本發明公開了一種多源故障檢測與診斷方法和裝置，該方法包括以下步驟：獲取系統正常狀態下的歷史數據，構建正常狀態下的多層次知識圖譜，挖掘正常狀態下多層次知識圖譜的深層次關聯路徑；獲取系統當前待檢測狀態下的待檢測的數據，構建待檢測狀態下的多層次知識圖譜，挖掘待檢測狀態下多層次知識圖譜的深層次關聯路徑；判斷待檢測的數據是否處于故障狀態；若系統處于故障狀態，則確定故障變量，構建待檢測狀態下的多層次知識圖譜故障模型；利用多層次知識圖譜故障模型，結合貝葉斯理論進行多源故障診斷。

技術領域

本公開涉及復雜工業過程檢測領域，尤其涉及一種基于多層次知識圖譜和貝葉斯理論推理的多源故障檢測與診斷方法和裝置。

背景技術

隨著現代工業過程規模的不斷擴大和復雜性的不斷提高，使得人們不得不將過程生產的可靠性和安全性放在重要位置。故障檢測與診斷技術作為過程監控的一個重要組成部分，已經獲得了長足的發展，各種智能算法和模式識別的方法在各個領域的過程監控中都得到了廣泛的應用。

在實際的過程監控中，由于工業過程的規模擴大，復雜性提高，使得生產過程中工藝變量之間有著復雜的關聯關系。同時隨著工藝流程的日益復雜，影響因素逐漸增多，多個故障同時發生在復雜工業系統中是真實存在的，而且是頻繁發生的。諸多因素的影響使故障診斷的難度越來越大。傳統的故障診斷技術主要是多元統計過程監控(Multivariatestatistical process monitoring,MSPM)方法及神經網絡等方法。其依托的主要理論是以主元分析(Principle component analysis,PCA)、偏最小二乘(Partial least squares,PLS)、規范變量分析(Canonical variable analysis,CVA)等為核心的投影降維方法或者依靠神經網絡的分類功能分離故障數據。發明人在研發過程中發現，這些方法都是在故障類型單一，影響因素簡單的情況下進行的。針對故障類型多元，影響因素復雜等情況，傳統方法的準確性大大降低，因為傳統方法沒有考慮工藝變量之間的關聯關系，而這些關聯關系是復雜工業系統的典型特征，也是決定是否能夠準確診斷出故障源的關鍵所在。

發明內容

針對現有傳統技術都是在故障類型單一，影響因素簡單的情況下進行故障檢測與診斷，而沒有考慮復雜工業過程中變量之間錯綜復雜的關聯關系的問題，本公開提供了一種基于多層次知識圖譜和貝葉斯理論推理的多源故障檢測與診斷方法和裝置，考慮了復雜工業過程中變量之間錯綜復雜的關聯關系，提高故障檢測與診斷技術在復雜工業過程中的準確性。

本公開的第一方面的一種多源故障檢測與診斷方法的技術方案為：

一種多源故障檢測與診斷方法，該方法包括以下步驟：

獲取系統正常狀態下的歷史數據，構建正常狀態下的多層次知識圖譜，挖掘正常狀態下多層次知識圖譜的深層次關聯路徑；

獲取系統當前待檢測狀態下的待檢測的數據，構建待檢測狀態下的多層次知識圖譜，挖掘待檢測狀態下多層次知識圖譜的深層次關聯路徑；

判斷待檢測的數據是否處于故障狀態；

若系統處于故障狀態，則確定故障變量，構建待檢測狀態下的多層次知識圖譜故障模型；

利用多層次知識圖譜故障模型，結合貝葉斯理論進行多源故障診斷。

作為本公開的進一步技術方案，所述多層次知識圖譜的構建方法為：

分析系統生產過程中影響生產狀態的不同層次，根據每個層次的特點構建每個層次的知識圖譜；

將每個層次的知識圖譜進行整合，統一完整的知識圖譜中，得到多層次知識圖譜。

作為本公開的進一步技術方案，所述多層次知識圖譜的深層次關聯路徑的挖掘方法為：