[发明专利]一种设备故障诊断方法

说明书

本发明公开的一种设备故障诊断方法，具体按照以下步骤实施：步骤1，数据采集：采用联网通信的方法，建立制造企业设备数据获取方式；步骤2，数据处理：对采集的数据进行清洗，构建设备故障数据集；步骤3，构建决策树：采用基于C4.5决策树的方法，构建设备故障智能诊断决策树。本发明一种设备故障诊断方法，相比其他的分类方法数据挖掘的效率更高，分类规则逻辑表达式提取更为简便。

技术领域

本发明属于制造设备故障智能诊断技术领域，具体涉及一种设备故障诊断方法。

背景技术

有关设备故障智能诊断的研究，LEI等(2016)提出基于局部连接神经网络的智能故障诊断方法，用于机械大数据诊断^[1]。李永健(2017)提出了基于改进的复合多尺度模糊熵的特征表征方法，确保了高速列车轴箱轴承故障及时诊断^[2]。郭亮等(2019)提出了无标签数据的机械设备智能故障诊断方法，并通过特征知识迁移，提高了机械设备故障识别的效率^[3]。王卉(2019)提出了装甲装备自动装填系统故障智能诊断系统，提升了故障诊断的精确性^[4]。Xu等(2020)综合分析了模糊网络的推理方法与神经网络在设备故障智能诊断应用中的优缺点，并提出了一种适用于分析旋转机械故障诊断的结合模糊理论与神经网络的方法^[5]。有关设备故障诊断的研究，学者们从不同视角，运用不同方法进行研究。

有关设备故障诊断方法的研究，AL-BUGHARBEE等(2016)首先通过奇异谱分析清洗数据噪声，再使用自回归模型评估滚动轴承的故障程度^[6]。谭俊杰等(2019)采用无监督迁移成分分析和深度信念网络的方法，构建了轴承故障分析模型^[7]。上官伟等(2019)提出一种基于LSTM-BP级联网络模型的车载设备智能故障诊断方法，有效地解决对关机误报和引发故障诊断不准确的问题^[8]。Chen等(2019)提出了一种基于IQA的机械设备故障诊断的新方法^[9]。

综上所述，有关设备故障智能诊断的研究，学者们主要研究了设备故障智能诊断的概念、特征，并运用智能诊断的方法对高端装备制造机械的设备故障进行分析。有关设备故障诊断方法的研究，学者们主要采用了神经网络、支持向量机、相关向量机、专家系统等方法进行了对设备故障进行了识别、分析和预测。虽然这些方法应用较为广泛，但是它们对设备故障诊断的预测性和精准性往往达不到预期的标准，并且对数据样本数量有较高的要求。

参考文献

[1]LEI Y G,JIA F,LIN J,et al.An intelligent fault diagnosis methodusing unsupervised feature learning towards mechanical big data[J].IEEETransactions on Industrial Electronics,2016,63(5):3137-3147

[2]李永健.高速列车轴箱轴承智能故障诊断技术研究[D].成都,西南交通大学,2017.

[3]郭亮,董勋,高宏力,李长根.无标签数据下基于特征知识迁移的机械设备智能故障诊断[J].仪器仪表学报,2019,40(8):58-64.

[4]王卉.装甲装备自动装填系统状态监测与故障诊断的研究[D].柳州,广西科技大学,2019.

[5]Xu X Z,Cao D,Zhou Y,Gao J.Application of neural network algorithmin fault diagnosis of mechanical intelligence[J].Mechanical Systems andSignal Processing,2020,141,106625.