CN103425125B - 基于连续状态的电气系统故障诊断方法 - Google Patents
基于连续状态的电气系统故障诊断方法 Download PDFInfo
- Publication number
- CN103425125B CN103425125B CN201310372928.8A CN201310372928A CN103425125B CN 103425125 B CN103425125 B CN 103425125B CN 201310372928 A CN201310372928 A CN 201310372928A CN 103425125 B CN103425125 B CN 103425125B
- Authority
- CN
- China
- Prior art keywords
- state
- diagnosis
- time
- diagnostic
- electrical malfunction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
基于连续状态的电气系统故障诊断方法，涉及基于定性模型的故障诊断以及电气系统故障诊断领域。为了解决现有基于定性模型的电气系统故障诊断所存在的诊断过程中存在无效计算量消耗的问题。判断当前的输入的采样数据帧的时间戳是否与上一数据帧一致，如果是将根据上一帧采样数据诊断得到的部件状态作为已知状态，否则更新当前诊断的时间戳；进行冲突识别操作，判断当前时间戳的采样数据与上一时间戳的推理值是否一致，是则说明系统的状态没有发生改变，否则说明系统的状态发生了改变，并确定得到的诊断解的工作模式，并以此作为当前时间戳系统的状态，进行下一帧的诊断。用于提高利用连续采样进行诊断时诊断方法的实时性。
Description
技术领域
本发明涉及定性模型故障诊断技术以及电气系统故障诊断领域，具体涉及一种基于连续状态的电气系统故障诊断方法。
背景技术
在电气系统定性模型中，以有向图的方式描述系统的结构关系，将结构中各个电气部件作为节点，并将部件的输入信号与输出信号在不同工作状态下的约束关系作为匹配的基本元素。
本发明所提出的方法是以该模型为基础的一种诊断方法，它适用于解决利用连续采样信号进行故障诊断的诊断过程。
基于定性模型的电气系统故障诊断方法能够利用系统的结构、功能及因果关系等深知识建立系统模型，既克服了历史数据中可能无法包含系统运行全部特征的问题，又克服了专家经验不易提取的问题，同时也不需要建立精确的数学模型。
基于定性模型的电气系统故障诊断方法的执行效率一直是故障诊断的关键。由于基于定性模型的电气系统故障诊断系统主要应用于电气系统的自主控制与管理系统，因此对基于定性模型的电气系统故障诊断方法的执行效率提出了更高的要求。传统的故障诊断方法在进行系统的异常检测时，是将系统当前的故障模式的推理值与当前的系统观测值之间是否存在差异作为异常检测的判断的条件，当系统检测出异常时，则触发计算故障候选的操作。但是当系统的状态已经发生了改变或处于故障状态，并且故障未消除时，仍然以未发生故障时的系统状态的推理值作为异常检测的标准，则计算故障候选的操作，便会被一直触发，并得到同样的结果，使得无谓消耗大量的计算量，降低了诊断效率。
发明内容
本发明为了解决现有基于定性模型的电气系统故障诊断所存在的诊断过程中存在无效计算量消耗的问题，而提出了一种基于连续状态的电气系统故障诊断方法。
本发明为解决上述技术问题采取的技术方案是：
步骤一：判断当前用于诊断的采样数据的采样时间戳是否与上一数据帧一致；是，则进入步骤二，否，则进入步骤三；
步骤二：将根据上一帧采样数据诊断得到的部件状态作为已知状态，并保持锁定状态，不可改变；
步骤三：更新当前模型的时间戳，并将所有部件的状态解锁，可以改变；
步骤四：进行冲突识别操作，判断当前时间戳的观测数据与上一时间戳的推理值是否一致，是，则说明系统的状态没有发生改变，进入步骤五，否，则说明系统的状态发生了改变，进入步骤六；
步骤五：系统保持上一次的诊断结果，返回步骤二；
步骤六：根据冲突识别的结果产生故障候选集，并确定得到的诊断解的工作模式，并返回步骤二，进行下一次诊断。
本发明的关键之处在于：相对于传统的方法来说，本发明通过建立在线数据库，将在每一次诊断之后将诊断结果更新数据库中部件的状态，使得每一次诊断时都能够检测到当前状态相对于上一次诊断都时的状态是否发生了改变，若为改变，则无需进行诊断操作。
本发明可用于提高基于模型的电气系统故障诊断系统的执行效率，特别适用于在基于自主控制与管理的电气系统中对系统状态进行持续的健康监测的情况。本发明与现有技术相比的优点在于：具有在线建立数据库的机制，使得诊断系统具有状态记忆的能力，能够根据历史的诊断结果动态地调整各个模块的执行，减少了无谓的诊断操作，提高了诊断效率。在利用连续采样的信号通过电气系统的定性模型进行诊断的过程中，本发明的使用能减小了诊断过程中无效计算量的消耗，提高了诊断效率。本发明方法用于提高利用连续采样进行诊断时诊断方法的实时性。
附图说明
图1为本发明的流程图；图2为本发明在诊断时所消耗的计算量与传统的方法在诊断时所消耗的计算量的定性关系（本文方法的计算量），其中图2(a)为本发明在诊断时所消耗的计算量的定性描述，图2(b)为传统的方法在诊断时所消耗的计算量的定性描述（传统方法的计算量）。从图2中可以看出，本发明所消耗的计算量只有在状态发生改变时才会增加，并且在状态保持的情况下始终保持较低的计算量消耗，而传统的方法只有在初始状态时保持较低的计算量，一旦系统的状态发生改变，诊断过程消耗的计算量将始终保持很高的水平。
具体实施方式
具体实施方式一：结合图1说明本实施方式，本实施方式所述的一种基于连续状态的电气系统故障诊断方法，在建立电气系统的定性模型后，利用连续采样信号进行诊断的过程中，具体实现过程如下：
步骤一：判断当前用于诊断的采样数据的采样时间戳是否与上一数据帧一致；是，则进入步骤二，否，则进入步骤三；
步骤二：将根据上一帧采样数据诊断得到的部件状态作为已知状态，并保持锁定状态，不可改变；
步骤三：更新当前模型的时间戳，并将所有部件的状态解锁，可以改变；
步骤四：进行冲突识别操作，判断当前时间戳的观测数据与上一时间戳的推理值是否一致，是，则说明系统的状态没有发生改变，进入步骤五，否，则说明系统的状态发生了改变，进入步骤六；
步骤五：系统保持上一次的诊断结果，返回步骤二；
步骤六：根据冲突识别的结果产生故障候选集，并确定得到的诊断解的工作模式，并返回步骤二，进行下一次诊断。
具体实施方式二：结合图1说明本实施方式，本实施方式在步骤一中，通过引入时间戳的概念，将当前输入的采样数据帧按照输入的时间和该帧采样数据代表的系统状态的时间进行分类，前者代表了每一帧采样信号的时间，也是触发诊断操作的时间，后者的时间作为参考值，当当前帧采样数据所代表的系统状态的时间与上一帧中采样数据所代表的系统状态的时间相同时，则将本次诊断作为上一次对系统的诊断的继续，否则对重新开始对系统的完整诊断。其它组成及连接关系与具体实施方式一相同。
具体实施方式三：结合图1说明本实施方式，本实施方式在步骤二中，在诊断方法中引入状态锁的概念，状态锁定是指在对部件的处理过程中，部件的状态与上一次诊断时的状态保持一致，在两次推理过程中，部件的输入可能发生变化，但是对输入数据的处理过程不变。其它组成及连接关系与具体实施方式二相同。
具体实施方式四：结合图1说明本实施方式，本实施方式在步骤三中，模型的时间戳表示被诊断对象当前状态的时间，在更新后，模型中所有部件的状态都是未知的，是需要通过诊断过程来确定的，是可改变的。其它组成及连接关系与具体实施方式三相同。
具体实施方式五：结合图1说明本实施方式，本实施方式在步骤四中，冲突识别指的是将上一时刻的状态推理值与当前时刻系统状态的观测值进行比较，判断两者之间是否一致。冲突识别的对象是上一时刻的状态推理值与当前时刻系统状态的观测值之间的比较，而不是将初始时刻的正常模式的推理值与当前的观测进行比较。其它组成及连接关系与具体实施方式四相同。
具体实施方式六：结合图1说明本实施方式，本实施方式在步骤六中，与以往的方法不同的是，候选产生的目的是找出状态发生改变的部件集合，而不是找出发生故障的部件集合，因此候选产生的结果是诊断解，而不是故障解，对于诊断解中，那些处于故障模式的部件即为故障解。在诊断之后，将本次诊断的结果作为对下一帧数据诊断的依据，从而实现连续状态的诊断。其它组成及连接关系与具体实施方式一、二、三、四或五相同。
本发明的原理是：通过保存上一次诊断的结果，建立在线诊断数据库，使得诊断过程对于诊断结果具有记忆性，将诊断解的含义从可能的故障部件改为状态发生改变的部件，如果诊断解不为空，则说明诊断解中的部件的状态发生了改变，为了确定这些部件的状态需要进行重新的诊断操作，同时，将得到的部件状态作为下一次诊断时各个部件的初始状态；如果诊断解为空，则说明当前系统的状态没有发生改变，上一时刻的故障部件的故障并没有消除，由于当前的系统状态与上一时刻的状态的相同，因此，不存在冲突，即使系统的存在发生故障的部件，也不需要触发产生诊断解的候选产生操作，和传统的专断方法相比，减少了无谓的诊断计算量，提高了诊断效率。
Claims (6)
1.一种基于连续状态的电气系统故障诊断方法，在建立电气系统的定性模型后，利用连续采样信号进行诊断，其特征在于所述故障诊断方法的实现过程如下：
步骤一：判断当前用于诊断的采样数据的采样时间戳是否与上一数据帧一致；如果是则进入步骤二，否则进入步骤三；
步骤二：将根据上一帧采样数据诊断得到的部件状态作为已知状态，并保持锁定状态，不可改变；
步骤三：更新定性模型的当前工作时间戳，并将所有部件的状态解锁，可以改变；
步骤四：进行冲突识别操作，判断定性模型的当前工作时间戳的观测数据与上一时刻工作时间戳的状态推理值是否一致，如果是则说明系统的状态没有发生改变，进入步骤五，否则说明系统的状态发生了改变，进入步骤六；
步骤五：系统保持上一次的诊断结果，返回步骤二；
步骤六：根据冲突识别的结果产生故障候选集，并确定得到的诊断解的工作模式，并返回步骤二，进行下一次诊断。
2.根据权利要求1所述的基于连续状态的电气系统故障诊断方法，其特征在于步骤一中，通过采样时间戳将当前输入的采样数据帧按照输入的时间和该帧采样数据代表的系统状态的时间进行分类，前者代表了每一帧采样信号的时间，也是触发诊断操作的时间，后者的时间作为参考值，当当前帧采样数据所代表的系统状态的时间与上一帧中采样数据所代表的系统状态的时间相同时，则将本次诊断作为上一次对系统的诊断的继续，否则重新开始对系统的完整诊断。
3.根据权利要求2所述的基于连续状态的电气系统故障诊断方法，其特征在于步骤二中，锁定状态是指在对部件的处理过程中，部件的状态与上一次诊断时的状态保持一致。
4.根据权利要求3所述的基于连续状态的电气系统故障诊断方法，其特征在于步骤三中，定性模型的当前工作时间戳表示被诊断对象当前状态的时间，在更新后，模型中所有部件的状态都是未知的，是需要通过诊断过程来确定的，是可改变的。
5.根据权利要求4所述的基于连续状态的电气系统故障诊断方法，其特征在于步骤四中，冲突识别指的是将所述上一时刻工作时间戳的状态推理值与所述当前工作时间戳的观测数据进行比较，判断两者之间是否一致。
6.根据权利要求1、2、3、4或5所述的基于连续状态的电气系统故障诊断方法，其特征在于步骤六中，候选产生的结果是诊断解，对于诊断解中处于故障模式的部件即为故障解；在诊断之后，将本次诊断的结果作为对下一帧数据诊断的依据，从而实现连续状态的诊断。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310372928.8A CN103425125B (zh) | 2013-08-23 | 2013-08-23 | 基于连续状态的电气系统故障诊断方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310372928.8A CN103425125B (zh) | 2013-08-23 | 2013-08-23 | 基于连续状态的电气系统故障诊断方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103425125A CN103425125A (zh) | 2013-12-04 |
| CN103425125B true CN103425125B (zh) | 2015-10-28 |
Family
ID=49650026
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310372928.8A Active CN103425125B (zh) | 2013-08-23 | 2013-08-23 | 基于连续状态的电气系统故障诊断方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103425125B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2015228622A1 (en) * | 2014-03-11 | 2016-10-27 | British Gas Trading Limited | Determination of a state of operation of a domestic appliance |
| CN110501999B (zh) * | 2019-09-11 | 2021-02-19 | 中国北方车辆研究所 | 一种实时控制总线的电传动台架测试系统在线故障保护方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS61255411A (ja) * | 1985-05-09 | 1986-11-13 | Nippon Denso Co Ltd | 車載用制御装置の自己診断装置 |
| JPS6421510A (en) * | 1987-07-16 | 1989-01-24 | Mitsubishi Electric Corp | Process abnormality diagnosing device |
| JPH08110809A (ja) * | 1994-10-11 | 1996-04-30 | Toshiba Corp | 電力系統模擬装置 |
| JP2002091562A (ja) * | 2000-09-19 | 2002-03-29 | Toshiba Corp | 監視制御システム |
| CN102426450A (zh) * | 2011-09-05 | 2012-04-25 | 上海市电力公司 | 电动汽车充电监控系统的数据采集监控方法 |
| CN103019227A (zh) * | 2012-11-30 | 2013-04-03 | 北京控制工程研究所 | 一种基于故障要素描述的卫星控制系统故障识别方法 |
-
2013
- 2013-08-23 CN CN201310372928.8A patent/CN103425125B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS61255411A (ja) * | 1985-05-09 | 1986-11-13 | Nippon Denso Co Ltd | 車載用制御装置の自己診断装置 |
| JPS6421510A (en) * | 1987-07-16 | 1989-01-24 | Mitsubishi Electric Corp | Process abnormality diagnosing device |
| JPH08110809A (ja) * | 1994-10-11 | 1996-04-30 | Toshiba Corp | 電力系統模擬装置 |
| JP2002091562A (ja) * | 2000-09-19 | 2002-03-29 | Toshiba Corp | 監視制御システム |
| CN102426450A (zh) * | 2011-09-05 | 2012-04-25 | 上海市电力公司 | 电动汽车充电监控系统的数据采集监控方法 |
| CN103019227A (zh) * | 2012-11-30 | 2013-04-03 | 北京控制工程研究所 | 一种基于故障要素描述的卫星控制系统故障识别方法 |
Non-Patent Citations (2)
| Title |
|---|
| "基于保护系统的电气设备故障诊断研究";刘刚;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20090115(第01期);C042-227 * |
| "多信息源电力系统故障诊断方法研究";岳苓;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20111215(第12期);C042-228 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103425125A (zh) | 2013-12-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108604360B (zh) | 设施异常监测方法及其系统 | |
| US20240010100A1 (en) | Processing of status data of a battery for aging estimation | |
| CN111459700A (zh) | 设备故障的诊断方法、诊断装置、诊断设备及存储介质 | |
| CN112101431A (zh) | 电子设备故障诊断系统 | |
| CN106056273B (zh) | 一种基于故障树的冗余电动泵本体失效可靠性监测方法 | |
| CN104462757A (zh) | 基于监测数据的Weibull分布可靠性序贯验证试验方法 | |
| WO2023065584A1 (zh) | 设备的剩余使用寿命的确定方法、装置和电子设备 | |
| CN103631145B (zh) | 基于监控指标切换的多工况过程监控方法和系统 | |
| CN110348150A (zh) | 一种基于相关概率模型的故障检测方法 | |
| KR102182226B1 (ko) | 고장 검출 진단 시스템 및 진단방법 | |
| CN113221435A (zh) | 传感器的筛选方法及装置、传感器数据重构方法及系统 | |
| CN102789676A (zh) | 一种基于报警证据融合的工业报警器设计方法 | |
| CN111445105A (zh) | 基于目标值分析的电厂在线性能诊断方法及系统 | |
| CN111160652A (zh) | 一种基于知识感知的设备异常状态综合判断及运维方法 | |
| KR20230125116A (ko) | 머신러닝 클러스터링 알고리즘과 통계적 기법을 이용해 고장 데이터가 부재한 시스템의 결함 탐지 및 고장 진단 예측 방법 | |
| CN103425125B (zh) | 基于连续状态的电气系统故障诊断方法 | |
| CN108051637A (zh) | 一种智能电能表时钟电池故障诊断方法 | |
| CN115081647A (zh) | 基于贝叶斯网络模型的工业智能仪表故障预诊断方法 | |
| CN117560300B (zh) | 一种智能物联网流量预测与优化系统 | |
| US9170871B2 (en) | Data polling method and digital instrumentation and control system for atomic power plant using the method | |
| Zabi et al. | Health monitoring and prognosis of hybrid systems | |
| CN105873111A (zh) | 一种适于健康监测的软硬故障的诊断和自修复方法 | |
| CN105302476B (zh) | 一种用于核电站设备的可靠性数据在线采集分析存储系统及其存储方法 | |
| CN107121616B (zh) | 一种用于对智能仪表进行故障定位的方法和装置 | |
| CN117061318A (zh) | 故障诊断方法、装置、设备、介质及产品 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant |