[发明专利]流量计量单元中仪表的故障诊断方法及装置

权利要求书

1.一种流量计量单元中仪表的故障诊断方法，其特征在于，所述方法包括：

获取待检测仪表的示数跳跃值、示数超限值和死线次数，所述示数跳跃值为单位时间内所述待检测仪表的示数变化值是否超过预设变化值的状态值，所述示数超限值为所述待检测仪表的示数是否超过预设量程的状态值，所述死线次数为每个第一预设时间段内所述待检测仪表的示数保持无变化的次数；

将所述示数跳跃值、所述示数超限值和所述死线次数进行归一化处理，获取采集值和死线值，所述采集值为对所述示数跳跃值和所述示数超限值归一化处理后的值，所述死线值为出现所述死线次数对应的值；

基于所述采集值、所述死线值和前一次待检测仪表的可信度系数，采用神经元网络算法，获取所述待检测仪表的当前可信度系数，其中，首次输入时所述前一次待检测仪表的可信度系数为所述待检测仪表正常运行的预设最大可信度系数；

若所述当前可信度系数小于预设故障临界值，则生成表示所述待检测仪表故障的报警提示信息，所述预设故障临界值为所述待检测仪表正常运行的预设最小可信度系数。

2.如权利要求1所述的方法，其特征在于，所述方法还包括：

若所述当前可信度系数不小于预设故障临界值，则展示所述当前可信度系数，并将所述当前可信度系数作为所述前一次待检测仪表的可信度系数，返回执行下一次的故障诊断中所述基于所述采集值、所述死线值和前一次待检测仪表的可信度系数，采用神经元网络算法，获取所述待检测仪表的当前可信度系数的步骤。

3.如权利要求1所述的方法，其特征在于，所述将所述示数跳跃值、所述示数超限值和所述死线次数进行归一化处理，包括：

基于预设归一信息，将所述示数跳跃值、所述示数超限值和死线次数进行归一化处理，获取采集值和死线值。其中，预设归一信息包括预设采集值归一信息和预设死线值归一信息。

4.如权利要求1所述的方法，其特征在于，所述基于所述采集值、所述死线值和前一次待检测仪表的可信度系数，采用神经元网络算法，获取所述待检测仪表的当前可信度系数，包括：

构建包含所述采集值、所述死线值和所述前一次待检测仪表的可信度系数的一维矩阵；

基于所述一维矩阵与所述神经元网络算法中的预设隐含层矩阵、预设阈值修正矩阵、预设转移函数和预设修正阈值，获取所述待检测仪表的当前可信度系数。

5.如权利要求1或4所述的方法，其特征在于，所述神经元网络算法为三层反向传播BP神经网络算法。

6.一种故障诊断装置，其特征在于，所述装置包括：

获取单元，用于获取待检测仪表的示数跳跃值、示数超限值和死线次数，所述示数跳跃值为单位时间内所述待检测仪表的示数变化值是否超过预设变化值的状态值，所述示数超限值为所述待检测仪表的示数是否超过预设量程的状态值，所述死线次数为每个第一预设时间段内所述待检测仪表的示数保持无变化的次数；

将所述示数跳跃值、所述示数超限值和所述死线次数进行归一化处理，获取采集值和死线值，所述采集值为对所述示数跳跃值和所述示数超限值进行归一化处理后的值，所述死线值为出现所述死线次数对应的值；

基于所述采集值、所述死线值和前一次待检测仪表的可信度系数，采用神经元网络算法，获取所述待检测仪表的当前可信度系数，其中，首次输入时所述前一次待检测仪表的可信度系数为所述待检测仪表正常运行的预设最大可信度系数；

生成单元，用于若所述当前可信度系数小于预设故障临界值，则生成表示所述待检测仪表故障的报警提示信息，所述预设故障临界值为所述待检测仪表正常运行的预设最小可信度系数。

7.如权利要求6所述的装置，其特征在于，所述装置还包括：展示单元；

所述展示单元，用于若所述当前可信度系数不小于预设故障临界值，则展示所述当前可信度系数，并将所述当前可信度系数作为所述前一次待检测仪表的可信度系数，返回执行下一次的故障诊断中所述获取单元执行的基于所述采集值、所述死线值和前一次待检测仪表的可信度系数，采用神经元网络算法，获取所述待检测仪表的当前可信度系数的步骤。