首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

增量式制冷压缩机故障诊断方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:恒华数字科技集团有限公司

摘要:一种增量式制冷压缩机故障诊断方法,步骤包括:建立元模型、获取元模型的参数值、进行一级模型评价、建立强模型、获取强模型的参数值、进行二级模型评价和故障判断,本发明实施例中将多种元模型进行评价值计算,评价值计算是一种采用基于动态权重的自适应评估算法,从而将各个元模型有效结合,最终形成一个可控的强模型,达到博采众长的目标,将强模型再次进行评价值计算得到健康评估值,元模型中指标模型包括多种指标构成的指标参数,提供了多维度的综合分析,提升了诊断结果的准确性;两次评价值计算均考虑了时效性因素,从而提升了诊断的及时性和有效性;可根据改变诊断所需参数、数据的种类和数量,满足不同应用场景下的故障诊断要求。

主权项:1.一种增量式制冷压缩机故障诊断方法,其特征在于,具体步骤如下:建立元模型:元模型包括指标模型和专家模型;所述指标模型中包括多个指标参数,所述指标参数包括指标数值Ai、阈值范围[Amin,Amax]、指标时长阈值Atime、指标距今时长Along和指标静态权重ωA,阈值范围[Amin,Amax]、指标时长阈值和指标静态权重ωa均人工设定,∑ωA=1,指标数值Ai为劣化度值,并通过传感器采集获取;所述专家模型中包括多个专家参数,所述专家参数包括专家数值Bi、专家时长阈值Btime、专家距今时长Blong和专家静态权重ωB,专家时长阈值Btime和专家静态权重ωB均为人工设定,∑ωB=1,专家数值Bi为健康值,并通过专家人员人工评定;获取元模型的参数值:获取指标模型中各个指标参数的参数值xi,若指标参数中的Ai<Amin,则将该指标参数的参数值xi设定为0;若Ai≥Amin,该指标参数的参数值并且指标参数的数值yi为参数值乘以100;获取专家模型中各个专家参数的参数值xi,当专家参数中的Blong≤Btime,则将该专家参数的参数值xi设定为0;当专家参数中的Blong>Btime,该专家参数的参数值xi=Blong-Btime;进行一级模型评价:对指标模型进行评价值计算,得到指标模型的健康评估值Ehealth;对专家模型进行评价值计算;得到专家模型的健康评估值Ehealth;建立强模型:强模型包括强指标参数和强专家参数,强指标参数包括强指标数值SAi、强指标时长阈值SAtime、强指标距今时长SAlong和强指标静态权重ωSA,强指标数值SAi为指标模型的健康评估值Ehealth,强指标距今时长SAlong为指标距今时长Along中的最小值,强指标时长阈值SAtime和强指标静态权重ωSA为人工设定;强专家参数包括强专家数值SBi、强专家时长阈值SBtime、强专家距今时长SBlong和强专家静态权重ωSB,强专家数值SBi为专家模型的健康评估值Ehealth,强专家距今时长SBlong为专家距今时长Blong中的最小值,强专家时长阈值SBtime和强专家静态权重ωSB为人工设定;ωSA+ωSB=1;获取强模型的参数值:获取强指标参数的参数值xi,若强指标距今时长SAlong<强指标时长阈值SAtime,则将强指标参数的参数值xi设定为0;若强指标距今时长SAlong≥强指标时长阈值SAtime,强指标参数的参数值xi=SAlong-SAtime;获取强专家参数的参数值xi,若强专家距今时长SBlong<强专家时长阈值SBtime,则将强专家参数的参数值xi设为0;若强专家距今时长SBlong≥强专家时长阈值SBtime,强专家参数的参数值xi=SBlong-SBtime;进行二级模型评价:对强模型进行评价值计算,得到强模型的健康评估值Ehealth;故障判断:将强模型的健康评估值Ehealth与健康值阈值进行比较,若强模型的健康评估值Ehealth大于等于健康值阈值,则认定设备正常;若强模型的健康评估值Ehealth小于健康值阈值,则认定设备故障;其中,所述评价值计算的具体步骤如下:计算参数i的动态权重ωis,ωid为参数i的静态权重,k为参数i的修正参数,a为指数函数底数值,xi为参数i的参数值,k和a均通过人工设定,k≤1;计算参数i的全部权重指数ωip,ωip=ωis+ωid;计算参数i在n个参数组成的评价模型中的权重因子ωi,计算评价值Dk,yi为参数i的数值;获取健康评估值Ehealth,若yi为健康值,则将Dk作为Ehealth;若yi为劣化度值,Dh为设备全新时的健康值,且通过人工设定。

全文数据:

权利要求:

百度查询: 恒华数字科技集团有限公司 增量式制冷压缩机故障诊断方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。