公开(公告)号：CN113780566A

公开(公告)日：2021-12-10

申请号：CN202110694900.0

申请日：2021-06-23

Applicant: 核动力运行研究所

Inventor： 侯修群 ,  蒋庆磊 ,  包彬彬 ,  苗碧琪 ,  施慧烈 ,  张梦阳 ,  李元姣

IPC: G06N7/00 ,  G06N5/04

Abstract: 本发明属于设备故障智能诊断领域，具体涉及一种贝叶斯网络参数初始化方法。专家知识对贝叶斯网络参数只能进行大范围约束，需通过人为分析并不断计算才能得出贝叶斯网络参数，需耗费大量时间及精力。本发明包括如下三个步骤：步骤1：贝叶斯网络诊断模型的建立。步骤2：模拟故障样本库的生成。依据设备的专家知识形成诊断规则，再依据诊断规则得到模拟“征兆状态‑故障后验概率”组合，生成模拟故障样本库。步骤3：诊断模型条件概率的优化。本发明从专家知识中获取诊断模型的先验知识，并依据迭代学习的方法对贝叶斯网络诊断模型的条件概率参数进行学习，计算出符合已有先验知识下贝叶斯网络的初始化参数。

公开(公告)号：CN114139591A

公开(公告)日：2022-03-04

申请号：CN202110694947.7

申请日：2021-06-23

Applicant: 核动力运行研究所

Inventor： 侯修群 ,  蒋庆磊 ,  包彬彬 ,  桂春 ,  苗碧琪 ,  张梦阳 ,  李元姣

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本专利涉及机械设备状态监测与故障诊断领域，具体涉及一种机械设备状态预警方法。现有技术中基于固定门限报警方法缺陷的根源在于无法感知数据的数据变化趋势，数据的变化趋势发生改变往往是故障发生的早期信号。本方法包括五个步骤：步骤一：特征提取；步骤二：数据划分；步骤三：模型训练；步骤四：阈值自学习；步骤五：状态预警。本发明提供一种基于LSTM的机械设备状态预警方法，利用LSTM对机械设备正常状态数据建立预测模型并自学习报警阈值，当预测数据与真实数据间的差异超出自学习阈值则进行报警。

公开(公告)号：CN114201848A

公开(公告)日：2022-03-18

申请号：CN202110694934.X

申请日：2021-06-23

Applicant: 核动力运行研究所

Inventor： 蒋庆磊 ,  侯修群 ,  苗碧琪 ,  包彬彬 ,  王永 ,  李元姣 ,  张梦阳

IPC: G06F30/20 ,  G06F16/215 ,  G06F17/18 ,  G06Q10/06

Abstract: 本专利涉及机械设备状态监测与故障诊断领域，具体涉及一种主泵振动数据与工艺参数的关联性分析方法。目前基于传统的皮尔逊相关系数关联分析方法仅仅反映两个随机变量之间的线性关系，而实际应用中大多数变量间属于非线性关系，使得传统的关联分析方法无能为力，因此非线性的关联分析方法在状态监测数据的分析中显得尤其重要。本发明主要包括步骤1：关联工艺参数集的确定；步骤2：分析参数的选取；步骤3：分析数据的预处理；步骤4：关联系数的计算；步骤5：关联性的排序。本发明通过计算振动状态与工艺参数之间的关联系数，找出与主泵振动最密切的工艺参数，从而实现对主泵运行状态的监测与调控。