本發(fā)明涉及氣動(dòng)調(diào)節(jié)閥在線監(jiān)測(cè)，具體為一種氣動(dòng)調(diào)節(jié)閥的實(shí)時(shí)在線監(jiān)測(cè)方法。

背景技術(shù)：

1、氣動(dòng)調(diào)節(jié)閥是一種通過(guò)壓縮空氣驅(qū)動(dòng)，調(diào)節(jié)流體的流量、壓力、溫度或者液位的自動(dòng)化控制裝置，其原理為通過(guò)氣動(dòng)執(zhí)行機(jī)構(gòu)接收控制系統(tǒng)的氣動(dòng)信號(hào)，驅(qū)動(dòng)閥芯在閥體內(nèi)移動(dòng)或旋轉(zhuǎn)，改變閥門(mén)的開(kāi)度，從而控制流體的流通。氣動(dòng)調(diào)節(jié)閥因其反應(yīng)快速、精度高、惡劣環(huán)境適應(yīng)性好等優(yōu)點(diǎn)，廣泛應(yīng)用于石油、化工電力、食品以及制藥等行業(yè)，用于實(shí)現(xiàn)生產(chǎn)過(guò)程控制中的精確調(diào)節(jié)。

2、對(duì)氣動(dòng)調(diào)節(jié)閥進(jìn)行實(shí)時(shí)監(jiān)測(cè)能夠及時(shí)發(fā)現(xiàn)潛在的故障問(wèn)題，避免突發(fā)事故，減少停機(jī)時(shí)間和降低維護(hù)成本。同時(shí)，實(shí)時(shí)監(jiān)測(cè)有助于精確控制閥門(mén)的運(yùn)行狀態(tài)，延長(zhǎng)氣動(dòng)調(diào)節(jié)閥設(shè)備壽命?，F(xiàn)有技術(shù)主要通過(guò)傳感器采集關(guān)鍵運(yùn)行參數(shù)，并采用信號(hào)處理技術(shù)和機(jī)器學(xué)習(xí)方法對(duì)數(shù)據(jù)進(jìn)行分析，以實(shí)現(xiàn)對(duì)氣動(dòng)調(diào)節(jié)閥的實(shí)時(shí)監(jiān)測(cè)。這種方式能夠?qū)鈩?dòng)調(diào)節(jié)閥的運(yùn)行狀態(tài)進(jìn)行連續(xù)監(jiān)測(cè)，并實(shí)現(xiàn)較高的故障診斷精度和較低的漏診率，但仍存在一些不足之處。

3、現(xiàn)有技術(shù)通常針對(duì)特定類型的調(diào)節(jié)閥或者針對(duì)的單一故障模式，通過(guò)將采集數(shù)據(jù)集成至中央處理終端進(jìn)行處理和分析，進(jìn)行故障的檢測(cè)和識(shí)別。而在實(shí)際的氣動(dòng)調(diào)節(jié)閥應(yīng)用場(chǎng)景中，通常為多類型調(diào)節(jié)閥綜合使用和多種類型故障并發(fā)的情況。在這種復(fù)雜工況下，現(xiàn)有技術(shù)在實(shí)時(shí)監(jiān)測(cè)時(shí)的數(shù)據(jù)計(jì)算復(fù)雜度增大，處理難度上升。這些問(wèn)題導(dǎo)致氣動(dòng)調(diào)節(jié)閥實(shí)時(shí)監(jiān)測(cè)的準(zhǔn)確性、魯棒性和實(shí)時(shí)性仍然有待提升。

4、為此，提出一種氣動(dòng)調(diào)節(jié)閥的實(shí)時(shí)在線監(jiān)測(cè)方法。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供一種氣動(dòng)調(diào)節(jié)閥的實(shí)時(shí)在線監(jiān)測(cè)方法，首先采集氣動(dòng)調(diào)節(jié)閥運(yùn)行數(shù)據(jù)，傳輸至邊緣計(jì)算節(jié)點(diǎn)進(jìn)行預(yù)處理和輕量化處理后生成頻譜數(shù)據(jù)。接著，對(duì)頻譜數(shù)據(jù)進(jìn)行特征計(jì)算，提取特征數(shù)據(jù)并壓縮。在中央節(jié)點(diǎn)對(duì)特征數(shù)據(jù)進(jìn)行多源數(shù)據(jù)融合與降維生成主成分融合特征。然后對(duì)融合特征進(jìn)行關(guān)鍵特征提取，生成故障特征集用于獲取故障識(shí)別模型，并實(shí)施自適應(yīng)模型更新機(jī)制，對(duì)故障識(shí)別模型進(jìn)行調(diào)整和更新；最后，基于氣動(dòng)調(diào)節(jié)閥歷史運(yùn)行數(shù)據(jù)結(jié)合深度學(xué)習(xí)方法對(duì)故障識(shí)別模型進(jìn)行訓(xùn)練和優(yōu)化，提升多故障識(shí)別能力。本發(fā)明通過(guò)邊緣輕量化數(shù)據(jù)處理結(jié)合深度學(xué)習(xí)，提高了氣動(dòng)調(diào)節(jié)閥實(shí)時(shí)監(jiān)測(cè)的準(zhǔn)確性、魯棒性和實(shí)時(shí)性。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供一種氣動(dòng)調(diào)節(jié)閥的實(shí)時(shí)在線監(jiān)測(cè)方法，包括：

3、采集氣動(dòng)調(diào)節(jié)閥運(yùn)行過(guò)程中的實(shí)時(shí)信號(hào)數(shù)據(jù)，傳輸至邊緣計(jì)算節(jié)點(diǎn)進(jìn)行處理；所述實(shí)時(shí)信號(hào)數(shù)據(jù)包括氣室壓力數(shù)據(jù)、閥桿位移數(shù)據(jù)、溫度數(shù)據(jù)和振動(dòng)數(shù)據(jù)；

4、對(duì)所述實(shí)時(shí)信號(hào)數(shù)據(jù)進(jìn)行預(yù)處理和輕量化處理，生成調(diào)節(jié)閥頻譜數(shù)據(jù)；

5、通過(guò)特征計(jì)算提取所述調(diào)節(jié)閥頻譜數(shù)據(jù)中的關(guān)鍵頻率分量，生成調(diào)節(jié)閥特征數(shù)據(jù)，并傳輸至中央計(jì)算節(jié)點(diǎn)；

6、將所述調(diào)節(jié)閥特征數(shù)據(jù)進(jìn)行主成分提取并降維，得到主成分特征；

7、對(duì)所述主成分特征進(jìn)行多源數(shù)據(jù)融合生成主成分融合特征；

8、對(duì)所述融合特征進(jìn)行分析與關(guān)鍵特征提取，生成調(diào)節(jié)閥故障特征集；

9、采用隨機(jī)森林模型對(duì)調(diào)節(jié)閥故障特征集進(jìn)行分類和識(shí)別，得到故障識(shí)別結(jié)果；

10、采用自適應(yīng)模型更新機(jī)制，對(duì)所述隨機(jī)森林模型進(jìn)行調(diào)整和更新；

11、采集氣動(dòng)調(diào)節(jié)閥的歷史運(yùn)行數(shù)據(jù)和所述故障識(shí)別結(jié)果，對(duì)所述隨機(jī)森林模型進(jìn)行擴(kuò)展訓(xùn)練和優(yōu)化，獲得多故障識(shí)別模型。

12、進(jìn)一步地，所述預(yù)處理包括低通濾波、基線校正和異常值過(guò)濾；

13、xfinal(t)＝foutlier(fbase(ffilt(x(t))))；

14、其中，x(t)為t時(shí)刻的信號(hào)數(shù)據(jù)，xfinal(t)為預(yù)處理后的數(shù)據(jù)信號(hào)，ffilt(·)為低通濾波操作，fbase(·)為基線校正操作，foutlier(·)為異常值檢測(cè)過(guò)濾操作。

15、進(jìn)一步地，所述調(diào)節(jié)閥頻譜數(shù)據(jù)的生成過(guò)程通過(guò)傅里葉變換完成；

16、對(duì)預(yù)處理后的數(shù)據(jù)信號(hào)，通過(guò)快速傅里葉變換轉(zhuǎn)換為頻率域信號(hào)，生成所述調(diào)節(jié)閥頻譜數(shù)據(jù)；所述頻率域信號(hào)的轉(zhuǎn)換公式為：

17、

18、其中，x(f)為所述調(diào)節(jié)閥頻譜數(shù)據(jù)，j為虛數(shù)單位，f為頻率分量，xfinal(i)為預(yù)處理后的數(shù)據(jù)信號(hào)，n為數(shù)據(jù)點(diǎn)總數(shù)。

19、進(jìn)一步地，對(duì)所述調(diào)節(jié)閥頻譜數(shù)據(jù)進(jìn)行特征計(jì)算，包括特征提取、實(shí)時(shí)分析與壓縮；

20、通過(guò)fmax＝argmaxf|x(f)|從所述調(diào)節(jié)閥頻譜數(shù)據(jù)中提取最高幅值對(duì)應(yīng)的最大頻率fmax；通過(guò)psd(f)＝|x(f)|2/n計(jì)算所述調(diào)節(jié)閥頻譜數(shù)據(jù)的功率譜密度psd(f)；通過(guò)計(jì)算所述調(diào)節(jié)閥頻譜數(shù)據(jù)的均方根值rms；

21、對(duì)最大頻率fmax和均方根值rms進(jìn)行異常監(jiān)測(cè)，當(dāng)檢測(cè)到的特征值超出正常范圍時(shí)，標(biāo)記為異常；

22、將最大頻率、均方根值和功率譜密度采用函數(shù)xedge＝compress(fmax,psd(f),rms)進(jìn)行壓縮，得到調(diào)節(jié)閥特征數(shù)據(jù)；將所述調(diào)節(jié)閥特征數(shù)據(jù)傳輸至中央計(jì)算節(jié)點(diǎn)進(jìn)行處理。

23、進(jìn)一步地，所述多源數(shù)據(jù)融合的步驟包括主成分分析和加權(quán)融合；

24、將來(lái)自不同邊緣計(jì)算節(jié)點(diǎn)的所述調(diào)節(jié)閥特征數(shù)據(jù)使用主成分分析法進(jìn)行降維，生成主成分特征；

25、z＝a·[pedge(f),dedge(f),tedge(f),aedge(f)]

26、其中，z為主成分特征，a為主成分分析的特征向量矩陣，pedge(f)、dedge(f)、tedge(f)和aedge(f)分別為壓力、位移、溫度和振動(dòng)的特征數(shù)據(jù)；

27、將所述主成分特征依照權(quán)重進(jìn)行加權(quán)融合，生成主成分融合特征；

28、f＝ωp·zp+ωd·zd+ωt·zt+ωa·za；

29、其中，zp、zd、zt和za分別為壓力、位移、溫度和振動(dòng)的主成分特征，ωp、ωd、ωt和ωa分別為對(duì)應(yīng)主成分特征的權(quán)重。

30、進(jìn)一步地，所述故障特征集的獲取步驟為：

31、對(duì)融合特征進(jìn)行分析，通過(guò)ffault＝e(f)提取與故障相關(guān)的關(guān)鍵特征并生成故障特征集ffault，其中e(·)為特征提取函數(shù)。

32、進(jìn)一步地，所述故障識(shí)別模型的獲取步驟包括；

33、采用隨機(jī)森林cfault＝rf(ffault)對(duì)故障特征集進(jìn)行分類，輸出故障識(shí)別結(jié)果；cfault為故障識(shí)別結(jié)果，rf(·)為隨機(jī)森林模型。

34、進(jìn)一步地，所述自適應(yīng)更新機(jī)制的步驟為；

35、計(jì)算所述故障識(shí)別結(jié)果與真實(shí)故障類型的差異確定自適應(yīng)機(jī)制觸發(fā)條件；

36、采集氣動(dòng)調(diào)節(jié)閥的最新運(yùn)行數(shù)據(jù)生成實(shí)時(shí)故障特征集；

37、根據(jù)實(shí)時(shí)故障特征集采用自適應(yīng)在線學(xué)習(xí)算法對(duì)所述隨機(jī)森林模型的參數(shù)進(jìn)行更新。

38、θrf,new＝θrf,ori-ηrf·δθrfφ(fnew,,cfault)；

39、其中，θrf,ori和θrf,new分別為更新前和更新后的隨機(jī)森林模型參數(shù)；ηrf為學(xué)習(xí)率，φ(fnew,,cfault)為損失函數(shù)，δθrf為損失函數(shù)的變化率，fnew,為實(shí)時(shí)故障特征集。

40、進(jìn)一步地，所述多故障識(shí)別模型的訓(xùn)練過(guò)程為：

41、采集氣動(dòng)調(diào)節(jié)閥歷史數(shù)據(jù)，包括歷史特征數(shù)據(jù)與對(duì)應(yīng)的所述故障識(shí)別結(jié)果。

42、對(duì)所述隨機(jī)森林模型進(jìn)行擴(kuò)展訓(xùn)練，提取歷史特征數(shù)據(jù)與故障識(shí)別結(jié)果之間的關(guān)聯(lián)特征；

43、

44、其中，dnnmulti為所述關(guān)聯(lián)特征，fc(·)為三層卷積操作，x'history(m)為第m個(gè)歷史特征，chistory(p)為第p個(gè)的故障識(shí)別結(jié)果。

45、所述擴(kuò)展訓(xùn)練過(guò)程包括：

46、將所述歷史特征數(shù)據(jù)與對(duì)應(yīng)的所述故障識(shí)別結(jié)果輸入至一個(gè)三層卷積層中，提取故障關(guān)聯(lián)特征，輸出第一關(guān)聯(lián)特征圖；

47、采用最大池化對(duì)故障關(guān)聯(lián)特征進(jìn)行降維，減少所述第一關(guān)聯(lián)特征圖的尺寸并保留重要信息，輸出第二關(guān)聯(lián)特征圖；

48、將第二關(guān)聯(lián)特征圖展開(kāi)為向量，并提取故障關(guān)聯(lián)全局特征；

49、通過(guò)softmax激活函數(shù)，將所述故障關(guān)聯(lián)全局特征轉(zhuǎn)換為故障類型的概率分布，獲取所述關(guān)聯(lián)特征；

50、通過(guò)所述關(guān)聯(lián)特征，對(duì)所述隨機(jī)森林模型進(jìn)行調(diào)整，獲取多故障識(shí)別模型；

51、進(jìn)一步地，所述多故障識(shí)別模型的優(yōu)化過(guò)程為：

52、采集氣動(dòng)調(diào)節(jié)閥最新運(yùn)行數(shù)據(jù)，采用所述多故障識(shí)別模型得到多故障識(shí)別結(jié)果；

53、實(shí)時(shí)計(jì)算所述多故障識(shí)別結(jié)果和真實(shí)多故障類型之間的差異，根據(jù)差異對(duì)所述多故障識(shí)別模型進(jìn)行優(yōu)化與調(diào)整；

54、

55、其中，為多故障識(shí)別初步模型的參數(shù)，ηrf為學(xué)習(xí)率，φ(ftrain,cmulti)為損失函數(shù)，為損失函數(shù)的變化率，ftrain為歷史運(yùn)行數(shù)據(jù)的故障特征集，cmulti為歷史運(yùn)行數(shù)據(jù)對(duì)應(yīng)的真實(shí)多故障類型。

56、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果為：

57、1、本發(fā)明首先對(duì)氣動(dòng)調(diào)節(jié)閥運(yùn)行數(shù)據(jù)進(jìn)行預(yù)處理，通過(guò)快速傅里葉變換將預(yù)處理后的時(shí)間域信號(hào)轉(zhuǎn)換為頻率域信號(hào)，生成調(diào)節(jié)閥頻譜數(shù)據(jù)，并從中提取關(guān)鍵的頻率分量。本方法通過(guò)這一步驟，將復(fù)雜的時(shí)間域信號(hào)被轉(zhuǎn)換為更易分析的頻率域信號(hào)，提取了反映調(diào)節(jié)閥運(yùn)行狀態(tài)的關(guān)鍵頻率信息，解決了現(xiàn)有技術(shù)中時(shí)間域信號(hào)分析計(jì)算復(fù)雜度高的問(wèn)題，為提升氣動(dòng)調(diào)節(jié)閥在線監(jiān)測(cè)的實(shí)時(shí)性和準(zhǔn)確性提供了數(shù)據(jù)支持。

58、2、本發(fā)明將數(shù)據(jù)特征提取任務(wù)轉(zhuǎn)移至邊緣計(jì)算節(jié)點(diǎn)，通過(guò)提取出關(guān)鍵特征數(shù)據(jù)并實(shí)時(shí)分析與監(jiān)測(cè)，對(duì)異常特征進(jìn)行檢測(cè)并標(biāo)記異常值。關(guān)鍵特征數(shù)據(jù)經(jīng)過(guò)壓縮和降維處理后，通過(guò)多源數(shù)據(jù)融合生成主成分融合特征。本方法解決了現(xiàn)有技術(shù)集中處理數(shù)據(jù)時(shí)的計(jì)算符合問(wèn)題，提高了數(shù)據(jù)處理效率。同時(shí)多源數(shù)據(jù)融合簡(jiǎn)化了數(shù)據(jù)結(jié)構(gòu)，增強(qiáng)了對(duì)多源信息的處理和故障檢測(cè)能力，提升了氣動(dòng)調(diào)節(jié)閥在線監(jiān)測(cè)的魯棒性與實(shí)時(shí)性。

59、3、本發(fā)明通過(guò)從主成分融合特征中提取故障相關(guān)的關(guān)鍵特征生成故障特征集；隨后采用隨機(jī)森林模型對(duì)故障特征集進(jìn)行分類識(shí)別，獲取故障識(shí)別結(jié)果；再通過(guò)自適應(yīng)機(jī)制實(shí)時(shí)調(diào)整模型參數(shù)，并基于歷史運(yùn)行數(shù)據(jù)和故障識(shí)別結(jié)果，對(duì)優(yōu)化后的隨機(jī)森林模型進(jìn)行擴(kuò)展訓(xùn)練，最終通過(guò)交叉熵?fù)p失函數(shù)進(jìn)行調(diào)整優(yōu)化，獲取多故障識(shí)別模型。本方法通過(guò)結(jié)合故障特征提取與隨機(jī)森林分類，解決了現(xiàn)有技術(shù)難以識(shí)別并發(fā)故障的問(wèn)題。通過(guò)綜合運(yùn)用自適應(yīng)更新與深度學(xué)習(xí)訓(xùn)練，綜合提升了氣動(dòng)調(diào)節(jié)閥實(shí)時(shí)監(jiān)測(cè)的準(zhǔn)確性。