(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111421317.9 (22)申请日 2021.11.26 (71)申请人 江苏科技大学 地址 212008 江苏省镇江市丹徒区长晖路 666号 (72)发明人 唐炜　陈远　顾金凤　孙宇　 严光锐　 (74)专利代理 机构 南京苏高专利商标事务所 (普通合伙) 32204 代理人 张婧 (51)Int.Cl. G06Q 10/00(2012.01) G06F 30/25(2020.01) G16Y 40/20(2020.01) G06F 119/14(2020.01)G06F 119/10(2020.01) (54)发明名称 一种基于粒子群优化的开度阀故障诊断方 法 (57)摘要 本发明公开了一种基于粒子群优化的开度 阀故障诊断方法， 下位机开度阀控制模块采集的 各类数据通过无线通信实时更新至上位机故障 诊断系统中进行处理； 上位机故障诊断系统将接 收到的数据按照故障类型分类处理后进行两种 模式的动态权重分配， 包括： 快速判断模式和具 体故障诊断模式； 再采用粒子群优化算法对分配 权重后的数据进行寻优处理得出最优故障诊断 阈值进而完成故障类型诊断； 本发 明可有效提高 开度阀故障诊断的效率和准确率， 以确保开度阀 运行过程中的安全性和可靠性。 权利要求书3页 说明书7页 附图3页 CN 114048880 A 2022.02.15 CN 114048880 A 1.一种基于粒子群优化的开度阀故障诊断方法， 其特 征在于， 方法包括如下步骤： (1)下位机嵌入式开度阀控制模块采集开度阀在正常状态下和故障状态下的运行数 据， 并制作样本集； (2)下位机嵌入式开度阀控制模块采集开度阀实时运行数据， 在开度阀运行过程中， 下 位机周期性的采集开度阀运行数据， 运行数据包括电机电流、 内部的结构噪声、 内部压力和 阀杆力矩； (3)采集的实时运行 数据传输 至上位机开度阀故障诊断系统， 并进行 预处理分类； (4)上位机开度阀故障诊断系统对样本集数据进行处理， 分配数据权重； 运行数据传递 到上位机开度阀故障诊断系统后， 进入快速判断模式对运行数据进行分类处理， 得出最接 近的样本集区间， 并分配对应区间的权 重； (5)初始化粒子群参数； (6)评价当前粒子适应度并更新各粒子速度和位置， 建立上位机开度阀故障诊断系统 中故障诊断阈值的函数， 作为粒子群优化算法中的适应度目标函数， 利用粒子群优化计算 最优诊断阈值； (7)采用故障诊断阈值的函数计算当前阈值， 并判断当前阀值是否达到最优诊断阈值； 若当前阈值达到最优诊断阈值， 则开度阀处于故障状态； 若 未达到则不处于故障状态； 并形 成诊断结果输出至警报模块； 若无故障则 返回至步骤(2)等待进行下一周期的实时数据采 集， 若有故障， 进入步骤(8)； (8)上位机开度阀故障诊断系统发出停止指令停止对应的开度阀动作， 同时触发报警 模块， 切换权重分配方式， 进入具体故障诊断模式， 读取缓冲区的数据并重新分配数据权 重， 将数据按照具体故障诊断模式重新分配权 重后进入步骤(9)； (9)根据具体故障诊断模式下分配的数据权重得出故障类型， 输出故障原因至上位机 开度阀故障诊断系统， 等待 人工排除故障后恢复开度阀动作， 当前诊断流程结束， 等待进入 步骤(1)进行 下个周期的数据采集及诊断。 2.根据权利要求1所述的一种基于粒子群优化的开度阀故障诊断方法， 其特征在于： 诊 断方法应用于开度阀故障诊断系统， 开度阀故障诊断系统包括下位机嵌入式开度阀控制模 块和上位机开度阀故障诊断系统， 其中下位机嵌入式开度阀控制模块包括CAN总线通信单 元、 无线通信单元、 用户可配置的功能选择单元、 开度控制单元、 电流采集单元、 噪声采集单 元、 压力采集单元和力矩采集单元， 上位机开度阀故障诊断系统包数据分类标记单元、 数据 权重分配单 元和粒子群优化计算单 元。 3.根据权利要求2所述的一种基于粒子群优化的开度阀故障诊断方法， 其特征在于： 所 述电流采集单元使用霍尔电流传感器ACS724获得阀门的电机电流， 噪声采集单元使用 ADXL345三轴加 速度传感器将阀门结构的振动噪声和磨擦噪声转换成电压信号， 压力采集 单元使用MPX4250压力传感器检测获得阀门内部压力， 无线通信单元采用ESPWIFI通信模 块。 4.根据权利要求3所述的一种基于粒子群优化的开度阀故障诊断方法， 其特征在于： 所 述步骤(1)制作样本集的具体方法包括如下步骤： 下位机嵌入式开度阀控制模块采集开度 阀在正常状态下和故障状态下的运行数据， 运行数据包括电机电流、 内部的结构噪声、 内部 压力以及阀杆力矩， 其中电流采集单元采集电机电流数据， 噪声采集单元采集内部的结构权　利　要　求　书 1/3 页 2 CN 114048880 A 2噪声数据， 压力采集单元采集内部压力数据， 力矩采集单元采集阀杆力矩数据； 开度阀故障 类别为c， 每种故障类别在不同的故障程度下采集n个样本， 在开度阀正常状态下采集n个样 本， 共有(c+1)*n个样本， 作为样本集。 5.根据权利要求4所述的一种基于粒子群优化的开度阀故障诊断方法， 其特征在于： 所 述步骤(3)中进行预处理分类的具体方法包括如下步骤： 下位机嵌入式开度阀控制模块通 过无线通信单元将采集到的实时运行信息以物联网云平台为信息中转站传输至上位机开 度阀故障诊断系统； 由上位机开度阀故障诊断系统对数据进行分类处理， 根据故障类型标 记为0， 1， 2……c同时进行进行小波分析及特征量提取； 下位机嵌入式开度阀控制模块是通 过CAN总线通信单元进行组网通信并连接至上位机开度阀故障诊断系统， 每一个下位机拥 有自己的ID， 不同下位机的数据根据CAN总线ID进行区分。 6.根据权利要求5所述的一种基于粒子群优化的开度阀故障诊断方法， 其特征在于： 所 述步骤(4)中快速判断模式的具体方法包括如下步骤： (4.1)获取数据分布特性： 将步骤(1)的样本集按照不同的标记种类分别进行数据处 理， 得到正常状态和c种故障状态对应的数据分布特性f0,f1,f2…fc， 构造数据分布函数； (4.2)划分数据 区间： 将每种类故障对应的数据分布函数划分为i个区间， 每个区间对 应不同的权 重q0,q1,q2…qi； (4.3)权重分配： 每种故障初始时权重各占 每种类故障对应的数据分布函数划分为i 个 区 间 ， 从 无 故 障 状 态 区 到 有 故 障 状 态 区 的 权 重 按 如 下 方 法 线 性 分 配 ： 采用K近邻算法和欧氏距离函数， 同时交叉验证取得一个合理样本值， 对步骤(2)采集的实时运行数据进 行故障种类标记， 标记后进 行区间分类， 并分配对应区间 的权重。 7.根据权利要求6所述的一种基于粒子群优化的开度阀故障诊断方法， 其特征在于： 所 述步骤(5)中初始 化粒子群参数包括初始 化种群粒子的个数m， 最大迭代次数k、 初始速度的 线性权重w、 学习因子c1、 c2， 范围在(0， 1)内的随机比例因子r1、 r2， 以及粒子的初始速度和 初始位置 。 8.根据权利要求7所述的一种基于粒子群优化的开度阀故障诊断方法， 其特征在于： 所 述步骤(6)中计算 最优故障诊断阈值的具体方法包括如下步骤： 建立上位机开度阀故障诊断系统中关于故障诊断阈值的函数 作为粒子群优化算法中的适应度目标函数； 式中n为采集的数据总数， Qi为xi所占的权重， μ为本次采集数据的抽 样均值； 利用粒子群算法的速度 更新和位置更新 方程不断更新各 粒子的速度和位置， 公式如下： xi+1＝xi+vi+1 在c种故障状态下共有m个粒子， i表示第i个粒子； w为初始速度的线性权重， 可根据迭 代次数进行线性变 化； xi＝(xi1,xi2…xic)表示第i个粒子的位置； vi＝(vi1,vi2…vic)表示第i 个粒子的速度； 表示第i个粒子的局部最优位置； 表示全局最优位置； c1、 c2为学习因权　利　要　求　书 2/3 页 3 CN 114048880 A 3