CN114154662A - 运行系统的故障诊断方法、装置、计算机设备和存储介质 - Google Patents

运行系统的故障诊断方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN114154662A
CN114154662A CN202111519292.6A CN202111519292A CN114154662A CN 114154662 A CN114154662 A CN 114154662A CN 202111519292 A CN202111519292 A CN 202111519292A CN 114154662 A CN114154662 A CN 114154662A
Authority
CN
China
Prior art keywords
fault
diagnosis
node
sub
rule
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.)
Pending
Application number
CN202111519292.6A
Other languages
English (en)
Inventor
卢志敏
江琳
张伟
廖和滨
卢国华
曾广程
严德龙
范超
陈晓峰
袁建明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Longyan Tobacco Industry Co Ltd
Original Assignee
Longyan Tobacco Industry Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Longyan Tobacco Industry Co Ltd filed Critical Longyan Tobacco Industry Co Ltd
Priority to CN202111519292.6A priority Critical patent/CN114154662A/zh
Publication of CN114154662A publication Critical patent/CN114154662A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
    • F24F11/32—Responding to malfunctions or emergencies
    • F24F11/38—Failure diagnosis
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/88—Electrical aspects, e.g. circuits
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/043—Architecture, e.g. interconnection topology based on fuzzy logic, fuzzy membership or fuzzy inference, e.g. adaptive neuro-fuzzy inference systems [ANFIS]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/257—Belief theory, e.g. Dempster-Shafer
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Biomedical Technology (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computing Systems (AREA)
  • Development Economics (AREA)
  • Computational Linguistics (AREA)
  • Quality & Reliability (AREA)
  • Molecular Biology (AREA)
  • Operations Research (AREA)
  • Mathematical Physics (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • Educational Administration (AREA)
  • Biophysics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Fuzzy Systems (AREA)
  • Automation & Control Theory (AREA)
  • Primary Health Care (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computational Mathematics (AREA)

Abstract

本申请涉及一种运行系统的故障诊断方法、装置、计算机设备和存储介质。所述方法包括：获取发生故障的故障结点的故障参数，所述故障结点为多个运行结点的其中一个；根据预设诊断规则和所述故障参数对所述故障结点的各子结点进行故障诊断，得到各子结点的故障诊断结果，所述故障诊断结果用于表征各子结点发生故障的概率。采用本方法能够提高故障诊断效率。

Description

运行系统的故障诊断方法、装置、计算机设备和存储介质
技术领域
本申请涉及故障诊断技术领域，特别是涉及一种运行系统的故障诊断方法、装置、计算机设备和存储介质。
背景技术
卷烟厂生产车间中，恒温恒湿是保障工艺质量的基本要求，工艺温湿度要求：温度26±2℃，湿度63±5％RH，因此，需要空调系统来保障工艺质量的基本要求。空调系统在运行的过程中，其中一个运行结点会发生故障，运行结点发生故障后，需要通过人工诊断故障运行结点的各子结点的故障，从而定位出具体原因。
然而，通过人工诊断故障运行结点的子结点的故障，其故障诊断的效率较低。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高故障诊断效率的运行系统的故障诊断方法、装置、计算机设备和存储介质。
第一方面，本申请提供了一种运行系统的故障诊断方法，所述运行系统包括多个运行结点，所述方法包括：
获取发生故障的故障结点的故障参数，所述故障结点为多个运行结点的其中一个；
根据预设诊断规则和所述故障参数对所述故障结点的各子结点进行故障诊断，得到各子结点的故障诊断结果，所述故障诊断结果用于表征各子结点发生故障的概率。
在其中一个实施例中，所述预设诊断规则为多个，所述根据预设诊断规则和所述故障参数对所述故障结点的各子结点进行故障诊断，包括：
按照多个预设诊断规则的诊断顺序，依次根据每个预设诊断规则和所述故障参数对各子结点进行故障诊断，直至其中一个预设诊断规则成功诊断出各子结点的故障。
在其中一个实施例中，多个预设诊断规则包括匹配诊断规则、模糊诊断规则和基于信息融合的融合诊断规则，所述按照多个预设诊断规则的诊断顺序，依次根据每个预设诊断规则和所述故障参数对各子结点进行故障诊断，直至其中一个预设诊断规则成功诊断出各子结点的故障，包括：
根据所述匹配诊断规则和所述故障参数对各子结点进行故障诊断；
在所述匹配诊断规则诊断成功的情况下，输出所述匹配诊断规则进行故障诊断得到的故障诊断结果；
在所述匹配诊断规则故障诊断失败的情况下，根据所述模糊诊断规则和所述故障参数对各子结点进行故障诊断；
在所述模糊诊断规则诊断成功的情况下，输出所述模糊诊断规则进行故障诊断得到的故障诊断结果；
在所述模糊诊断规则诊断失败的情况下，根据所述融合诊断规则和所述故障参数对各子结点进行故障诊断；
在所述融合诊断规则诊断成功的情况下，输出所述融合诊断规则进行故障诊断得到的故障诊断结果。
在其中一个实施例中，所述根据所述匹配诊断规则和所述故障参数对各子结点进行故障诊断，包括：
获取与所述故障参数匹配的故障事件集合，所述故障事件集合包括所述故障结点发生故障时对应的多个故障事件，每个故障事件表征各子结点中发生故障的故障子结点；
根据所述故障事件集合确定各子结点发生故障的次数；
根据各子结点发生故障的次数确定各子结点发生故障的概率。
在其中一个实施例中，所述根据所述模糊诊断规则和所述故障参数对各子结点进行故障诊断，包括：
对所述故障参数进行模糊处理，得到各子结点的第一故障隶属度；
根据所述第一故障隶属度确定各子结点的故障诊断结果。
在其中一个实施例中，所述故障参数为多个，所述根据所述融合诊断规则和所述故障参数对各子结点进行故障诊断，包括：
对各故障参数进行模糊处理，得到各故障参数对应的各子结点的第一故障隶属度；
将各故障参数对应的各子结点的第一故障隶属度进行融合，得到第二故障隶属度；
根据所述第二故障隶属度确定各子结点的故障诊断结果。
第二方面，本申请提供了一种运行系统的故障诊断装置，所述运行系统包括多个运行结点，所述装置包括：
参数获取模块，用于获取发生故障的故障结点的故障参数，所述故障结点为多个运行结点的其中一个；
故障诊断模块，用于根据预设诊断规则和所述故障参数对所述故障结点的各子结点进行故障诊断，得到各子结点的故障诊断结果，所述故障诊断结果用于表征各子结点发生故障的概率。
第三方面，本申请提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述的方法的步骤。
第四方面，本申请提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法的步骤。
第五方面，本申请提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述的方法的步骤。
上述运行系统的故障诊断方法、装置、计算机设备和存储介质，运行系统的故障诊断方法包括：获取发生故障的故障结点的故障参数，所述故障结点为多个运行结点的其中一个；根据预设诊断规则和所述故障参数对所述故障结点的各子结点进行故障诊断，得到各子结点的故障诊断结果，所述故障诊断结果用于表征各子结点发生故障的概率，由于可以通过故障结点的故障参数以及预设诊断规则自动对故障结点的各子结点进行故障诊断，可以得到各子结点发生故障的概率，则运维人员根据各子结点发生故障的概率就可以针对各子结点是否发生故障进行快速确认，解决了通过人工诊断故障的运行结点的子结点的故障，导致的诊断效率较低的技术问题，实现了提高故障诊断效率的技术效果。
附图说明
图1为一个实施例中的运行系统的故障诊断方法的流程示意图；
图2为一个实施例中的根据多个预设规则对各子结点进行故障诊断的细化流程图；
图3为一个实施例中的运行系统的故障诊断装置的结构示意图；
图4为一个实施例中的计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
参考图1，图1为一个实施例中的运行系统的故障诊断方法的流程示意图。在一个实施例中，如图1所示，提供了一种运行系统的故障诊断方法，本实施例的故障诊断方法用于对运行系统的故障进行诊断。运行系统包括多个运行结点。本实施例以该方法应用于计算机设备进行举例说明，可以理解的是，该方法也可以应用于服务器，还可以应用于包括计算机设备和服务器的系统，并通过计算机设备和服务器的交互实现。本实施例中，该方法步骤110至步骤120。
步骤110、获取发生故障的故障结点的故障参数，所述故障结点为多个运行结点的其中一个。
其中，故障结点指的是运行系统的多个运行结点中，发生故障的运行结点。运行结点指的是运行系统中进行工作的结点。可选的，运行系统可以是空调系统。以运行系统为空调系统为例，运行结点包括但不限于空气处理结点、空气输送结点、空气分配结点等。在本实施例中，获取的可以是运行结点发生故障时的故障参数。故障参数一般指的是关键的故障参数，用于表征是否发生故障的参数。例如当前温度、当前空气流量等。可选的，本实施例的故障参数可以通过传感器采集得到。
步骤120、根据预设诊断规则和所述故障参数对所述故障结点的各子结点进行故障诊断，得到各子结点的故障诊断结果，所述故障诊断结果用于表征各子结点发生故障的概率。
其中，预设诊断规则指的是对故障结点的各子结点进行故障诊断的规则。可选的，本实施例中的预设诊断规则可以是一个或多个。其中，子结点指的是运行结点的其中一个分支。在本实施例中，子结点指的是故障结点的子结点。例如，故障结点为空气处理结点，则子结点可以是压缩机等。在本步骤中，根据预设诊断规则和故障参数对故障结点的各子结点进行故障诊断，从而确定各子结点发生故障的概率。
本实施例的技术方案，由于可以通过故障结点的故障参数以及预设诊断规则自动对故障结点的各子结点进行故障诊断，可以得到各子结点发生故障的概率，则运维人员根据各子结点发生故障的概率就可以针对各子结点的故障行快速确认，解决了通过人工诊断故障的运行结点的子结点的故障，导致诊断效率较低的技术问题，实现了提高故障诊断效率的技术效果。
在一个可能的实施方式中，预设诊断规则为多个，根据预设诊断规则和所述故障参数对所述故障结点的各子结点进行故障诊断，包括：
按照多个预设诊断规则的诊断顺序，依次根据每个预设诊断规则和所述故障参数对各子结点进行故障诊断，直至其中一个预设诊断规则成功诊断出各子结点的故障。
在本实施方式中，预设诊断规则为多个，则每次通过一个预设诊断规则和故障参数对各子结点进行故障诊断，直到其中一个预设诊断规则成功诊断出各子结点的故障时，停止其他预设诊断规则的诊断。
需要说明的是，多个预设诊断规则的诊断顺序，与多个预设诊断规则之间的诊断准确度有关。具体的，诊断准确度越高，诊断顺序越靠前。
可以理解的是，本实施例通过多个预设诊断规则来对故障结点的各子结点进行故障诊断，诊断准确度越高，诊断顺序越靠前，在保证正常诊断出诊断结果的前提下，诊断的准确更高。
参考图2，图2为一个实施例中的根据多个预设规则对各子结点进行故障诊断的细化流程图。本实施例中，以多个预设规则包括匹配诊断规则、模糊诊断规则和基于信息融合的融合诊断规则为例进行说明。如图2所示，按照多个预设诊断规则的诊断顺序，依次根据每个预设诊断规则和所述故障参数对各子结点进行故障诊断，直至其中一个预设诊断规则成功诊断出各子结点的故障，包括：
步骤210、根据所述匹配诊断规则和所述故障参数对各子结点进行故障诊断。
步骤220、判断匹配诊断规则是否诊断成功。
在本步骤中，若诊断成功，则执行步骤230；若诊断失败，则执行步骤240。
步骤230、输出所述匹配诊断规则进行故障诊断得到的故障诊断结果。
在本步骤中，在所述匹配诊断规则诊断成功的情况下，输出所述匹配诊断规则进行故障诊断得到的故障诊断结果。
步骤240、根据所述模糊诊断规则和所述故障参数对各子结点进行故障诊断。
在本步骤中，在所述匹配诊断规则故障诊断失败的情况下，根据所述模糊诊断规则和所述故障参数对各子结点进行故障诊断。
步骤250、判断模糊诊断规则是否诊断成功。
在本步骤中，若诊断成功，则执行步骤260；若诊断失败，则执行步骤270。
步骤260、输出所述模糊诊断规则进行故障诊断得到的故障诊断结果。
在本步骤中，在所述模糊诊断规则诊断成功的情况下，输出所述模糊诊断规则进行故障诊断得到的故障诊断结果。
步骤270、根据所述融合诊断规则和所述故障参数对各子结点进行故障诊断。
在本步骤中，在所述模糊诊断规则诊断失败的情况下，根据所述融合诊断规则和所述故障参数对各子结点进行故障诊断。
步骤280、判断融合诊断规则是否诊断成功。
在本步骤中，若诊断成功，则执行步骤290。
步骤290、输出所述融合诊断规则进行故障诊断得到的故障诊断结果。
在本步骤中，在所述融合诊断规则诊断成功的情况下，输出所述融合诊断规则进行故障诊断得到的故障诊断结果。
在本实施例中，若能得到故障诊断结果，则可以认为是诊断成功。
本实施例的技术方案，先通过匹配诊断规则来进行诊断，若匹配诊断规则诊断失败则通过模糊诊断规则进行诊断，若模糊诊断规则诊断失败则通过融合诊断规则来进行诊断，通过多个预设诊断规来进行诊断可以保证可以诊断出各子结点的故障诊断结果。
需要说明的是，若匹配诊断规则、模糊诊断规则和基于信息融合的融合诊断规则均诊断失败，则需要重新建立该故障结点的预设诊断规则，以通过新建立的预设诊断规则来对该故障结点的各子结点进行故障诊断。
可以理解的是，也可以只通过匹配诊断规则、模糊诊断规则和基于信息融合的融合诊断规则的其中一个进行故障诊断。
以下实施例在上述任一实施例的基础上，对于预设诊断规则如何进行诊断进行描述说明。
在一个可能的实施方式中，所述根据所述匹配诊断规则和所述故障参数对各子结点进行故障诊断，包括：
获取与所述故障参数匹配的故障事件集合，所述故障事件集合包括所述故障结点发生故障时对应的多个故障事件，每个故障事件表征各子结点中发生故障的故障子结点；
根据所述故障事件集合确定各子结点发生故障的次数；
根据各子结点发生故障的次数确定各子结点发生故障的概率。
其中，故障事件指的是曾经发生过故障的真实事件，可以通过模拟得到故障事件。本实施例的故障事件为故障结点曾经发生故障时对应的故障事件。具体的，本实施例预先建立好各参数区间分别匹配的故障事件集合，则根据故障参数所在的参数区间，确定故障参数匹配的故障事件集合。
在本实施方式中，由于故障事件集合包括故障结点发生故障时对应的多个故障事件，而每个故障事件记载了故障结点发生故障时，各子结点中发生故障的故障子结点，则根据故障时间集合可以确定各子结点发生故障的次数，并根据发生故障的次数可以确定各子结点发生故障的概率。
需要说明的是，各子结点中发生故障的次数越高，则发生故障的概率越高。可选的，可以通过计算某一子结点发生故障的次数，与故障概率事件结合中所有子结点发生故障的总次数的比例，作为各子结点发生故障的概率。
本实施例的技术方案，通过的故障事件集合来确定各子结点的故障诊断结果的方式，由于是反映了故障结点发生故障时的真实情况，则得到的故障诊断结果更准确。
在一个可能的实施方式中，所述根据所述模糊诊断规则和所述故障参数对各子结点进行故障诊断，包括：
对所述故障参数进行模糊处理，得到各子结点的第一故障隶属度；
根据所述第一故障隶属度确定各子结点的故障诊断结果。
其中，故障隶属度指的是表征故障的隶属度。第一故障隶属度指的是对运行处理进行模糊处理得到的故障隶属度。若对论域(研究的范围)U中的任一元素x，都有一个数A(x)∈[0，1]与之对应，则称A为U上的模糊集，A(x)称为x对A的隶属度。当x在U中变动时，A(x)就是一个函数，称为A的隶属函数。隶属度A(x)越接近于1，表示x属于A的程度越高，A(x)越接近于0表示x属于A的程度越低。用取值于区间(0，1)的隶属函数A(x)表征x属于A的程度高低。隶属度属于模糊评价函数里的概念：模糊综合评价是对受多种因素影响的事物做出全面评价的一种十分有效的多因素决策方法，其特点是评价结果不是绝对地肯定或否定，而是以一个模糊集合来表示。在本实施方式中，得到各子结点的第一故障隶属度后，可以根据第故障隶属度确定各子结点的故障诊断结果。
需要说明的是，本实施例方式中，当故障参数为多个时，对其中一个故障参数进行模糊处理，得到各子结点的第一故障隶属度。若其中一个故障参数的进行模糊处理后，无法诊断出诊断结果，则对另一个故障参数进行模糊处理，直到所有故障参数都进行模糊处理后均无法诊断出诊断结果，则通过融合诊断规则进行诊断。
在一个可能的实施方式中，可以通过模糊算法对故障参数进行模糊处理。可选的，模糊算法包括但不限于正态分布，三角分布，梯形分布，升半正态分布，降半正态分布，柯西分布及矩形分布等。以正态分布的表达式为例，其表达式为：
μ(x)＝exp[-k(x-a)]，k>0。
以三角分布的表达式为例，其表达式为：
Figure BDA0003408162600000111
其中，a为某故障类型对应的父结点参数，b和c为参数的极限偏差。
设A为故障诊断系统可能决策的集合，如各子结点的故障类型的集合；B为父结点故障参数(即传感器测试数据，下同)的集合。A和B的关系矩阵R中的元素μji表示由父结点的参数j推断决策为i(第i个子结点故障)的可能性，X表示父结点各故障参数的可信度，经过模糊变换得到的Y是综合后各子结点故障的可能性。具体来说，假设有m个传感器对父结点进行测试(即有m个故障参数)，而子结点有n个，那么:
A＝{y1/子结点1，y2/子结点2,…，yn/子结点n}
B＝{x1/参数1，x2/参数2，…，xm/参数m}
故障参数对各个可能决策的判断用定义在A上的隶属度函数表示，设父结点参数j对各子结点的判断结果为：[μj1/子结点1，μj2/子结点2,…，μjn/子结点n]其中0≤μji≤1
即认为结果为子结点i故障的可能性为μji，记为向量(μj1,μj2,…,μjn)，m个参数构成A×B的关系矩阵：
Figure BDA0003408162600000112
其中，A×B的关系矩阵可以看作是第一故障隶属度。将各参数判断的可信度用B上的隶属度X＝{x1/参数1，x2/参数2，…，xm/参数m}表示，那么由Y＝X·R进行模糊变换，就可得到综合后的诊断结果Y＝{μ(x1),μ(x2),……,μ(xn)}，也即综合后的各子结点故障可能性的集合。
在一个可能的实施方式中，所述故障参数为多个，所述根据所述融合诊断规则和所述故障参数对各子结点进行故障诊断，包括：
对各故障参数进行模糊处理，得到各故障参数对应的各子结点的第一故障隶属度；
将各故障参数对应的各子结点的第一故障隶属度进行融合，得到第二故障隶属度；
根据所述第二故障隶属度确定各子结点的故障诊断结果。
其中，第二故障隶属度指的是将各故障参数对应的各子结点的第一故障隶属度进行融合后得到的故障隶属度，第二故障隶属度可以认为是融合的隶属度。在本实施方式中，先对各故障参数进行模糊处理，得到各子结点分别对应的第一故障隶属度，并对各第一故障隶属度进行融合得到第二故障隶属度，从而通过第二故障隶属度确定各子结点的故障诊断结果。
在一个可能的实施方式中，可以通过融合算法将各故障参数对应的各子结点的第一故障隶属度进行融合。可选的，融合算法包括但不限于模糊信息融合算法，基于DS证据理论的信息融合算法及神经网络信息融合算法。
具体的，神经网络信息融合算法主要是应用模糊集与BP网络相结合，构成一模糊神经网络分类器，它是将模糊的概念结合于神经网络的各层中，其输入输出都是具有语义性质的隶属度值。故障诊断时，利用各故障参数得到各子结点的第一故障隶属度值作为BP网的输入，而输出融合后的第二故障隶属度值。
需要说明的是，在多个融合算法中，BP算法在样本齐全时，故障识别率较高，但在有些情况下，故障样本难以获取，无法使用BP融合故障诊断算法；此时可应用模糊融合或基于DS证据理论的信息融合故障诊断算法，它们不需要故障样本，模糊融合算法简单，计算量小，DS融合算法相对复杂，但诊断准确率要高，可以根据不同情况进行选择。
本实施例中，采用何种融合算法进行融合，本实施例不作限定。
在一个可能的实施方式中，还可以将故障诊断结果以可视化的形式进行展示，或者发送信息告知运维人员，以使运维人员可以及时对故障进行确认。
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的运行系统的故障诊断方法的运行系统的故障诊断装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个运行系统的故障诊断装置实施例中的具体限定可以参见上文中对于运行系统的故障诊断方法的限定，在此不再赘述。
参考图3，图3为一个实施例中的运行系统的故障诊断装置的结构示意图。在一个实施例中，如图3所示，提供了一种运行系统的故障诊断装置，包括：参数获取模块310和故障诊断模块320，其中：
参数获取模块310用于获取发生故障的故障结点的故障参数，所述故障结点为多个运行结点的其中一个；
故障诊断模块320用于根据预设诊断规则和所述故障参数对所述故障结点的各子结点进行故障诊断，得到各子结点的故障诊断结果，所述故障诊断结果用于表征各子结点发生故障的概率。
在其中一个实施例中，所述预设诊断规则为多个，所述故障诊断模块320具体用于按照多个预设诊断规则的诊断顺序，依次根据每个预设诊断规则和所述故障参数对各子结点进行故障诊断，直至其中一个预设诊断规则成功诊断出各子结点的故障。
在其中一个实施例中，多个预设诊断规则包括匹配诊断规则、模糊诊断规则和基于信息融合的融合诊断规则，故障诊断模块320，包括：
第一故障诊断单元，用于根据所述匹配诊断规则和所述故障参数对各子结点进行故障诊断；在所述匹配诊断规则诊断成功的情况下，输出所述匹配诊断规则进行故障诊断得到的故障诊断结果；
第二故障诊断单元，用于在所述匹配诊断规则故障诊断失败的情况下，根据所述模糊诊断规则和所述故障参数对各子结点进行故障诊断；在所述模糊诊断规则诊断成功的情况下，输出所述模糊诊断规则进行故障诊断得到的故障诊断结果；
第三故障诊断单元，用于在所述模糊诊断规则诊断失败的情况下，根据所述融合诊断规则和所述故障参数对各子结点进行故障诊断；在所述融合诊断规则诊断成功的情况下，输出所述融合诊断规则进行故障诊断得到的故障诊断结果。
在其中一个实施例中，第一故障诊断单元具体用于获取与所述故障参数匹配的故障事件集合，所述故障事件集合包括所述故障结点发生故障时对应的多个故障事件，每个故障事件表征各子结点中发生故障的故障子结点；根据所述故障事件集合确定各子结点发生故障的次数；根据各子结点发生故障的次数确定各子结点发生故障的概率。
在其中一个实施例中，第二故障诊断单元具体用于对所述故障参数进行模糊处理，得到各子结点的第一故障隶属度；根据所述第一故障隶属度确定各子结点的故障诊断结果。
在其中一个实施例中，所述故障参数为多个，第三故障诊断单元具体用于对各故障参数进行模糊处理，得到各故障参数对应的各子结点的第一故障隶属度；将各故障参数对应的各子结点的第一故障隶属度进行融合，得到第二故障隶属度；根据所述第二故障隶属度确定各子结点的故障诊断结果。
上述运行系统的故障诊断装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
参考图4，图4为一个实施例中的计算机设备的内部结构图。在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种运行系统的故障诊断方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述任一实施例的方法的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述任一实施例的方法的步骤。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述任一实施例的方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种运行系统的故障诊断方法，其特征在于，所述运行系统包括多个运行结点，所述方法包括：
获取发生故障的故障结点的故障参数，所述故障结点为多个运行结点的其中一个；
根据预设诊断规则和所述故障参数对所述故障结点的各子结点进行故障诊断，得到各子结点的故障诊断结果，所述故障诊断结果用于表征各子结点发生故障的概率。
2.根据权利要求1所述的方法，其特征在于，所述预设诊断规则为多个，所述根据预设诊断规则和所述故障参数对所述故障结点的各子结点进行故障诊断，包括：
按照多个预设诊断规则的诊断顺序，依次根据每个预设诊断规则和所述故障参数对各子结点进行故障诊断，直至其中一个预设诊断规则成功诊断出各子结点的故障。
3.根据权利要求2所述的方法，其特征在于，多个预设诊断规则包括匹配诊断规则、模糊诊断规则和基于信息融合的融合诊断规则，所述按照多个预设诊断规则的诊断顺序，依次根据每个预设诊断规则和所述故障参数对各子结点进行故障诊断，直至其中一个预设诊断规则成功诊断出各子结点的故障，包括：
根据所述匹配诊断规则和所述故障参数对各子结点进行故障诊断；
在所述匹配诊断规则诊断成功的情况下，输出所述匹配诊断规则进行故障诊断得到的故障诊断结果；
在所述匹配诊断规则故障诊断失败的情况下，根据所述模糊诊断规则和所述故障参数对各子结点进行故障诊断；
在所述模糊诊断规则诊断成功的情况下，输出所述模糊诊断规则进行故障诊断得到的故障诊断结果；
在所述模糊诊断规则诊断失败的情况下，根据所述融合诊断规则和所述故障参数对各子结点进行故障诊断；
在所述融合诊断规则诊断成功的情况下，输出所述融合诊断规则进行故障诊断得到的故障诊断结果。
4.根据权利要求3所述的方法，其特征在于，所述根据所述匹配诊断规则和所述故障参数对各子结点进行故障诊断，包括：
获取与所述故障参数匹配的故障事件集合，所述故障事件集合包括所述故障结点发生故障时对应的多个故障事件，每个故障事件表征各子结点中发生故障的故障子结点；
根据所述故障事件集合确定各子结点发生故障的次数；
根据各子结点发生故障的次数确定各子结点发生故障的概率。
5.根据权利要求3所述的方法，其特征在于，所述根据所述模糊诊断规则和所述故障参数对各子结点进行故障诊断，包括：
对所述故障参数进行模糊处理，得到各子结点的第一故障隶属度；
根据所述第一故障隶属度确定各子结点的故障诊断结果。
6.根据权利要求3所述的方法，其特征在于，所述故障参数为多个，所述根据所述融合诊断规则和所述故障参数对各子结点进行故障诊断，包括：
对各故障参数进行模糊处理，得到各故障参数对应的各子结点的第一故障隶属度；
将各故障参数对应的各子结点的第一故障隶属度进行融合，得到第二故障隶属度；
根据所述第二故障隶属度确定各子结点的故障诊断结果。
7.一种运行系统的故障诊断装置，其特征在于，所述运行系统包括多个运行结点，所述装置包括：
参数获取模块，用于获取发生故障的故障结点的故障参数，所述故障结点为多个运行结点的其中一个；
故障诊断模块，用于根据预设诊断规则和所述故障参数对所述故障结点的各子结点进行故障诊断，得到各子结点的故障诊断结果，所述故障诊断结果用于表征各子结点发生故障的概率。
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
CN202111519292.6A 2021-12-13 2021-12-13 运行系统的故障诊断方法、装置、计算机设备和存储介质 Pending CN114154662A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111519292.6A CN114154662A (zh) 2021-12-13 2021-12-13 运行系统的故障诊断方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111519292.6A CN114154662A (zh) 2021-12-13 2021-12-13 运行系统的故障诊断方法、装置、计算机设备和存储介质

Publications (1)

Publication Number Publication Date
CN114154662A true CN114154662A (zh) 2022-03-08

Family

ID=80450484

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111519292.6A Pending CN114154662A (zh) 2021-12-13 2021-12-13 运行系统的故障诊断方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN114154662A (zh)

Similar Documents

Publication Publication Date Title
EP3827387A1 (en) Systematic prognostic analysis with dynamic causal model
JP5223413B2 (ja) Ｉｔシステムのトラブル対処装置、トラブル対処方法およびそのためのプログラム
CN111294237B (zh) 基于pmc模型的2-阶段网络故障诊断方法
US11593648B2 (en) Methods and systems for detection and isolation of bias in predictive models
WO2017084460A1 (zh) 一种原因追溯方法
CN115841046A (zh) 基于维纳过程的加速退化试验数据处理方法和装置
CN108334427A (zh) 存储系统中的故障诊断方法及装置
CN117235664A (zh) 配电通信设备的故障诊断方法、系统和计算机设备
Dai Vu et al. Deep learning-based fault prediction in cloud system
CN114198863B (zh) 机房空调的故障检测方法、装置、计算机设备、存储介质
CN114154662A (zh) 运行系统的故障诊断方法、装置、计算机设备和存储介质
CN115617634A (zh) 基于5g的核电设备异常诊断方法、装置和计算机设备
CN114610645B (zh) 任务可靠性和测试性联合确定方法、装置和计算机设备
CN113887676A (zh) 设备故障预警方法、装置、设备、介质和计算机程序产品
CN114676021A (zh) 作业日志监控方法、装置、计算机设备和存储介质
CN115174129A (zh) 异常节点检测方法、装置、计算机设备和存储介质
CN109474445B (zh) 一种分布式系统根源故障定位方法及装置
CN116112200B (zh) 配电网纵向访问检测方法、装置、计算机设备和存储介质
CN115951170B (zh) 输电线路故障监测方法、装置、计算机设备和存储介质
CN115834353A (zh) 故障自愈方法、装置、设备、存储介质和计算机程序产品
CN116795705A (zh) 异常节点的确定方法、装置和计算机设备
CN116577586A (zh) 电力设备故障监测方法、装置、计算机设备和存储介质
CN114860560A (zh) 服务器异常识别方法、装置、设备、存储介质和程序产品
CN114186031A (zh) 系统故障预测方法、装置、计算机设备和存储介质
CN117056307A (zh) 数据库管理方法、装置、设备、存储介质和程序产品

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