CN104865959A - 一种消防电源控制系统的故障自诊断方法 - Google Patents

Abstract

本发明公开了一种消防电源控制系统的故障自诊断方法，该方法的步骤是：获取消防电源控制系统所有状况下的故障信息；根据模糊聚类分析算法进行聚类分析，建立系统故障诊断数据库；根据电池巡检仪获取消防电源系统的故障信息；根据故障信息，计算其故障特征信息；根据故障特征信息，从故障诊断样本库查找与之匹配的故障诊断信息；显示系统故障原因或正常工作状态。本发明为消防电源控制系统的故障诊断，提供了一种基于模糊聚类分析算法的故障自诊断技术，当系统发生故障时，系统自身能够快速准确地诊断出系统故障原因，降低工作人员对系统维修的难度，提高系统的工作效率。

Description

一种消防电源控制系统的故障自诊断方法

技术领域

本发明属于控制系统故障诊断技术领域，涉及到一种消防电源控制系统的故障自诊断方法，特别涉及到一种消防电源控制系统的故障自诊断的模糊聚类分析方法。

背景技术

消防电源控制系统现已应用到社会上诸多领域(场所)，如学校、医院、商场、办公楼、工业生产车间等，其作用是在断电发生的情况下确保提供所需的应急电力，以降低因为断电而造成的人身伤害和财产损失，为人们生产和生活提供安全保障。但是，消防电源控制系统经过一段时间的运行也难免发生故障，其发生故障后的故障诊断就成为不可回避的问题。

目前消防电源控制系统故障诊断技术主要依靠电池巡检仪采集并记录系统运行时主要技术指标，一旦系统发生故障，需要工作人员调取检测值并通过其变化来判断系统故障原因，现有技术的主要缺点是：系统自身无法实现故障自诊断；工作人员判断系统故障原因需要一定的时间；在消防电源控制系统运行时，可能引起消防电源控制系统发生故障的原因很多，并且各种因素之间存在耦合性，导致故障原因存在模糊性、复杂性，工作人员不能准确判断出消防电源的故障原因，有时可能需要厂家派技术人员到现场调研诊断，给消防电源控制系统恢复正常运行带来极大的麻烦。

发明内容

本发明要解决的技术问题是针对现有的消防电源控制系统故障诊断技术无法快速准确诊断出系统故障原因的缺点，提供了一种消防电源控制系统的故障自诊断方法，当系统发生故障时，系统自身能够快速准确地诊断出故障原因，为消防电源控制系统提供了一种更有效的故障诊断方法。

本发明包括以下步骤：

(1)、获取消防电源控制系统各种状况下的电池巡检仪采集到的故障信息，所述故障信息也包括消防电源控制系统在市电供电或逆变供电情况下系统运行正常的信息；所述故障信息为电池电压、电池断线检测电压、市电输入电压、逆变输出电压、逆变输入电流、输出电流和逆变时间。

(2)、根据模糊聚类分析算法对获取的故障信息进行聚类分析，得到各种状况下的故障特征信息及故障原因，根据聚类结果建立系统故障诊断数据库；

(3)、通过电池巡检仪获取消防电源系统的故障信息；

(4)、根据获取的故障信息，进行计算，得到系统故障特征信息；

(5)、根据系统故障特征信息，从故障诊断数据库查找与之匹配的故障诊断信息，所述故障诊断信息包括逆变电源控制系统在各种运行状况时发生故障的故障特征信息及其故障原因；

(6)、通过系统显示单元显示系统故障原因或正常工作状态。

优选地，步骤(2)包括以下子步骤：

(01)根据获取到的消防电源控制系统在所有状况下的故障信息建立样本空间，表达式为：

X＝{x_i|i＝1,2,…,n}

n为系统采集变量总数，特征向量x_i＝(x_i1,x_i2,…,x_it)∈R^t，x_i为每次采集相应变量数值，t为每个变量采集次数。

(02)建立标准化特征矩阵，并按照模糊矩阵要求，使数据在区间[0,1]上。

首先，建立原始特征矩阵，将矩阵做平移标准差变换，得到一次变换矩阵X′，表达式为：

${x_{ij}}^{\′}=\frac{x_{ij}-\stackrel{\‾}{x_j}}{{\mathrm{\σ}}_j},i\∈\[1,n\],j\∈\[1,t\]$

$\stackrel{\‾}{x_j}=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{x}_{ij},{\mathrm{\σ}}_j=\sqrt{\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{(x_{ij}-\stackrel{\‾}{x_j})}^2}$

其中x'_ij为一次变换矩阵，为_j的平均值，σ_j为指标_j的标准差。n为系统采集变量总数，t为每个变量采集次数。

然后，将X′做平移极差变换得到二次变化矩阵X″，表达式为：

${x_{ij}}^{\′\′}=\frac{{x_{ij}}^{\′}-min\left\{{x_{ij}}^{\′}\right\}}{max\left\{{x_{ij}}^{\′}\right\}-\min \left\{{x_{ij}}^{\′}\right\}}$

其中x'_ij为一次变换矩阵，x_ij”为二次变化矩阵。min{x_ij'}为一次变换矩阵x'_ij取得最小值，max{x_ij'}为一次变换矩阵x'_ij取得的最大值。

(03)建立模糊相似矩阵R＝(r_ig)_n×t，采用夹角余弦法进行矩阵的相似变换，r_ig表示样本x_i与样本x_g之间的相似程度，表达式为：

$r_{ig}=\frac{\underset{j=1}{\overset{t}{\Σ}}{x}_{ij}{x}_{gj}}{\sqrt{\underset{j=1}{\overset{t}{\Σ}}{x_{ij}}^2}\sqrt{\underset{j=1}{\overset{t}{\Σ}}{x_{gj}}^2}},i\∈\[1,n\],g\∈\[1,n\]$

其中n为系统采样变量总数，r_ig表示样本x_i与样本x_g之间的相似程度，x_ij表示第i个研究对象第j个指标的值，x_gj表示第g个研究对象第j个指标的值。

(04)应用模糊传递闭包法进行聚类分析，采用矩阵平方自合成法将矩阵R＝(r_ig)_n×t变换成模糊等价矩阵，表达式为：

对置信水平λ∈[0,1]，计算模糊等价矩阵的λ截矩阵，表达式为：

$t{\left(R\right)}_{\mathrm{\&lambda;}}=\left({r_{ig}}^{\left(\mathrm{\&lambda;}\right)}\right),{r_{ig}}^{\left(\mathrm{\&lambda;}\right)}=\left\{\begin{array}{c}1,r_{ig}\&GreaterEqual;\mathrm{\&lambda;}\\ 0,r_{ig}<\mathrm{\&lambda;}\end{array}\right.$

计算F_λ的值，表达式为：

$F_{\mathrm{\&lambda;}}=\frac{\underset{k=1}{\overset{c}{\&Sigma;}}{n}_k\left|\right|{\stackrel{\&OverBar;}{x}}^{\left(k\right)}-\stackrel{\&OverBar;}{x}|{|}^2/(c-1)}{\underset{k=1}{\overset{c}{\&Sigma;}}\underset{i=1}{\overset{n}{\&Sigma;}}\left|\right|{x_i}^{\left(k\right)}-{\stackrel{\&OverBar;}{x}}^{\left(k\right)}\left|\right|/(n-c)}$

上式中， $\left|\right|{x_i}^{\left(k\right)}-{\stackrel{\&OverBar;}{x}}^{\left(k\right)}\left|\right|=\sqrt{\underset{j=1}{\overset{t}{\&Sigma;}}{({x_{ij}}^{\left(k\right)}-{\stackrel{\&OverBar;}{x_j}}^{\left(k\right)})}^2}$ 表示为第k类中第i个样本x^(k)与其中心间的距离，表示与之间的距离。

该表达式称为F统计量，遵从自由度为c-1，n-c的F分布，为第i个特征的平均值。求得F_λ的值，得到最佳聚类数c^*。结合系统的实际情况进行分类，获取消防电源控制系统不同运行状况时的故障诊断信息，建立系统故障诊断数据库。

本发明提供的故障自诊断技术与现有的故障自诊断技术区别在于：现有的故障自诊断技术其系统故障特征信息即系统各种状况下的故障信息，没有计算真正意义上的故障特征信息，其故障自诊断就是获取系统的故障信息与故障诊断数据库中的所有故障信息进行相似度对比，通过相似度的大小诊断系统故障。由于引起消防电源控制系统发生故障的原因具有模糊性、复杂性，这种通过判断故障信息相似度大小的故障自诊断技术就不能准确的诊断系统故障原因，而本发明建立的系统故障诊断数据库中含有各种故障特征信息，当系统发生故障时，其故障信息经过计算得到故障特征信息，就能在系统故障诊断数据库中找到与之相同的故障特征信息，进而准确的诊断出系统故障原因。

本发明的效果和益处

本发明是一种基于模糊聚类分析算法的故障自诊断方法，当系统发生故障时，系统自身能够快速准确的诊断出系统故障原因，降低工作人员对系统维修的难度，提高系统的工作效率。

具体实施方式

在本实施例中，系统的正常工作状态分为市电供电、逆变供电，故障原因可能为电池欠压、电池断线、负载过流、负载短路。采用模糊聚类分析算法实现消防电源控制系统的故障自诊断方法具体实施步骤如下：

(1)、获取消防电源控制系统各种状况下的故障信息，所述故障信息也包括消防电源控制系统在市电供电或逆变供电情况下系统运行正常时的状态信息。信息的获取主要依靠传统的电池巡检仪采集系统各种状况下的的故障信息，故障信息主要包括：电池电压、电池断线检测电压、市电输入电压、逆变输出电压、逆变输入电流、输出电流、逆变时间。

(2)、根据模糊聚类分析算法对获取的故障信息进行聚类分析，得到各种状况下的故障特征信息及故障原因，根据聚类结果建立系统故障诊断数据库；

(3)、根据电池巡检仪获取消防电源系统的故障信息；

(4)、根据获取的故障信息，进行计算，得到系统故障特征信息；

(5)、根据系统故障特征信息，从故障诊断数据库查找与之匹配的故障诊断信息，所述故障诊断信息包括逆变电源控制系统在各种状况时发生故障的故障特征信息及其故障原因；

(6)、通过系统显示单元显示系统故障原因，所述系统故障原因也包括系统在市电供电或逆变供电时的正常工作状态。

在本实施例中，消防电源控制系统的故障自诊断是在先建立系统故障诊断数据库的前提下完成的，系统故障诊断数据库建立包括以下具体实施步骤：

根据获取到的能够代表系统所有状况下的20组故障信息建立模糊聚类分析的样本空间X，表达式为：

X＝{x_i|i＝1,2,…,n}

n＝20，t＝7，特征向量x_i＝(x_i1,x_i2,…,x_it)∈R^t，x_i为每次采集相应变量数值。

步骤(2)建立标准化特征矩阵，并按照模糊矩阵要求，使数据在区间[0,1]上。

首先，将样本空间作为原始特征矩阵并对矩阵做平移标准差变换，得到一次变换矩阵X′，表达式为：

$x_{ij}=\frac{x_{ij}-\stackrel{\&OverBar;}{x_j}}{{\mathrm{\&sigma;}}_j},i\&Element;\&lsqb;1,20\&rsqb;,j\&Element;\&lsqb;1,7\&rsqb;$

$\stackrel{\&OverBar;}{x_j}=\frac{1}{n}\underset{i=1}{\overset{n}{\&Sigma;}}{x}_{ij},{\mathrm{\&sigma;}}_j=\sqrt{\frac{1}{n}\underset{i=1}{\overset{n}{\&Sigma;}}{(x_{ij}-\stackrel{\&OverBar;}{x_j})}^2}$

其中x'_ij为一次变换矩阵，为j的平均值，σ_j为指标j的标准差。n为系统采集变量总数，t为每个变量采集次数。

然后，将X′做平移极差变换得到二次变化矩阵X″，表达式为：

${x_{ij}}^{\&prime;\&prime;}=\frac{{x_{ij}}^{\&prime;}-min\left\{{x_{ij}}^{\&prime;}\right\}}{max\left\{{x_{ij}}^{\&prime;}\right\}-\min \left\{{x_{ij}}^{\&prime;}\right\}}$

其中x'_ij为一次变换矩阵，x_ij”为二次变化矩阵。min{x_ij'}为一次变换矩阵x'_ij取得最小值，max{x_ij'}为一次变换矩阵x'_ij取得的最大值。

步骤(3)建立模糊相似矩阵R＝(r_ig)_n×t，采用夹角余弦法进行矩阵的相似变换，r_ig表示样本x_i与样本x_g之间的相似程度，表达式为：

$r_{ig}=\frac{\underset{j=1}{\overset{t}{\&Sigma;}}{x}_{ij}{x}_{gj}}{\sqrt{\underset{j=1}{\overset{t}{\&Sigma;}}{x_{ij}}^2}\sqrt{\underset{j=1}{\overset{t}{\&Sigma;}}{x_{gj}}^2}},i\&Element;\&lsqb;1,20\&rsqb;,g\&Element;\&lsqb;1,20\&rsqb;$

其中n为系统采样变量总数，r_ig表示样本x_i与样本x_g之间的相似程度，x_ij表示第i个研究对象第j个指标的值，x_gj表示第g个研究对象第j个指标的值。

步骤(4)应用模糊传递闭包法进行聚类分析，采用矩阵平方自合成法将矩阵R＝(r_ig)_n×t变换成模糊等价矩阵，表达式为：

对置信水平λ∈[0,1]，计算模糊等价矩阵的λ截矩阵，表达式为：

$t{\left(R\right)}_{\mathrm{\&lambda;}}=\left({r_{ig}}^{\left(\mathrm{\&lambda;}\right)}\right),{r_{ig}}^{\left(\mathrm{\&lambda;}\right)}=\left\{\begin{array}{c}1,r_{ig}\&GreaterEqual;\mathrm{\&lambda;}\\ 0,r_{ig}<\mathrm{\&lambda;}\end{array}\right.$

计算F_λ的值，表达式为：

$F_{\mathrm{\&lambda;}}=\frac{\underset{k=1}{\overset{c}{\&Sigma;}}{n}_k\left|\right|{\stackrel{\&OverBar;}{x}}^{\left(k\right)}-\stackrel{\&OverBar;}{x}|{|}^2/(c-1)}{\underset{k=1}{\overset{c}{\&Sigma;}}\underset{i=1}{\overset{n}{\&Sigma;}}\left|\right|{x_i}^{\left(k\right)}-{\stackrel{\&OverBar;}{x}}^{\left(k\right)}\left|\right|/(n-c)}$

$\left|\right|{\stackrel{\&OverBar;}{x}}^{\left(k\right)}-\stackrel{\&OverBar;}{x}\left|\right|=\sqrt{\underset{j=1}{\overset{t}{\&Sigma;}}{({x_j}^{\left(k\right)}-\stackrel{\&OverBar;}{x_j})}^2}$

上式中， $\left|\right|{x_i}^{\left(k\right)}-{\stackrel{\&OverBar;}{x}}^{\left(k\right)}\left|\right|=\sqrt{\underset{j=1}{\overset{t}{\&Sigma;}}{({x_{ij}}^{\left(t\right)}-{\stackrel{\&OverBar;}{x_j}}^{\left(k\right)})}^2}$ 表示为第k类中第i个样本x^(k)与其中心间的距离，表示与之间的距离。

通过上述步骤求得F_0.99＝71.6235，并取得较大值。此时，得到最佳聚类数c^*＝11。所获得的最佳聚类数只能说明系统有11种故障特征信息，不代表系统有11种故障原因，因为引起系统故障的原因具有复杂性，一种故障原因可能有两种或者多种故障特征信息。例如电池断线可能发生在市电供电或逆变供电情况下，在每一种情况下的故障特征信息都不相同。因此需要结合系统工作实际情况对故障特征信息进行分类调整，得到不同故障原因的所有故障特征信息。最后，根据故障特征信息及其故障原因建立系统故障诊断数据库。

本实施例通过采用模糊聚类分析算法进行消防电源控制系统的故障自诊断，可以快速准确的识别消防电源控制系统的工作状态、诊断故障原因。有效地解决了本发明需要解决的问题。

Claims (3)

1.一种消防电源控制系统的故障自诊断方法，该方法包括以下步骤：

(1)、获取消防电源控制系统各种状况下的电池巡检仪采集到的故障信息，所述故障信息也包括消防电源控制系统在市电供电或逆变供电情况下系统运行正常的信息；

(2)、根据模糊聚类分析算法对获取的故障信息进行聚类分析，得到各种状况下的故障特征信息及故障原因，根据聚类结果建立系统故障诊断数据库；

(3)、通过电池巡检仪获取消防电源系统的故障信息；

(4)、根据获取的故障信息，进行计算，得到系统故障特征信息；

(5)、根据系统故障特征信息，从故障诊断数据库查找与之匹配的故障诊断信息，所述故障诊断信息包括逆变电源控制系统在各种运行状况时发生故障的故障特征信息及其故障原因；

(6)、通过系统示单元显示系统故障原因或正常工作状态。

2.根据权利要求1所述的一种消防电源控制系统的故障自诊断方法，其特征在于：所述的步骤(2)包括以下子步骤：

(01)根据获取到的消防电源控制系统在所有状况下的故障信息建立样本空间，表达式为：

X＝{x_i|i＝1,2,…,n}

n为系统采集变量总数，特征向量x_i＝(x_i1,x_i2,…,x_it)∈R^t，x_i为每次采集相应变量数值，t为每个变量采集次数；

(02)建立标准化特征矩阵，并按照模糊矩阵要求，使数据在区间[0,1]上；

首先，建立原始特征矩阵，将矩阵做平移标准差变换，得到一次变换矩阵X′，表达式为：

${x_{ij}}^{\&prime;}=\frac{x_{ij}-\stackrel{\&OverBar;}{x_j}}{{\mathrm{\&sigma;}}_j},i\&Element;\&lsqb;1,n\&rsqb;,j\&Element;\&lsqb;1,t\&rsqb;$

$\stackrel{\&OverBar;}{x_j}=\frac{1}{n}\underset{i=1}{\overset{n}{\&Sigma;}}{x}_{ij},{\mathrm{\&sigma;}}_j=\sqrt{\frac{1}{n}\underset{i=1}{\overset{n}{\&Sigma;}}{(x_{ij}-\stackrel{\&OverBar;}{x_j})}^2}$

其中x′_ij为一次变换矩阵，为j的平均值，σ_j为指标j的标准差；n为系统采集变量总数，t为每个变量采集次数；

然后，将X′做平移极差变换得到二次变化矩阵X″，表达式为：

${x_{ij}}^{\&prime;\&prime;}=\frac{{x_{ij}}^{\&prime;}-min\left\{{x_{ij}}^{\&prime;}\right\}}{max\left\{{x_{ij}}^{\&prime;}\right\}-\min \left\{{x_{ij}}^{\&prime;}\right\}}$

其中x'_ij为一次变换矩阵，x_ij”为二次变化矩阵；min{x_ij'}为一次变换矩阵x'_ij取得最小值，max{x_ij'}为一次变换矩阵x'_ij取得的最大值；

(03)建立模糊相似矩阵R＝(r_ig)_n×t，采用夹角余弦法进行矩阵的相似变换，r_ig表示样本x_i与样本x_g之间的相似程度，表达式为：

$r_{ig}=\frac{\underset{j=1}{\overset{t}{\&Sigma;}}{x}_{ij}{x}_{gj}}{\sqrt{\underset{j=1}{\overset{t}{\&Sigma;}}{x_{ij}}^2}\sqrt{\underset{j=1}{\overset{t}{\&Sigma;}}{x_{gj}}^2}},i\&Element;\&lsqb;1,n\&rsqb;,g\&Element;\&lsqb;1,n\&rsqb;$

其中n为系统采样变量总数，r_ig表示样本x_i与样本x_g之间的相似程度，x_ij表示第i个研究对象第j个指标的值，x_gj表示第g个研究对象第j个指标的值；

(04)应用模糊传递闭包法进行聚类分析，采用矩阵平方自合成法将矩阵R＝(r_ig)_n×t变换成模糊等价矩阵，表达式为：

R²＝RοR＝∨(r_ij∧r_jg)

对置信水平λ∈[0,1]，计算模糊等价矩阵的λ截矩阵，表达式为：

t(R)_λ＝(r_ig ^(λ))， ${r_{ig}}^{\left(\mathrm{\&lambda;}\right)}=\left\{\begin{array}{c}1,r_{ig}\&GreaterEqual;\mathrm{\&lambda;}\\ 0,r_{ig}<\mathrm{\&lambda;}\end{array}\right.$

计算F_λ的值，表达式为：

$F_{\mathrm{\&lambda;}}=\frac{\underset{k=1}{\overset{c}{\&Sigma;}}{n}_k\left|\right|{\stackrel{\&OverBar;}{x}}^{\left(k\right)}-\stackrel{\&OverBar;}{x}|{|}^2/(c-1)}{\underset{k=1}{\overset{c}{\&Sigma;}}\underset{i=1}{\overset{n}{\&Sigma;}}\left|\right|{x_i}^{\left(k\right)}-{\stackrel{\&OverBar;}{x}}^{\left(k\right)}\left|\right|/(n-c)}$

上式中， $||{x_i}^{\left(k\right)}-{\stackrel{\&OverBar;}{x}}^{\left(k\right)}||=\sqrt{\underset{j=1}{\overset{t}{\&Sigma;}}{({x_{ij}}^{\left(k\right)}-{\stackrel{\&OverBar;}{x_j}}^{\left(k\right)})}^2}$ 表示为第k类中第i个样本x^(k)与其中心间的距离，表示与之间的距离；

通过上述步骤求得F_λ的值，并取得较大值；此时，得到最佳聚类数c^*；结合系统的实际情况进行分类，得到消防电源控制系统不同运行状况时的故障诊断信息，建立系统故障诊断数据库。

3.根据权利要求1所述的一种消防电源控制系统的故障自诊断方法，其特征在于：所述步骤(1)中的故障信息为电池电压、电池断线检测电压、市电输入电压、逆变输出电压、逆变输入电流、输出电流和逆变时间。