基于透平大数据的智能分析与自动诊断系统开发

引言

旋转机械远程在线诊断系统经过十几年的应用已经形成较为成熟的体系。但由于早期网络带宽相对较窄,原始数据需压缩才能保证实时传输,仅能尽量保证主要故障频率成分保留。随着4G、5G等高速网络技术的不断应用,原始数据的远程传输与分析成为可能。利用包含振动信号非线性的异常细节特征,可以捕捉到更为精准的设备故障早期萌芽状态,同时,更大的数据量也对数据智能处理及其方法提出了更高的要求,仅凭传统的人工方式进行筛选与分析已远远无法满足。

1常用工业大数据处理方法

设备运行大数据处理,就是从海量的、模糊的、一般的数据中识别提取隐含在内需要人为分析查看分辨的信息。利用透平旋转设备运行状态数据,基于知识图谱,可以对设备故障现象与振动数据的数值特征建立对应管理,固化为诊断规则存入决策机中,设备运行时一旦再次出现相应特征数据或在其阈值区间内,则会产生故障的预警,从而实现计算机对故障的主动识别与判断。

1.1优化算法

大数据分析中常采用各类优化算法进行数据与模型的处理,如采用随机梯度下降)stochasticGradientDescent)进行算法模型的优化。该方法将随机与优化相结合,属于梯度下降法的一种,适用于数据量较大且分散度大的问题。对每个优化问题定义一个目标函数f(w),梯度下降就是采用迭代的策略,从初始点w1开始,每一轮迭代沿着目标函数在当前点的负梯度方向增长特定的步长,直至最终下降到预设值,得到最优解w。

1.2分类模型

随机森林是一个包含多个决策树的分类器,其基本思想是训练多个决策树,每个决策树基于有放回抽样的方式随机形成的一组训练集)bootstrap取样),用未抽到的样本作预测,进行误差评估。对每个决策树的节点,随机选择若干个基于此节点的特征,根据这些数据特征,计算最佳的分裂方式。这样,每棵决策树都会完整生长而不会出现剪枝)pruning)。这种方法的优点在于:对于大量资料信息,可以产生高精确度的分类器,同时可以处理大量的数据。

1.3流形学习

流形学习的本质是从高维采样数据中恢复出低维流形的结构,即找到高维空间中的低维流形,求出相应的嵌入映射,实现维数的约简或者数据可视化。流形学习从观测到的现象中寻找事实的本质描述,发现数据的内在规律。

1.4无参模型

传统型数据挖掘模型一般都属于有参模型,即模型中包含待定参数的函数形式。但对工业大数据而言,不设定参数的统计分析(无参分析,Non二parametricstatistics)会更有利于发现小概率的特殊事件。无参模型更加适用于海量数据母群体分布情况不明确的数据样本,无参模型的特点在于减少或不更改建立的模型,具有一定的稳健性。

2大数据人工智能算法的构建

对于透平设备的故障大数据分析,仅采用单一的算法无法满足不同阶段的数据识别、统计及筛选需求。在机组调试及初始运行阶段,没有标定的故障数据,宜采用无参算法进行数据的分类与筛选,后期可采用随机森林等决策树辅助进行规则诊断。在设计搭建设备健康大数据平台实现数据挖掘及自动诊断过程中,主要采用以下开发路线:

第一步,开发一套对机组运行数据的自适应监测机制,能够自动对采集到的数据进行无监督学习,从数据本身的特征对设备运行是否平稳、波动大小、趋势变化、数据真伪、干扰信号、振动与工艺参数的关联关系等作出判断与筛选标定。

第二步,依据故障原理和专家经验,将异常数据识别规则与大数据自学习得到的特征相结合,构建多个动态决策树,应用随机森林算法,实时对数据进行进一步的聚类与细分。

第三步,开发故障规则库。根据机组自身结构参数、运行区域范围与历史运行数据,采用机理模型仿真的方式补充完整故障数据空间,穷举机组可能发生的故障类型,对这些故障类型进行定量描述)提取其典型数据特征),构建故障数据分类器。

第四步,对每类故障进行影响因素分析,即故障追溯研究,充分挖掘产生故障的各类关键影响因素,并根据影响因素关联相关数据库。

第五步,提取数据库中各类故障对应的每项数据,构建故障诊断模型,包括基于振动和工艺参数数值构建的数据分析模型、基于自适应包络分析算法的图谱识别模型等,并结合第一步建立的每类故障的规则库和知识图谱进行故障的诊断。

第六步,对故障进行统计与分布分析,并进行可视化展示,提供故障的解决措施,并为领导及管理层提供决策支持。

3应用效果

构建了陕鼓智能诊断系统平台,对在线的300余套机组进行定期的数据监测与分析,筛选出异常数据机组,并给出推测的诊断结果,如图1所示。从200个典型故障测试用例结果统计,准确率达到85%以上。

图1  陕鼓智能诊断系统诊断结果界面

4结语

随着工业互联网技术的不断发展,工业数据体量将越来越庞大,传统的监测与诊断方法将逐步被基于人工智能的数据挖掘技术所替代。本文通过研发高通量数据专家诊断系统,阐述了在工业大数据环境下专家诊断系统的开发路线,为工业互联网的应用落地提供了借鉴思路。