一种基于进化计算诊断压缩机故障的方法

摘要

本发明公开了一种基于进化计算诊断压缩机故障的方法，通过采集获取压缩机工作状态数据，并以每一个观测点作为“节点”，实际压缩机物理所产生观测点之间的联系作为“关系”，对测量数据建立加权无向图G(V，A)，以关系图的方式取代传统的欧氏距离方法来度量故障数据点之间距离，将压缩机故障数据转换为对加权无向图G的分割问题，采用帕累托(Pareto Principle)原则构造图分割代价函数，并设计了基于复杂系统理论的改进的进化计算图分割算法对关系图进行分割，通过对代价函数最优化求解实现压缩机故障数据的聚类/分类，以达到故障诊断的目的。

主权项

1.一种基于进化计算诊断压缩机故障的方法，其特征在于，包括下述步骤：1)在压缩机各级缸进气口、排气口安装温度、压力传感器，由数据采集卡采集数据到计算机；2)根据实际压缩机物理结构以及各个传感器安装具体位置构建测量数据关系图，以传感器作为关系图的“节点”，以实际压缩机物理结构所产生传感器之间的联系作为“关系”，数据样本空间X就可以表示成加权无向图G(V，A)，其中，V是图的顶点，A是加权边；3)采用帕累托原则构造图分割代价函数，其具体描述如下式所示：$\cos t=\frac{1}{k}\underset{i=1}{\overset{k}{\Sigma }}\underset{j=1,i\ne j}{\overset{k}{\Sigma }}\frac{f_i^c+f_j^c}{\left|\right|c_i,c_j\left|\right|}$$f_i^c=\underset{j=1}{\overset{n_i}{\Sigma }}\left|\right|x_j,c_i\left|\right|/\sqrt{n_i}$式中：k为分类数目，c_i为各个子图中心点，为图的紧密度量度，n_i为子图内数据点数目，x_j为数据点。4)构建基于复杂系统理论的进化计算图分割算法，首先，用反映复杂系统能量分布的幂次法则改造选择算子；其次，设计具有自学习特性的环境-基因双演化交叉算子；再次，采用反馈机理改进更新策略，提出一种自适应的更新策略算子；最后，提出基因漂流算子并用于进化算法中；以上各算子在进行进化计算过程中相互平衡、相互制约，以提高算法的效率及防止早熟；5)初始化：设定基于复杂系统理论的进化计算图分割算法终止条件，设置算法运行参数；6)算法终止条件判断：当满足终止条件就结束算法，执行第8)步，否则，执行第7)步；7)采用基于复杂系统理论的进化计算算法对数据关系图进行分割，返回6)；8)根据数据关系图分割结果，判断压缩机的工作状态，并作出故障诊断。