CN110716539A - 一种故障诊断分析方法和装置 - Google Patents
一种故障诊断分析方法和装置 Download PDFInfo
- Publication number
- CN110716539A CN110716539A CN201911174285.XA CN201911174285A CN110716539A CN 110716539 A CN110716539 A CN 110716539A CN 201911174285 A CN201911174285 A CN 201911174285A CN 110716539 A CN110716539 A CN 110716539A
- Authority
- CN
- China
- Prior art keywords
- fault
- alarm
- sub
- equipment
- reason
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0262—Confirmation of fault detection, e.g. extra checks to confirm that a failure has indeed occurred
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24065—Real time diagnostics
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Debugging And Monitoring (AREA)
Abstract
本申请公开了一种故障诊断分析方法和装置,所述方法包括创建包含若干关联的报警子对象的综合对象实例;综合对象实例接收故障报警信息,确定对应的报警设备及故障现象,查找所有造成该故障现象的故障原因以及由该故障原因引起的相关联的设备的故障现象;创建包含各报警子对象发生报警的每一个可能原因以及关联故障现象的虚拟综合对象实例;对虚拟综合对象实例进行权重投票和线性回归分析,根据权重投票和分析的结果确定故障原因。本申请通过创建综合对象实例、综合对象实例接收故障报警信息、创建虚拟综合对象实例并对虚拟综合对象实例进行权重投票,快速准确地定位出故障源,实现了设备故障实时诊断,减轻了设备管理人员的维护分析工作量。
Description
技术领域
本申请实施例涉及但不限于故障检测技术领域,尤其涉及一种故障诊断分析方法和装置。
背景技术
生产运营管理企业在过程控制或过程监控中,出于特定的功能需要,往往需要对控制对象或监控对象的状态进行实时掌握和分析。故障诊断分析作为过程控制或过程监控的一个重要组成部分,已经获得了长足的发展。故障诊断分析有两层含义:一方面是故障的定位,即通过预先设置的系统结构和算法诊断设备故障时的环境状态,确定同一环境下设备的精确报警位置;另一方面是故障的分析,分析内容一般包括诊断对象的故障机理、故障模式及影响、故障发生概率和故障发展变化规律等。
然而,随着现代工业过程规模的不断扩大和复杂性的不断提高,运行中的系统各部分,如供电子系统、计算机网络子系统、各种专业管理子系统等之间有着复杂的关联关系,多个子系统同时发生故障的概率很大,进而导致故障诊断分析的难度日益增大。因此,在实际过程控制或过程监控中,如何在出现一个或多个故障后迅速准确地定位故障源,是一个亟待解决的技术问题。
发明内容
本申请实施例提供了一种故障诊断分析方法和装置,能够快速准确地定位故障源。
第一方面,本申请实施例提供了一种故障诊断分析方法,包括:
创建综合对象实例,所述综合对象实例包含若干关联的报警子对象,每个报警子对象源自一条故障报警信息及根据所述故障报警信息查找到的故障现象;
综合对象实例接收故障报警信息,根据接收的故障报警信息,确定对应的报警设备及故障现象,查找所有造成所述故障现象的故障原因,以及由所述故障原因引起的相关联的设备的故障现象;
创建虚拟综合对象实例,所述虚拟综合对象实例包含各报警子对象发生报警的每一个可能原因,以及由原因引起的相关联的设备的故障现象;
对虚拟综合对象实例进行权重投票和线性回归分析,根据权重投票和分析的结果确定故障原因。
在一种示例性实施例中,所述方法之前还包括:
预先建立并存储一种或多种故障设备类与所述故障设备类可能出现的故障现象的双向映射关系,作为第一级关系;
预先建立并存储一种或多种故障现象与引起该故障现象的可能的故障原因的映射关系,作为第二级关系;
预先建立并存储一种或多种故障原因与该故障原因可能引起的其他故障设备类的故障现象的映射关系,作为第三级关系。
在一种示例性实施例中,所述若干关联的报警子对象来源于预设时间段内记录的所有设备的故障报警信息;每一个报警子对象中包含故障现象标识、及根据所述第二级关系获取的故障原因标识。
在一种示例性实施例中,所述创建虚拟综合对象实例具体包括:
根据所述第三级关系查找由每一个故障原因引起的相关联的所有故障设备类的故障现象;
根据查找到的结果创建原因子对象,并根据原因标识对相同的原因子对象进行去重合,形成虚拟综合对象实例。
在一种示例性实施例中,所述原因子对象还包含:根据第一级关系查找到的该子对象原因对应可能发生相应故障的故障设备类。
在一种示例性实施例中,所述对虚拟综合对象实例进行权重投票具体为:
对虚拟综合对象实例中的每一个原因子对象进行权重投票,投票依据包括:所述原因子对象中所包含的可能发生的故障报警设备在综合对象实例中实际出现的次数及比例。
在一种示例性实施例中,所述对虚拟综合对象实例进行权重投票,具体为:
计算所述创建的综合对象实例中各个报警子对象与创建的所有虚拟综合对象实例的冗余关联度;根据计算出的各个报警子对象的冗余关联度,对各个报警子对象进行权重投票;
对所述综合对象实例中各个报警子对象按照权重进行排序,将权重在预设权重范围内的报警子对象标记作为可能故障源。
在一种示例性实施例中,所述对虚拟综合对象实例进行线性回归分析,包括:
通过线性回归中的逻辑回归算法计算所述综合对象实例中各个子对象对应的设备发生故障的概率;
将发生故障的概率小于或等于预设的概率阈值的设备对应的子对象,排除在所述确定的故障源之外。
第二方面,本申请实施例提供了一种故障诊断分析装置,包括处理器及存储器,其中:所述处理器用于执行存储器中存储的程序,以实现如前任一项所述的故障诊断分析方法的步骤。
第三方面,本申请实施例提供了一种故障诊断分析装置,包括第一创建模块、接收处理模块、第二创建模块和权重投票模块,其中:
第一创建模块,用于创建综合对象实例,所述综合对象实例包含若干关联的报警子对象,每个报警子对象源自一条故障报警信息及根据所述故障报警信息查找到的故障现象;
接收处理模块,用于通过综合对象实例接收故障报警信息,根据接收的故障报警信息,确定对应的报警设备及故障现象,查找所有造成所述故障现象的故障原因,以及由所述故障原因引起的相关联的设备的故障现象;
第二创建模块,用于创建虚拟综合对象实例,所述虚拟综合对象实例包含各报警子对象发生报警的每一个可能原因,以及由原因引起的相关联的设备的故障现象;
权重投票模块,用于对虚拟综合对象实例进行权重投票和线性回归分析,根据权重投票和分析的结果确定故障原因。
与相关技术相比,本申请实施例通过创建包含故障报警信息及其相关联的故障现象的综合对象实例,通过综合对象实例接收故障报警信息,创建包含各报警子对象发生报警的每一个可能原因的虚拟综合对象实例,并对虚拟综合对象实例进行权重投票和线性回归分析,快速准确地定位出故障源,实现了设备故障实时诊断,减轻了设备管理人员的维护分析工作量,提高了设备管理人员解决现场设备问题的效率。
本申请实施例的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请实施例而了解。本申请实施例的其他优点可通过在说明书、权利要求书以及附图中所描述的方案来实现和获得。
附图说明
附图用来提供对本申请技术方案的理解,并且构成说明书的一部分,与本申请的实施例一起用于解释本申请的技术方案,并不构成对本申请技术方案的限制。
图1为本申请实施例的一种故障诊断分析方法的流程示意图;
图2为本申请实施例的一种故障数据库的数据存储结构示意图;
图3为本申请实施例的一种故障诊断分析装置的结构示意图。
具体实施方式
本申请描述了多个实施例,但是该描述是示例性的,而不是限制性的,并且对于本领域的普通技术人员来说显而易见的是,在本申请所描述的实施例包含的范围内可以有更多的实施例和实现方案。尽管在附图中示出了许多可能的特征组合,并在具体实施方式中进行了讨论,但是所公开的特征的许多其它组合方式也是可能的。除非特意加以限制的情况以外,任何实施例的任何特征或元件可以与任何其它实施例中的任何其他特征或元件结合使用,或可以替代任何其它实施例中的任何其他特征或元件。
本申请包括并设想了与本领域普通技术人员已知的特征和元件的组合。本申请已经公开的实施例、特征和元件也可以与任何常规特征或元件组合,以形成由权利要求限定的独特的发明方案。任何实施例的任何特征或元件也可以与来自其它发明方案的特征或元件组合,以形成另一个由权利要求限定的独特的发明方案。因此,应当理解,在本申请中示出和/或讨论的任何特征可以单独地或以任何适当的组合来实现。因此,除了根据所附权利要求及其等同替换所做的限制以外,实施例不受其它限制。此外,可以在所附权利要求的保护范围内进行各种修改和改变。
此外,在描述具有代表性的实施例时,说明书可能已经将方法和/或过程呈现为特定的步骤序列。然而,在该方法或过程不依赖于本文所述步骤的特定顺序的程度上,该方法或过程不应限于所述的特定顺序的步骤。如本领域普通技术人员将理解的,其它的步骤顺序也是可能的。因此,说明书中阐述的步骤的特定顺序不应被解释为对权利要求的限制。此外,针对该方法和/或过程的权利要求不应限于按照所写顺序执行它们的步骤,本领域技术人员可以容易地理解,这些顺序可以变化,并且仍然保持在本申请实施例的精神和范围内。
如图1所示,本申请实施例提供了一种故障诊断分析方法,包括如下步骤:
步骤101:创建综合对象实例,所述综合对象实例包含若干关联的报警子对象,每个报警子对象源自一条故障报警信息及根据所述故障报警信息查找到的故障现象;
在一种示例性实施例中,所述若干关联的报警子对象来源于预设时间段内记录的所有设备的故障报警信息;每一个报警子对象中包含故障现象标识、及根据所述第二级关系获取的故障原因标识。
在一种示例性实施例中,所述方法之前还包括:
预先建立并存储一种或多种故障设备类与所述故障设备类可能出现的故障现象的双向映射关系,作为第一级关系;
预先建立并存储一种或多种故障现象与引起该故障现象的可能的故障原因的映射关系,作为第二级关系;
预先建立并存储一种或多种故障原因与该故障原因可能引起的其他故障设备类的故障现象的映射关系,作为第三级关系。
在使用本申请实施例提供的故障诊断分析方法之前,可以根据预先获取的故障类数据建立故障类数据库。建立的故障类数据库可以为关系型数据库,用于存储故障知识库的结构化数据,向诊断分析应用提供数据支持。所述建立的故障类数据库包括:(1)所关注的故障设备类与可能出现的故障现象的第一级对应关系;(2)所关注的故障设备类的故障现象与故障原因之间的第二级对应关系;(3)所关注的设备类的故障原因与可能造成的其它设备类的故障现象之间的第三级对应关系。如图2所示,本申请实施例创建的故障数据库的数据存储结构可以采用线分类和面分类相结合的故障诊断知识库结构,其中:
线分类的故障诊断知识库结构,以树状结构呈现了某类设备可能发生的故障现象及其对应的原因,体现了典型故障设备的纵向层级和容量,能较好反映出故障原因与现象层级之间的逻辑关系;
面分类的故障诊断知识库结构,在线分类的故障诊断知识库结构基础上进行平行扩展,将所在层级的故障代码及可能与之关联的设备故障进行信息扩充,形成复合结构的故障特性。每一个组合特性都包含故障信息的多个具体描述。故障诊断知识库应用时,可根据扩展信息进行精准定位。其代码结构具备较大柔性,平行结构的故障诊断体系适用性更强。
具体的,本申请实施例的故障诊断知识库包括以下几种分类:
(1)故障发生的原因(线性分类)
用于对故障发生的原因进行标注,按故障发生的原因将故障分为外因故障和内因故障。外因故障是因其他相关联设备或环境条件等外部因素造成的故障;内因故障是因设备自身方面存在的缺陷和隐患而导致的故障。
(2)故障发生的零部件(面性分类)
用于对故障发生的部件进行标注,按故障的部件可将故障分为硬件故障和软件故障,硬件故障是指故障因硬件系统失效。
(3)故障的相关性(第一级至第三级关系)
用于对故障发生的相关性进行标注和关联设置,按故障相关性可将故障分为相关故障和非相关故障。相关故障即间接故障,因设备其他元器件或其他设备、环境而引发;非相关故障也称直接故障,由设备本身直接因素所引起。
具体的,表1描述了所关注的设备类包含的基础信息。
故障类属性 | 说明 |
$EQTYPE | 设备分类标识 |
$EQDESC | 上述设备分类所对应描述 |
$EQLIST | 上述该设备类下所关联的设备清单 |
$LEVEL | 设备类的故障等级 |
$EP | 该类设备可能发生的故障现象的对象实例。 |
表1
具体的,表2描述了故障现象和引起该故障现象的可能的故障原因之间的第二级对应关系。
关系索引 | 引用关系 |
现象标识 | ProblemID(唯一引用) |
设备类 | EQType(类型定义引用) |
零部件 | EQPart(子类型引用) |
相关性 | Relativity(子对象实例) |
原因扩展 | CauseExtend(对子象实例) |
表2
本申请实施例中,每个设备类与该设备类可能出现的故障现象之间的映射关系以及每种故障现象与引起该故障现象的可能的故障原因之间的映射关系,采用树状结构进行扩展,每个故障原因可以采用代码对常用的对象类型进行封装。
具体的,表3描述了每种故障原因与该故障原因可能引起的其他设备的故障现象之间的映射关系。表2中的原因扩展为表3中的第三级关系关系预先封装的对象,包括了对应该原因可能造成的其他设备类和故障现象。
第三级关系 | 关系扩展名称 |
故障相关性 | Relativity |
相同原因的其他故障集合 | SameCause |
相同原因的其他设备集合 | SCEquipment |
相同原因的报警实例 | SCAlarm |
表3
步骤102:综合对象实例接收故障报警信息,根据接收的故障报警信息,确定对应的报警设备及故障现象,查找所有造成所述故障现象的故障原因,以及由所述故障原因引起的相关联的设备的故障现象;
例如,在接收到第三方系统某设备的报警信息之后,在数据库中检索该设备所对应的设备类标识,并以表2中的关系索引和标识在第二级关系中查找并创建该设备的故障对象实例,获取该故障对象实例对应的故障原因集合;并以本次检索结果生成报警实例,通过第三级关系确定相同故障对象实例下可能发生故障的其他设备,并通过第三方系统接口获取可能发生故障的其他设备的实时状态和报警。
具体的,步骤102还可以包括:
将每个实际故障报警的子对象属性进行扩展,扩展内容包括:该故障报警是否具备相关性、该设备对其他设备的影响程度;在故障现象和故障原因之间的引用关系中查找设备对应的第三引用关系,保存待分析的方法对象,以及方法对象名称、设备和查找到的第三引用关系之间的对应关系。
步骤103:创建虚拟综合对象实例,所述虚拟综合对象实例包含各报警子对象发生报警的每一个可能原因,以及由原因引起的相关联的设备的故障现象;
在一种示例性实施例中,所述创建虚拟综合对象实例具体包括:
根据所述第三级关系查找由每一个故障原因引起的相关联的所有故障设备类的故障现象;
根据查找到的结果创建原因子对象,并根据原因标识对相同的原因子对象进行去重合,形成虚拟综合对象实例。
具体的,所述原因子对象还包含:根据第一级关系查找到的该子对象原因对应可能发生相应故障的故障设备类。
步骤104:对虚拟综合对象实例进行权重投票和线性回归分析,根据权重投票和分析的结果确定故障原因。
在一种示例性实施例中,对虚拟综合对象实例进行权重投票,包括:
对虚拟综合对象实例中的每一个原因子对象进行权重投票,投票依据包括:所述原因子对象中所包含的可能发生的故障报警设备在综合对象实例中实际出现的次数及比例。
在一种示例性实施例中,对虚拟综合对象实例进行权重投票,包括:
计算所述创建的综合对象实例中各个报警子对象与创建的所有虚拟综合对象实例的冗余关联度(本申请所述的冗余关联度,即关联次数或重复关联次数);根据计算出的各个报警子对象的冗余关联度,对各个报警子对象进行权重投票;
对所述综合对象实例中各个报警子对象按照权重进行排序,将权重在预设权重范围内的报警子对象标记作为可能故障源。
在该实施例中,以综合对象实例中所有存在的真实故障为待分析数据源,模拟来自第三方系统的故障报警请求,基于模拟的故障报警请求创建虚拟综合对象实例,记录每虚拟综合对象实例中所涉及的设备名称、标识、故障现象、故障原因及相关性;生成相关性的子对象,并与本次报警创建的综合对象实例中的第三级关系子对象进行比对,存在冗余关系的相同故障及故障原因则标注为有效,并将加权分值+1(加权分值可以根据相关性结果进行浮动),将最终结果更新到本次报警创建的综合对象实例中,直至综合对象实例中的待分析数据全部执行完毕。
其中,生成的虚拟综合对象实例中同样包括设备标识、故障标识、第二级关系、第三级关系及存在相关性的设备对象集合,该设备对象集合为模拟故障时的可能影响范围,并不真实存在,系统可配置相关性参数值,以定义第三级关系可追溯的设备范围和原因范围。
在本申请实施例中,通过采用故障模拟的方式,将创建的故障对象实例及存在冗余关系的故障设备在标注后对投票结果中投票分值最高或较高的设备真实故障报警进行逻辑分析和故障仿真,模拟该设备故障时对其他设备可能造成的影响及可能产生的故障关系,将模拟结果与标注结果进行对比,以验证标注的准确性。
在一种示例性实施例中,对虚拟综合对象实例进行线性回归分析,包括:
通过线性回归中的逻辑回归算法计算所述综合对象实例中各个子对象对应的设备发生故障的概率;
将发生故障的概率小于或等于预设的概率阈值的设备对应的子对象,排除在所述确定的故障源之外。
在该实施例中,对综合对象实例进行逻辑回归分析,采集该报警设备最近一段时期内的故障报警历史,及该故障发生时其他设备的状态值(例如,状态值可以为0或1,0表示报警、1表示正常),根据故障报警历史数据利用逻辑回归分析算法进行模型训练,可以得到最终的故障概率结果为:
其中,第一参数a、第二参数b、相关度Relativity均为待定参数,其具体数值均与本次综合对象实例的子对象数量、故障历史发生次数、标注分值和权重有关。本申请实施例的逻辑回归分析算法中参数计算的具体实现方法属于本领域技术人员的公知常识,并不用于限定本申请的保护范围,这里不再赘述。
在该实施例中,通过逻辑回归算法,以故障报警对象实例中的各报警源为基础,确定多个故障实例之间相互依赖的定量关系及根据故障历史记录训练生成的模型参数,确定在不同的对象故障集合输入条件之下,计算各个独立报警实例发生的概率,从而缩小了本次综合对象实例的影响范围。
在一种示例性实施例中,根据本申请实施例的一种故障诊断分析方法,包括如下步骤:
预先建立并存储一种或多种故障设备类与该故障设备类可能出现的故障现象的第一级映射关系,基于上述第一级映射关系建立故障报警现象标识和原因标识之间的第二级关系,建立故障原因与系统结构中存储的故障现象的第三级关系;
当接收到来自某一设备的故障报警信息时,识别设备类型和确定基本映射(例如,包括设备类标识、故障现象标识属性信息等),并根据故障现象标识在第二级关系中访问对应的故障原因标识集合,在第三级关系找到故障原因与可能引起的其他设备类的故障现象的冗余关系;
根据冗余关系扫描并接收一定时间范围内其他设备类的报警信息,并创建面向本次故障报警的综合对象实例;依次对综合对象实例中的各条报警信息进行权重投票和有效性标注,根据投票和标注结果确定综合对象实例中造成多点故障的最大可能根源,建立从基础报警到全面报警的最佳路径拓扑,并对最佳路径数据进行二次故障模拟和故障分析,以确定本次故障发生的真实路径。
在一种示例性实施例中,本申请实施例预先建立如下基本系统结构类型:
设备与设备类的关系结构,用于识别故障报警信息中携带的设备名称标识;
设备类与故障现象的关系结构,用于识别故障报警信息中携带的故障报警标识;
在预先设置的上述关系基础上建立组合结构,保存所述故障设备类型名称、所述设备的故障现象,从而形成第二级关系的基本结构。
在该实施例中,当接收到来自设备的故障报警信息时,根据基本系统结构类型生成报警属性对象,在第二级关系中查找生成该报警属性对象的故障原因标识,根据查找到的故障原因标识生成新的原因属性对象,用作第三级关系查找的输入;
然后,以故障原因标识为关键字在第三级关系中查找该故障原因可能造成的其他设备的故障现象;
保存第三级关系的查找结果,该查找结果包括设备类标识、故障原因标识和查找到的其他设备的故障现象的对应关系。
在该实施例中,在依次对综合对象实例中的各条报警信息进行权重投票时,可以获取当前存储的其他故障报警信息对应的一个或多个综合对象实例;根据本次创建的综合对象实例中各个子对象与获取的一个或多个综合对象实例的冗余关联度度进行权重投票,将投票记分回写到本次综合对象实例中。
在该实施例中,可以通过二次故障模拟的方法,以标注结果中的投票分值最高或较高的设备真实发生的故障报警为第一故障源,模拟该设备故障时可能造成的故障现象及其他可能出现故障报警的设备,与标注结果进行对比,以确定标注的准确性。
在该实施例中,可以通过逻辑回归算法,以故障报警对象实例中的各报警源为基础,各报警源之间相互独立,预测在不同的变量输入条件之下,计算各自设备发生故障报警的概率,以缩小本次综合对象实例的影响范围。
本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如以上任一项所述的故障诊断分析方法的步骤。
本申请实施例还提供了一种故障诊断分析装置,包括处理器及存储器,其中:所述处理器用于执行存储器中存储的程序,以实现如以上任一项所述的故障诊断分析方法的步骤。
如图3所示,本申请实施例还提供了一种故障诊断分析装置,包括第一创建模块301、接收处理模块302、第二创建模块303和权重投票模块304,其中:
第一创建模块301,用于创建综合对象实例,所述综合对象实例包含若干关联的报警子对象,每个报警子对象源自一条故障报警信息及根据所述故障报警信息查找到的故障现象;
接收处理模块302,用于通过综合对象实例接收故障报警信息,根据接收的故障报警信息,确定对应的报警设备及故障现象,查找所有造成所述故障现象的故障原因,以及由所述故障原因引起的相关联的设备的故障现象;
第二创建模块303,用于创建虚拟综合对象实例,所述虚拟综合对象实例包含各报警子对象发生报警的每一个可能原因,以及由原因引起的相关联的设备的故障现象;
权重投票模块304,用于对虚拟综合对象实例进行权重投票和线性回归分析,根据权重投票和分析的结果确定故障原因。
在该实施例中,故障诊断分析装置用于接收第三方系统推送的故障报警信息,开展逻辑分析和数据诊断,并将最终诊断分析结果展示给用户。
具体的,第一创建模块301根据预先建立的第二级和第三级关系,建立综合对象实例;
接收处理模块302需要提供信息输入接口,用于接收第三方系统推送的故障报警信息,并提取报警信息中的设备类、设备、故障现象等重要标识,转换为服务器系统的标准标识;并向数据库服务器请求第二级关系,用于获取故障知识库中对应该故障的故障原因,根据请求结果建立本次故障的故障原因与该故障原因可能引起的其他设备的故障现象之间的第三级关系;扫描第三方系统的其他设备的故障报警信息,并将发生的故障现象和设备进行分组或合并;
第二创建模块303创建虚拟综合对象实例,所述虚拟综合对象实例包含各报警子对象发生报警的每一个可能原因,以及由原因引起的相关联的设备的故障现象;
其中,生成的虚拟综合对象实例中同样包括设备标识、故障标识、第二级关系、第三级关系及存在相关性的设备对象集合,该设备对象集合为模拟故障时的可能影响范围,并不真实存在,系统可配置相关性参数值,以定义第三级关系可追溯的设备范围和原因范围。
权重投票模块304对虚拟综合对象实例中存在冗余关联度的故障报警记录进行标注,并根据关联层级加权评分和投票,确定最终的故障原因。
具体的,故障诊断分析装置还可以包括结果展示模块305,结果展示模块305用于将诊断分析结果进行汇总,将标注结果中投票记分最高的诊断结果和原因发送到用户的可视化界面。可视化界面展示的内容可以包括:本次报警真实发生故障的设备及原因,以及本次设备故障导致的其他相关设备报警信息。
在一种示例性实施例中,第一创建模块301还用于:
预先建立并存储一种或多种故障设备类与所述故障设备类可能出现的故障现象的双向映射关系,作为第一级关系;
预先建立并存储一种或多种故障现象与引起该故障现象的可能的故障原因的映射关系,作为第二级关系;
预先建立并存储一种或多种故障原因与该故障原因可能引起的其他故障设备类的故障现象的映射关系,作为第三级关系。
在一种示例性实施例中,所述若干关联的报警子对象来源于预设时间段内记录的所有设备的故障报警信息;每一个报警子对象中包含故障现象标识、及根据所述第二级关系获取的故障原因标识。
在一种示例性实施例中,第二创建模块303创建虚拟综合对象实例具体包括:
根据所述第三级关系查找由每一个故障原因引起的相关联的所有设备的故障现象;
根据查找到的结果创建原因子对象,并根据原因标识对相同的原因子对象进行去重合,形成虚拟综合对象实例。
具体的,所述原因子对象还包含:根据第一级关系查找到的该子对象原因对应可能发生相应故障的故障设备类。
在一种示例性实施例中,权重投票模块304对虚拟综合对象实例进行权重投票,包括:
对虚拟综合对象实例中的每一个原因子对象进行权重投票,投票依据包括:所述原因子对象中所包含的可能发生的故障报警设备在综合对象实例中实际出现的次数及比例。
在一种示例性实施例中,权重投票模块304对虚拟综合对象实例进行权重投票,包括:
计算所述创建的综合对象实例中各个报警子对象与创建的所有虚拟综合对象实例的冗余关联度;根据计算出的各个报警子对象的冗余关联度,对各个报警子对象进行权重投票;
对所述综合对象实例中各个报警子对象按照权重进行排序,将权重在预设权重范围内的报警子对象标记作为可能故障源。
在该实施例中,权重投票模块304通过采用故障模拟的方式,将创建的故障对象实例及存在冗余关系的故障设备在标注后对投票结果中投票分值最高或较高的设备真实故障报警进行逻辑分析和故障仿真,模拟该设备故障时对其他设备可能造成的影响及可能产生的故障关系,将模拟结果与标注结果进行对比,以验证标注的准确性。
在一种示例性实施例中,权重投票模块304对虚拟综合对象实例进行线性回归分析,包括:
通过线性回归中的逻辑回归算法计算所述综合对象实例中各个子对象对应的设备发生故障的概率;
将发生故障的概率小于或等于预设的概率阈值的设备对应的子对象,排除在所述确定的故障源之外。
在该实施例中,权重投票模块303对综合对象实例进行逻辑回归分析,采集该报警设备最近一段时期内的故障报警历史,及该故障发生时其他设备的状态值(例如,状态值可以为0或1,0表示报警、1表示正常),根据故障报警历史数据利用逻辑回归分析算法进行模型训练,可以得到最终的故障概率结果为:
其中,第一参数a、第二参数b、相关度Relativity均为待定参数,其具体数值均与本次综合对象实例的子对象数量、故障历史发生次数、标注分值和权重有关。本申请实施例的逻辑回归分析算法中参数计算的具体实现方法属于本领域技术人员的公知常识,并不用于限定本申请的保护范围,这里不再赘述。
在该实施例中,权重投票模块304通过逻辑回归算法,以故障报警对象实例中的各报警源为基础,确定多个故障实例之间相互依赖的定量关系及根据故障历史记录训练生成的模型参数,确定在不同的对象故障集合输入条件之下,计算各个独立报警实例发生的概率,从而缩小了本次综合对象实例的影响范围。
本申请实施例公开了一种根据故障报警信息进行故障诊断和分析的方法和装置,包括:当某一个或某一类设备出现报警现象时,在通用故障诊断服务知识库一级关系中查找所报故障现象对应的原因标识,提取该标识在二级关系中查找可能造成其他故障的现象数据及对应设备;建立本次故障报警的综合对象实例,将存在报警冗余关系的设备进行标注和权重投票,根据查找到的关联信息及标注投票结果进行二次故障模拟和回归分析,得到故障报警的最真实信息路径,以确定本次报警发生的精确原因和对应设备。通过本申请实施例的技术方案,只需要根据预先建立和导入的故障类体系,对设备系统进行故障类绑定,无需重新编写开发过程逻辑代码,即实现了故障报警精确定位分析,提高了用户解决现场设备问题的效率。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中,在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分;例如,一个物理组件可以具有多个功能,或者一个功能或步骤可以由若干物理组件合作执行。某些组件或所有组件可以被实施为由处理器,如数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
Claims (10)
1.一种故障诊断分析方法,其特征在于,包括:
创建综合对象实例,所述综合对象实例包含若干关联的报警子对象,每个报警子对象源自一条故障报警信息及根据所述故障报警信息查找到的故障现象;
综合对象实例接收故障报警信息,根据接收的故障报警信息,确定对应的报警设备及故障现象,查找所有造成所述故障现象的故障原因,以及由所述故障原因引起的相关联的设备的故障现象;
创建虚拟综合对象实例,所述虚拟综合对象实例包含各报警子对象发生报警的每一个可能原因,以及由原因引起的相关联的设备的故障现象;
对虚拟综合对象实例进行权重投票和线性回归分析,根据权重投票和分析的结果确定故障原因。
2.根据权利要求1所述的方法,其特征在于,所述方法之前还包括:
预先建立并存储一种或多种故障设备类与所述故障设备类可能出现的故障现象的双向映射关系,作为第一级关系;
预先建立并存储一种或多种故障现象与引起该故障现象的可能的故障原因的映射关系,作为第二级关系;
预先建立并存储一种或多种故障原因与该故障原因可能引起的其他故障设备类的故障现象的映射关系,作为第三级关系。
3.根据权利要求2所述的方法,其特征在于,
所述若干关联的报警子对象来源于预设时间段内记录的所有设备的故障报警信息;每一个报警子对象中包含故障现象标识、及根据所述第二级关系获取的故障原因标识。
4.根据权利要求3所述的方法,其特征在于,所述创建虚拟综合对象实例具体包括:
根据所述第三级关系查找由每一个故障原因引起的相关联的所有故障设备类的故障现象;
根据查找到的结果创建原因子对象,并根据原因标识对相同的原因子对象进行去重合,形成虚拟综合对象实例。
5.根据权利要求4所述的方法,其特征在于,
所述原因子对象还包含:根据第一级关系查找到的该子对象原因对应可能发生相应故障的故障设备类。
6.根据权利要求4所述的方法,其特征在于,所述对虚拟综合对象实例进行权重投票具体为:
对虚拟综合对象实例中的每一个原因子对象进行权重投票,投票依据包括:所述原因子对象中所包含的可能发生的故障报警设备在综合对象实例中实际出现的次数及比例。
7.根据权利要求4所述的方法,其特征还在于,所述对虚拟综合对象实例进行权重投票,具体为:
计算所述创建的综合对象实例中各个报警子对象与创建的所有虚拟综合对象实例的冗余关联度;根据计算出的各个报警子对象的冗余关联度,对各个报警子对象进行权重投票;
对所述综合对象实例中各个报警子对象按照权重进行排序,将权重在预设权重范围内的报警子对象标记作为可能故障源。
8.根据权利要求1所述的方法,其特征在于,所述对虚拟综合对象实例进行线性回归分析,包括:
通过线性回归中的逻辑回归算法计算所述综合对象实例中各个子对象对应的设备发生故障的概率;
将发生故障的概率小于或等于预设的概率阈值的设备对应的子对象,排除在所述确定的故障源之外。
9.一种故障诊断分析装置,其特征在于,包括处理器及存储器,其中:所述处理器用于执行存储器中存储的程序,以实现如权利要求1至权利要求8中任一项所述的故障诊断分析方法的步骤。
10.一种故障诊断分析装置,其特征在于,包括第一创建模块、接收处理模块、第二创建模块和权重投票模块,其中:
第一创建模块,用于创建综合对象实例,所述综合对象实例包含若干关联的报警子对象,每个报警子对象源自一条故障报警信息及根据所述故障报警信息查找到的故障现象;
接收处理模块,用于通过综合对象实例接收故障报警信息,根据接收的故障报警信息,确定对应的报警设备及故障现象,查找所有造成所述故障现象的故障原因;
第二创建模块,用于创建虚拟综合对象实例,所述虚拟综合对象实例包含各报警子对象发生报警的每一个可能原因,以及由原因引起的相关联的设备的故障现象;
权重投票模块,用于对虚拟综合对象实例进行权重投票和线性回归分析,根据权重投票和分析的结果确定故障原因。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911174285.XA CN110716539B (zh) | 2019-11-26 | 2019-11-26 | 一种故障诊断分析方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911174285.XA CN110716539B (zh) | 2019-11-26 | 2019-11-26 | 一种故障诊断分析方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110716539A true CN110716539A (zh) | 2020-01-21 |
CN110716539B CN110716539B (zh) | 2021-03-16 |
Family
ID=69216438
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911174285.XA Active CN110716539B (zh) | 2019-11-26 | 2019-11-26 | 一种故障诊断分析方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110716539B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111897855A (zh) * | 2020-07-30 | 2020-11-06 | 广东省中山市质量计量监督检测所 | 电磁兼容性能诊断方法与系统 |
CN112633758A (zh) * | 2020-12-31 | 2021-04-09 | 重庆电子工程职业学院 | 检修人员智能化线上管理系统 |
CN112965460A (zh) * | 2021-02-08 | 2021-06-15 | 北京龙谷科技发展有限公司 | 基于问诊式故障上报和贝叶斯定理的故障诊断方法及装置 |
CN114252250A (zh) * | 2021-12-09 | 2022-03-29 | 郑州恩普特科技股份有限公司 | 一种基于部件分解的机械故障诊断方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101446827A (zh) * | 2008-11-06 | 2009-06-03 | 西安交通大学 | 一种流程工业系统的过程故障分析装置及方法 |
CN101950327A (zh) * | 2010-09-09 | 2011-01-19 | 西北工业大学 | 一种基于故障树信息的设备状态预测方法 |
CN102496028A (zh) * | 2011-11-14 | 2012-06-13 | 华中科技大学 | 一种复杂装备的事后维修故障分析方法 |
EP2533117A1 (de) * | 2011-06-09 | 2012-12-12 | Siemens Aktiengesellschaft | Unterstützung der Fehlerdiagnose einer Industrieanlage |
CN102955715A (zh) * | 2012-11-20 | 2013-03-06 | 中国兵器工业计算机应用技术研究所 | 一种故障树的建立方法 |
CN103953399A (zh) * | 2014-05-19 | 2014-07-30 | 国家电网公司 | 一种汽轮机进汽阀门快关过程监测装置及在线监测方法 |
CN105116870A (zh) * | 2015-07-10 | 2015-12-02 | 珠海格力电器股份有限公司 | 空调机组的故障分析方法、装置和系统 |
-
2019
- 2019-11-26 CN CN201911174285.XA patent/CN110716539B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101446827A (zh) * | 2008-11-06 | 2009-06-03 | 西安交通大学 | 一种流程工业系统的过程故障分析装置及方法 |
CN101950327A (zh) * | 2010-09-09 | 2011-01-19 | 西北工业大学 | 一种基于故障树信息的设备状态预测方法 |
EP2533117A1 (de) * | 2011-06-09 | 2012-12-12 | Siemens Aktiengesellschaft | Unterstützung der Fehlerdiagnose einer Industrieanlage |
CN102496028A (zh) * | 2011-11-14 | 2012-06-13 | 华中科技大学 | 一种复杂装备的事后维修故障分析方法 |
CN102955715A (zh) * | 2012-11-20 | 2013-03-06 | 中国兵器工业计算机应用技术研究所 | 一种故障树的建立方法 |
CN103953399A (zh) * | 2014-05-19 | 2014-07-30 | 国家电网公司 | 一种汽轮机进汽阀门快关过程监测装置及在线监测方法 |
CN105116870A (zh) * | 2015-07-10 | 2015-12-02 | 珠海格力电器股份有限公司 | 空调机组的故障分析方法、装置和系统 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111897855A (zh) * | 2020-07-30 | 2020-11-06 | 广东省中山市质量计量监督检测所 | 电磁兼容性能诊断方法与系统 |
CN111897855B (zh) * | 2020-07-30 | 2023-11-10 | 广东省中山市质量计量监督检测所 | 电磁兼容性能诊断方法与系统 |
CN112633758A (zh) * | 2020-12-31 | 2021-04-09 | 重庆电子工程职业学院 | 检修人员智能化线上管理系统 |
CN112633758B (zh) * | 2020-12-31 | 2024-01-26 | 重庆电子工程职业学院 | 检修人员智能化线上管理系统 |
CN112965460A (zh) * | 2021-02-08 | 2021-06-15 | 北京龙谷科技发展有限公司 | 基于问诊式故障上报和贝叶斯定理的故障诊断方法及装置 |
CN114252250A (zh) * | 2021-12-09 | 2022-03-29 | 郑州恩普特科技股份有限公司 | 一种基于部件分解的机械故障诊断方法 |
CN114252250B (zh) * | 2021-12-09 | 2023-08-01 | 郑州恩普特科技股份有限公司 | 一种基于部件分解的机械故障诊断方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110716539B (zh) | 2021-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110716539B (zh) | 一种故障诊断分析方法和装置 | |
US10452625B2 (en) | Data lineage analysis | |
CN103513983B (zh) | 用于预测性警报阈值确定工具的方法和系统 | |
CN110019384B (zh) | 一种血缘数据的获取方法、提供血缘数据的方法及装置 | |
CN106293891B (zh) | 多维投资指标监督方法 | |
CN111459698A (zh) | 一种数据库集群故障自愈方法及装置 | |
CN110659282B (zh) | 数据路由的构建方法、装置、计算机设备和存储介质 | |
CN110134663B (zh) | 组织结构数据处理方法、装置、电子设备 | |
CN106294128B (zh) | 一种导出报表数据的自动化测试方法及装置 | |
CN116680162B (zh) | 一种测试用例复用方法、装置、介质、设备及产品 | |
CN105279089A (zh) | 一种获取页面元素的方法及装置 | |
CN115203435A (zh) | 基于知识图谱的实体关系生成方法及数据查询方法 | |
CN112182233B (zh) | 用于存储设备故障记录的知识库、及利用其辅助定位设备故障的方法及系统 | |
CN108959454B (zh) | 一种提示子句指定方法、装置、设备及存储介质 | |
CN116955469A (zh) | 一种基于血缘分析的业务告警溯源方法 | |
CN116483831B (zh) | 一种分布式数据库推荐索引生成方法 | |
US11184220B2 (en) | Automated remediation of information technology events | |
CN117093556A (zh) | 日志分类方法、装置、计算机设备及计算机可读存储介质 | |
WO2023125059A1 (zh) | 故障数据获取方法、故障处理方法、电子设备及存储介质 | |
CN111831528A (zh) | 一种计算机系统日志关联方法及相关装置 | |
CN115640158A (zh) | 一种基于数据库的检测分析方法及装置 | |
CN111259027B (zh) | 一种数据一致性检测方法 | |
CN111127065B (zh) | 用户职住地的获取方法和装置 | |
US20190238400A1 (en) | Network element operational status ranking | |
CN114116729B (zh) | 一种测试数据的处理方法和设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20221227 Address after: 315000 no.3399 Ningchuan Road, Yinzhou District, Ningbo City, Zhejiang Province Patentee after: NINGBO SUBWAY INDUSTRY ENGINEERING Co.,Ltd. Address before: 3399 Ningchuan Road, Yinzhou District, Ningbo City, Zhejiang Province Patentee before: Ningbo Rail Transit Group Co.,Ltd. |
|
TR01 | Transfer of patent right |