當(dāng)前位置:首頁(yè) > 工業(yè)控制 > 《機(jī)電信息》
[導(dǎo)讀]摘要:隨著近年來(lái)大數(shù)據(jù)和人工智能的發(fā)展,把大數(shù)據(jù)分析技術(shù)與故障診斷相結(jié)合,通過(guò)大數(shù)據(jù)技術(shù)對(duì)機(jī)組的運(yùn)行數(shù)據(jù)進(jìn)行分析,結(jié)合專家的經(jīng)驗(yàn),開發(fā)一套基于大數(shù)據(jù)分析和故障診斷規(guī)則庫(kù)并擁有自主學(xué)習(xí)功能的智能分析與自動(dòng)診斷軟件成為可能,且有著非常廣闊的應(yīng)用前景。鑒于此,從設(shè)備數(shù)據(jù)精度不斷提高的角度,探討在高通量數(shù)據(jù)環(huán)境下的專家系統(tǒng)開發(fā)路線,為故障診斷的大數(shù)據(jù)分析技術(shù)提供了可借鑒的實(shí)例。

引言

旋轉(zhuǎn)機(jī)械遠(yuǎn)程在線診斷系統(tǒng)經(jīng)過(guò)十幾年的應(yīng)用已經(jīng)形成較為成熟的體系。但由于早期網(wǎng)絡(luò)帶寬相對(duì)較窄,原始數(shù)據(jù)需壓縮才能保證實(shí)時(shí)傳輸,僅能盡量保證主要故障頻率成分保留。隨著4G、5G等高速網(wǎng)絡(luò)技術(shù)的不斷應(yīng)用,原始數(shù)據(jù)的遠(yuǎn)程傳輸與分析成為可能。利用包含振動(dòng)信號(hào)非線性的異常細(xì)節(jié)特征,可以捕捉到更為精準(zhǔn)的設(shè)備故障早期萌芽狀態(tài),同時(shí),更大的數(shù)據(jù)量也對(duì)數(shù)據(jù)智能處理及其方法提出了更高的要求,僅憑傳統(tǒng)的人工方式進(jìn)行篩選與分析已遠(yuǎn)遠(yuǎn)無(wú)法滿足。

1常用工業(yè)大數(shù)據(jù)處理方法

設(shè)備運(yùn)行大數(shù)據(jù)處理,就是從海量的、模糊的、一般的數(shù)據(jù)中識(shí)別提取隱含在內(nèi)需要人為分析查看分辨的信息。利用透平旋轉(zhuǎn)設(shè)備運(yùn)行狀態(tài)數(shù)據(jù),基于知識(shí)圖譜,可以對(duì)設(shè)備故障現(xiàn)象與振動(dòng)數(shù)據(jù)的數(shù)值特征建立對(duì)應(yīng)管理,固化為診斷規(guī)則存入決策機(jī)中,設(shè)備運(yùn)行時(shí)一旦再次出現(xiàn)相應(yīng)特征數(shù)據(jù)或在其閾值區(qū)間內(nèi),則會(huì)產(chǎn)生故障的預(yù)警,從而實(shí)現(xiàn)計(jì)算機(jī)對(duì)故障的主動(dòng)識(shí)別與判斷。

1.1優(yōu)化算法

大數(shù)據(jù)分析中常采用各類優(yōu)化算法進(jìn)行數(shù)據(jù)與模型的處理,如采用隨機(jī)梯度下降)stochasticGradientDescent)進(jìn)行算法模型的優(yōu)化。該方法將隨機(jī)與優(yōu)化相結(jié)合,屬于梯度下降法的一種,適用于數(shù)據(jù)量較大且分散度大的問(wèn)題。對(duì)每個(gè)優(yōu)化問(wèn)題定義一個(gè)目標(biāo)函數(shù)f(w),梯度下降就是采用迭代的策略,從初始點(diǎn)w1開始,每一輪迭代沿著目標(biāo)函數(shù)在當(dāng)前點(diǎn)的負(fù)梯度方向增長(zhǎng)特定的步長(zhǎng),直至最終下降到預(yù)設(shè)值,得到最優(yōu)解w。

1.2分類模型

隨機(jī)森林是一個(gè)包含多個(gè)決策樹的分類器,其基本思想是訓(xùn)練多個(gè)決策樹,每個(gè)決策樹基于有放回抽樣的方式隨機(jī)形成的一組訓(xùn)練集)bootstrap取樣),用未抽到的樣本作預(yù)測(cè),進(jìn)行誤差評(píng)估。對(duì)每個(gè)決策樹的節(jié)點(diǎn),隨機(jī)選擇若干個(gè)基于此節(jié)點(diǎn)的特征,根據(jù)這些數(shù)據(jù)特征,計(jì)算最佳的分裂方式。這樣,每棵決策樹都會(huì)完整生長(zhǎng)而不會(huì)出現(xiàn)剪枝)pruning)。這種方法的優(yōu)點(diǎn)在于:對(duì)于大量資料信息,可以產(chǎn)生高精確度的分類器,同時(shí)可以處理大量的數(shù)據(jù)。

1.3流形學(xué)習(xí)

流形學(xué)習(xí)的本質(zhì)是從高維采樣數(shù)據(jù)中恢復(fù)出低維流形的結(jié)構(gòu),即找到高維空間中的低維流形,求出相應(yīng)的嵌入映射,實(shí)現(xiàn)維數(shù)的約簡(jiǎn)或者數(shù)據(jù)可視化。流形學(xué)習(xí)從觀測(cè)到的現(xiàn)象中尋找事實(shí)的本質(zhì)描述,發(fā)現(xiàn)數(shù)據(jù)的內(nèi)在規(guī)律。

1.4無(wú)參模型

傳統(tǒng)型數(shù)據(jù)挖掘模型一般都屬于有參模型,即模型中包含待定參數(shù)的函數(shù)形式。但對(duì)工業(yè)大數(shù)據(jù)而言,不設(shè)定參數(shù)的統(tǒng)計(jì)分析(無(wú)參分析,Non二parametricstatistics)會(huì)更有利于發(fā)現(xiàn)小概率的特殊事件。無(wú)參模型更加適用于海量數(shù)據(jù)母群體分布情況不明確的數(shù)據(jù)樣本,無(wú)參模型的特點(diǎn)在于減少或不更改建立的模型,具有一定的穩(wěn)健性。

2大數(shù)據(jù)人工智能算法的構(gòu)建

對(duì)于透平設(shè)備的故障大數(shù)據(jù)分析,僅采用單一的算法無(wú)法滿足不同階段的數(shù)據(jù)識(shí)別、統(tǒng)計(jì)及篩選需求。在機(jī)組調(diào)試及初始運(yùn)行階段,沒有標(biāo)定的故障數(shù)據(jù),宜采用無(wú)參算法進(jìn)行數(shù)據(jù)的分類與篩選,后期可采用隨機(jī)森林等決策樹輔助進(jìn)行規(guī)則診斷。在設(shè)計(jì)搭建設(shè)備健康大數(shù)據(jù)平臺(tái)實(shí)現(xiàn)數(shù)據(jù)挖掘及自動(dòng)診斷過(guò)程中,主要采用以下開發(fā)路線:

第一步,開發(fā)一套對(duì)機(jī)組運(yùn)行數(shù)據(jù)的自適應(yīng)監(jiān)測(cè)機(jī)制,能夠自動(dòng)對(duì)采集到的數(shù)據(jù)進(jìn)行無(wú)監(jiān)督學(xué)習(xí),從數(shù)據(jù)本身的特征對(duì)設(shè)備運(yùn)行是否平穩(wěn)、波動(dòng)大小、趨勢(shì)變化、數(shù)據(jù)真?zhèn)?、干擾信號(hào)、振動(dòng)與工藝參數(shù)的關(guān)聯(lián)關(guān)系等作出判斷與篩選標(biāo)定。

第二步,依據(jù)故障原理和專家經(jīng)驗(yàn),將異常數(shù)據(jù)識(shí)別規(guī)則與大數(shù)據(jù)自學(xué)習(xí)得到的特征相結(jié)合,構(gòu)建多個(gè)動(dòng)態(tài)決策樹,應(yīng)用隨機(jī)森林算法,實(shí)時(shí)對(duì)數(shù)據(jù)進(jìn)行進(jìn)一步的聚類與細(xì)分。

第三步,開發(fā)故障規(guī)則庫(kù)。根據(jù)機(jī)組自身結(jié)構(gòu)參數(shù)、運(yùn)行區(qū)域范圍與歷史運(yùn)行數(shù)據(jù),采用機(jī)理模型仿真的方式補(bǔ)充完整故障數(shù)據(jù)空間,窮舉機(jī)組可能發(fā)生的故障類型,對(duì)這些故障類型進(jìn)行定量描述)提取其典型數(shù)據(jù)特征),構(gòu)建故障數(shù)據(jù)分類器。

第四步,對(duì)每類故障進(jìn)行影響因素分析,即故障追溯研究,充分挖掘產(chǎn)生故障的各類關(guān)鍵影響因素,并根據(jù)影響因素關(guān)聯(lián)相關(guān)數(shù)據(jù)庫(kù)。

第五步,提取數(shù)據(jù)庫(kù)中各類故障對(duì)應(yīng)的每項(xiàng)數(shù)據(jù),構(gòu)建故障診斷模型,包括基于振動(dòng)和工藝參數(shù)數(shù)值構(gòu)建的數(shù)據(jù)分析模型、基于自適應(yīng)包絡(luò)分析算法的圖譜識(shí)別模型等,并結(jié)合第一步建立的每類故障的規(guī)則庫(kù)和知識(shí)圖譜進(jìn)行故障的診斷。

第六步,對(duì)故障進(jìn)行統(tǒng)計(jì)與分布分析,并進(jìn)行可視化展示,提供故障的解決措施,并為領(lǐng)導(dǎo)及管理層提供決策支持。

3應(yīng)用效果

構(gòu)建了陜鼓智能診斷系統(tǒng)平臺(tái),對(duì)在線的300余套機(jī)組進(jìn)行定期的數(shù)據(jù)監(jiān)測(cè)與分析,篩選出異常數(shù)據(jù)機(jī)組,并給出推測(cè)的診斷結(jié)果,如圖1所示。從200個(gè)典型故障測(cè)試用例結(jié)果統(tǒng)計(jì),準(zhǔn)確率達(dá)到85%以上。

圖1  陜鼓智能診斷系統(tǒng)診斷結(jié)果界面

4結(jié)語(yǔ)

隨著工業(yè)互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展,工業(yè)數(shù)據(jù)體量將越來(lái)越龐大,傳統(tǒng)的監(jiān)測(cè)與診斷方法將逐步被基于人工智能的數(shù)據(jù)挖掘技術(shù)所替代。本文通過(guò)研發(fā)高通量數(shù)據(jù)專家診斷系統(tǒng),闡述了在工業(yè)大數(shù)據(jù)環(huán)境下專家診斷系統(tǒng)的開發(fā)路線,為工業(yè)互聯(lián)網(wǎng)的應(yīng)用落地提供了借鑒思路。

本站聲明: 本文章由作者或相關(guān)機(jī)構(gòu)授權(quán)發(fā)布,目的在于傳遞更多信息,并不代表本站贊同其觀點(diǎn),本站亦不保證或承諾內(nèi)容真實(shí)性等。需要轉(zhuǎn)載請(qǐng)聯(lián)系該專欄作者,如若文章內(nèi)容侵犯您的權(quán)益,請(qǐng)及時(shí)聯(lián)系本站刪除。
換一批
延伸閱讀

9月2日消息,不造車的華為或?qū)⒋呱龈蟮莫?dú)角獸公司,隨著阿維塔和賽力斯的入局,華為引望愈發(fā)顯得引人矚目。

關(guān)鍵字: 阿維塔 塞力斯 華為

倫敦2024年8月29日 /美通社/ -- 英國(guó)汽車技術(shù)公司SODA.Auto推出其旗艦產(chǎn)品SODA V,這是全球首款涵蓋汽車工程師從創(chuàng)意到認(rèn)證的所有需求的工具,可用于創(chuàng)建軟件定義汽車。 SODA V工具的開發(fā)耗時(shí)1.5...

關(guān)鍵字: 汽車 人工智能 智能驅(qū)動(dòng) BSP

北京2024年8月28日 /美通社/ -- 越來(lái)越多用戶希望企業(yè)業(yè)務(wù)能7×24不間斷運(yùn)行,同時(shí)企業(yè)卻面臨越來(lái)越多業(yè)務(wù)中斷的風(fēng)險(xiǎn),如企業(yè)系統(tǒng)復(fù)雜性的增加,頻繁的功能更新和發(fā)布等。如何確保業(yè)務(wù)連續(xù)性,提升韌性,成...

關(guān)鍵字: 亞馬遜 解密 控制平面 BSP

8月30日消息,據(jù)媒體報(bào)道,騰訊和網(wǎng)易近期正在縮減他們對(duì)日本游戲市場(chǎng)的投資。

關(guān)鍵字: 騰訊 編碼器 CPU

8月28日消息,今天上午,2024中國(guó)國(guó)際大數(shù)據(jù)產(chǎn)業(yè)博覽會(huì)開幕式在貴陽(yáng)舉行,華為董事、質(zhì)量流程IT總裁陶景文發(fā)表了演講。

關(guān)鍵字: 華為 12nm EDA 半導(dǎo)體

8月28日消息,在2024中國(guó)國(guó)際大數(shù)據(jù)產(chǎn)業(yè)博覽會(huì)上,華為常務(wù)董事、華為云CEO張平安發(fā)表演講稱,數(shù)字世界的話語(yǔ)權(quán)最終是由生態(tài)的繁榮決定的。

關(guān)鍵字: 華為 12nm 手機(jī) 衛(wèi)星通信

要點(diǎn): 有效應(yīng)對(duì)環(huán)境變化,經(jīng)營(yíng)業(yè)績(jī)穩(wěn)中有升 落實(shí)提質(zhì)增效舉措,毛利潤(rùn)率延續(xù)升勢(shì) 戰(zhàn)略布局成效顯著,戰(zhàn)新業(yè)務(wù)引領(lǐng)增長(zhǎng) 以科技創(chuàng)新為引領(lǐng),提升企業(yè)核心競(jìng)爭(zhēng)力 堅(jiān)持高質(zhì)量發(fā)展策略,塑強(qiáng)核心競(jìng)爭(zhēng)優(yōu)勢(shì)...

關(guān)鍵字: 通信 BSP 電信運(yùn)營(yíng)商 數(shù)字經(jīng)濟(jì)

北京2024年8月27日 /美通社/ -- 8月21日,由中央廣播電視總臺(tái)與中國(guó)電影電視技術(shù)學(xué)會(huì)聯(lián)合牽頭組建的NVI技術(shù)創(chuàng)新聯(lián)盟在BIRTV2024超高清全產(chǎn)業(yè)鏈發(fā)展研討會(huì)上宣布正式成立。 活動(dòng)現(xiàn)場(chǎng) NVI技術(shù)創(chuàng)新聯(lián)...

關(guān)鍵字: VI 傳輸協(xié)議 音頻 BSP

北京2024年8月27日 /美通社/ -- 在8月23日舉辦的2024年長(zhǎng)三角生態(tài)綠色一體化發(fā)展示范區(qū)聯(lián)合招商會(huì)上,軟通動(dòng)力信息技術(shù)(集團(tuán))股份有限公司(以下簡(jiǎn)稱"軟通動(dòng)力")與長(zhǎng)三角投資(上海)有限...

關(guān)鍵字: BSP 信息技術(shù)
關(guān)閉