干个表征参数监测值在此时刻的实时数据;将当前数据作为概率网络故障诊断分类模型的输入元,则网络的输出即为此时刻设备故障的诊断结果;步骤六:系统根据诊断结果作出设备状态提示或报警。 |
地址 |
621000 四川省绵阳市211信箱 |