本發(fā)明涉及人工智能，尤其涉及一種人工智能輔助的閥門故障診斷系統(tǒng)。

背景技術(shù)：

1、人工智能技術(shù)領(lǐng)域包含機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理等多個(gè)方向，其核心內(nèi)容是通過(guò)數(shù)據(jù)驅(qū)動(dòng)的方式模擬人類智能，實(shí)現(xiàn)自動(dòng)化的決策、預(yù)測(cè)與分析。在人工智能技術(shù)體系中，基于機(jī)器學(xué)習(xí)的模式識(shí)別和數(shù)據(jù)分析是關(guān)鍵技術(shù)之一，它依賴于大量數(shù)據(jù)訓(xùn)練模型，以識(shí)別復(fù)雜模式并提供優(yōu)化建議。計(jì)算機(jī)視覺(jué)技術(shù)使得人工智能能夠處理圖像與視頻信息，通過(guò)特征提取、目標(biāo)檢測(cè)等方法，實(shí)現(xiàn)對(duì)現(xiàn)實(shí)世界的智能感知。自然語(yǔ)言處理則用于分析和理解文本數(shù)據(jù)，使得計(jì)算機(jī)能夠理解人類語(yǔ)言并進(jìn)行交互。人工智能的應(yīng)用涵蓋多個(gè)行業(yè)，如醫(yī)療診斷、自動(dòng)駕駛、智能制造、金融風(fēng)控等，依托深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)，提升數(shù)據(jù)分析和決策效率。

2、其中，人工智能輔助的閥門故障診斷系統(tǒng)是指基于人工智能技術(shù)對(duì)閥門運(yùn)行狀態(tài)進(jìn)行實(shí)時(shí)監(jiān)測(cè)與分析，判斷其是否存在異常并識(shí)別具體故障類型。該系統(tǒng)主要利用神經(jīng)網(wǎng)絡(luò)算法對(duì)采集到的傳感器數(shù)據(jù)進(jìn)行訓(xùn)練和分類，以實(shí)現(xiàn)對(duì)閥門故障特征的自動(dòng)識(shí)別。同時(shí)，結(jié)合模式識(shí)別技術(shù)對(duì)歷史數(shù)據(jù)進(jìn)行分析，建立故障庫(kù)以提高診斷的精準(zhǔn)度。系統(tǒng)通常采用多傳感器融合技術(shù)獲取閥門的運(yùn)行參數(shù)，如壓力、溫度、振動(dòng)信號(hào)等，并利用信號(hào)處理方法提取特征信息，進(jìn)而通過(guò)訓(xùn)練好的模型進(jìn)行分類識(shí)別。此外，該系統(tǒng)還可集成云計(jì)算架構(gòu)，將數(shù)據(jù)上傳至遠(yuǎn)程服務(wù)器進(jìn)行計(jì)算，提高診斷效率并支持遠(yuǎn)程監(jiān)控和維護(hù)，從而實(shí)現(xiàn)基于人工智能的閥門故障診斷。

3、現(xiàn)有技術(shù)在特征提取過(guò)程中對(duì)傳感器數(shù)據(jù)的處理方式較為單一，未能有效結(jié)合不同信號(hào)的動(dòng)態(tài)變化，導(dǎo)致部分關(guān)鍵特征未被充分利用，影響了診斷的精準(zhǔn)度。壓力異常識(shí)別通常依賴固定閾值或簡(jiǎn)單統(tǒng)計(jì)分析，未能充分考慮運(yùn)行環(huán)境的動(dòng)態(tài)變化，使得異常壓力點(diǎn)的判定存在誤差。受力評(píng)估主要依靠單點(diǎn)測(cè)量數(shù)據(jù)，缺乏對(duì)密封結(jié)構(gòu)整體受力狀態(tài)的分析，難以準(zhǔn)確判斷受力偏移程度，可能導(dǎo)致局部受損區(qū)域被忽視。在受損范圍判定方面，傳統(tǒng)方法缺乏對(duì)受損程度的細(xì)粒度量化，影響了對(duì)執(zhí)行機(jī)構(gòu)和關(guān)鍵部件穩(wěn)定性的判斷。故障趨勢(shì)預(yù)測(cè)未能綜合振動(dòng)趨勢(shì)、壓力速率偏移和長(zhǎng)期受力變化，僅依賴歷史數(shù)據(jù)進(jìn)行推測(cè)，難以有效識(shí)別長(zhǎng)期故障演化趨勢(shì)，降低了預(yù)警能力。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是解決現(xiàn)有技術(shù)中存在的缺點(diǎn)，而提出的一種人工智能輔助的閥門故障診斷系統(tǒng)。

2、為了實(shí)現(xiàn)上述目的，本發(fā)明采用了如下技術(shù)方案：一種人工智能輔助的閥門故障診斷系統(tǒng)包括：

3、非線性故障特征解析模塊采集振動(dòng)信號(hào)、啟閉時(shí)間序列、流體壓力、驅(qū)動(dòng)負(fù)載，計(jì)算振動(dòng)時(shí)間導(dǎo)數(shù)，分析啟閉趨勢(shì)偏差，提取壓力波動(dòng)，識(shí)別負(fù)載變化幅度，構(gòu)建閥門動(dòng)態(tài)特征路徑，篩選關(guān)鍵特征點(diǎn)，分析梯度變化，剔除無(wú)關(guān)特征，獲取故障特征分布值；

4、運(yùn)行壓力異常識(shí)別模塊基于所述故障特征分布值，提取壓力參數(shù)、流體壓力偏移、啟閉響應(yīng)時(shí)差、負(fù)載變化率，計(jì)算壓力偏移幅度，分析壓力時(shí)序分布，識(shí)別異常壓力點(diǎn)，計(jì)算分布區(qū)間，獲取運(yùn)行壓力異常區(qū)間；

5、結(jié)構(gòu)應(yīng)力影響評(píng)估模塊基于所述異常壓力區(qū)間，提取密封受力、閥體受力偏移、材料應(yīng)變率，計(jì)算受力均衡性，分析受力變化，判斷材料應(yīng)變幅度，篩選受力偏移區(qū)域，獲取結(jié)構(gòu)受力偏移值；

6、故障影響范圍判定模塊基于所述受力偏移值，提取組件受損等級(jí)、執(zhí)行機(jī)構(gòu)穩(wěn)定性、閥桿受力梯度，計(jì)算受損偏移，分析受力均衡性，篩選受損部件，獲取故障影響范圍系數(shù)。

7、作為本發(fā)明的進(jìn)一步方案，所述故障特征分布值包括振動(dòng)導(dǎo)數(shù)特征、啟閉趨勢(shì)特征、壓力波動(dòng)特征、負(fù)載變化特征、梯度變化特征；所述運(yùn)行壓力異常區(qū)間包括腔體壓力偏移、流體壓力異常點(diǎn)、啟閉響應(yīng)偏差、負(fù)載波動(dòng)區(qū)間、異常壓力范圍；所述結(jié)構(gòu)受力偏移值包括密封受力偏差、閥體受力偏移量、材料應(yīng)變偏差、受力均衡指標(biāo)、最大受力區(qū)域；所述故障影響范圍系數(shù)包括組件受損程度、執(zhí)行機(jī)構(gòu)穩(wěn)定性等級(jí)、閥桿受力梯度范圍、受損偏移程度、受力分布均衡性。

8、作為本發(fā)明的進(jìn)一步方案，所述非線性故障特征解析模塊包括：

9、振動(dòng)信號(hào)分析子模塊采集執(zhí)行機(jī)構(gòu)的振動(dòng)信號(hào)，分析時(shí)間導(dǎo)數(shù)，獲取差異化時(shí)間點(diǎn)的變化率，篩選超振動(dòng)變化閾值的數(shù)據(jù)點(diǎn)，計(jì)算異常波動(dòng)范圍指標(biāo)，得到振動(dòng)異常波動(dòng)均方差；

10、流體壓力波動(dòng)提取子模塊調(diào)用所述振動(dòng)異常波動(dòng)均方差，分割流體壓力數(shù)據(jù)，提取波動(dòng)區(qū)間，計(jì)算區(qū)間內(nèi)的壓力極差值，并篩選超流體壓力變化閾值的區(qū)間，得到流體壓力波動(dòng)幅度；

11、驅(qū)動(dòng)負(fù)載變化識(shí)別子模塊根據(jù)所述流體壓力波動(dòng)幅度，計(jì)算驅(qū)動(dòng)負(fù)載響應(yīng)幅度，篩選負(fù)載變化超閾值的特征點(diǎn)，計(jì)算特征點(diǎn)變化速率，獲取故障特征分布值。

12、作為本發(fā)明的進(jìn)一步方案，所述運(yùn)行壓力異常識(shí)別模塊包括：

13、壓力偏移計(jì)算子模塊基于所述故障特征分布值，提取腔體壓力參數(shù)和流體壓力偏移值，計(jì)算差異化時(shí)間點(diǎn)的偏移幅度指標(biāo)，篩選偏移幅度超過(guò)壓力偏移閾值的時(shí)間段，分析篩選時(shí)間段內(nèi)的偏移均值和極差，得到流體壓力偏移幅度；

14、負(fù)載波動(dòng)識(shí)別子模塊調(diào)用所述流體壓力偏移幅度，計(jì)算啟閉響應(yīng)時(shí)差與負(fù)載動(dòng)態(tài)變化率，比較兩者的變化趨勢(shì)，篩選負(fù)載波動(dòng)超負(fù)載變化閾值的時(shí)間段，計(jì)算變化速率，得到負(fù)載波動(dòng)變化結(jié)果；

15、異常壓力篩選子模塊根據(jù)所述負(fù)載波動(dòng)變化結(jié)果，識(shí)別負(fù)載波動(dòng)突出的運(yùn)行階段，篩選異常壓力點(diǎn)，計(jì)算異常壓力點(diǎn)的分布指標(biāo)，獲取運(yùn)行壓力異常區(qū)間。

16、作為本發(fā)明的進(jìn)一步方案，所述壓力偏移幅度指標(biāo)計(jì)算公式具體為：

17、；

18、其中，代表時(shí)間點(diǎn)處的壓力偏移幅度指標(biāo)，代表時(shí)間點(diǎn)在位置處的測(cè)量壓力值，代表時(shí)間點(diǎn)在位置處的參考?jí)毫χ?，代表測(cè)量點(diǎn)的總數(shù)量，代表時(shí)間點(diǎn)處的測(cè)量壓力值的均值，代表所有測(cè)點(diǎn)在時(shí)間點(diǎn)的壓力偏移總和，代表所有測(cè)點(diǎn)在時(shí)間點(diǎn)處的壓力方差總和，代表時(shí)間點(diǎn)處的測(cè)量壓力值的標(biāo)準(zhǔn)偏差。

19、作為本發(fā)明的進(jìn)一步方案，所述結(jié)構(gòu)應(yīng)力影響評(píng)估模塊包括：

20、受力均衡計(jì)算子模塊基于所述運(yùn)行壓力異常區(qū)間，提取密封結(jié)構(gòu)受力狀態(tài)和密封材料的應(yīng)變率，計(jì)算密封結(jié)構(gòu)在差異化受力點(diǎn)的應(yīng)力分布指標(biāo)，篩選受力不均衡的區(qū)域，計(jì)算區(qū)域內(nèi)應(yīng)力差值并歸一化處理，得到密封結(jié)構(gòu)受力均衡性指標(biāo)；

21、閥體受力分析子模塊調(diào)用所述密封結(jié)構(gòu)受力均衡性指標(biāo)，分析閥體在運(yùn)行壓力異常區(qū)間內(nèi)的受力變化，計(jì)算受力變化指標(biāo)，比較差異化受力點(diǎn)的變化幅度，篩選受力偏移超受力偏移閾值的區(qū)域，得到閥體受力偏移值；

22、異常受力篩選子模塊根據(jù)所述閥體受力偏移值，判斷密封材料的應(yīng)變幅度，對(duì)比部件受力數(shù)據(jù)，篩選受力偏移最大的區(qū)域，計(jì)算偏移幅度指標(biāo)，獲取結(jié)構(gòu)受力偏移值。

23、作為本發(fā)明的進(jìn)一步方案，所述歸一化后的區(qū)域應(yīng)力差值計(jì)算公式具體為：

24、；

25、其中，代表歸一化后的區(qū)域應(yīng)力差值，代表區(qū)域內(nèi)第個(gè)受力點(diǎn)的應(yīng)力值，代表區(qū)域內(nèi)所有受力點(diǎn)的應(yīng)力均值，代表該區(qū)域內(nèi)的受力點(diǎn)數(shù)量，代表所有受力點(diǎn)與區(qū)域應(yīng)力均值的絕對(duì)偏差總和，代表所有受力點(diǎn)應(yīng)力偏差的平方總和，代表該區(qū)域的應(yīng)力標(biāo)準(zhǔn)偏差。

26、作為本發(fā)明的進(jìn)一步方案，所述故障影響范圍判定模塊包括：

27、受損偏移計(jì)算子模塊基于所述結(jié)構(gòu)受力偏移值，提取組件受損等級(jí)和閥桿受力梯度，分析差異化組件的受損偏移程度，篩選偏移程度超過(guò)受損偏移閾值的組件，計(jì)算篩選組件的平均受損值，并提取波動(dòng)范圍，得到組件受損偏移程度指標(biāo)；

28、執(zhí)行穩(wěn)定性評(píng)估子模塊調(diào)用所述組件受損偏移程度指標(biāo)，計(jì)算執(zhí)行機(jī)構(gòu)在差異化受損狀態(tài)下的受力均衡指標(biāo)，比較執(zhí)行機(jī)構(gòu)差異化部位的應(yīng)力梯度，篩選受力均衡性偏移超閥桿受力梯度閾值的區(qū)域，得到執(zhí)行機(jī)構(gòu)受力均衡閾值；

29、影響區(qū)域篩選子模塊根據(jù)所述執(zhí)行機(jī)構(gòu)受力均衡閾值，篩選受損影響顯著的部件，計(jì)算部件的受損偏移幅度，篩選影響范圍最廣的區(qū)域，計(jì)算影響區(qū)域的受損系數(shù)，獲取故障影響范圍系數(shù)。

30、作為本發(fā)明的進(jìn)一步方案，所述系統(tǒng)包括閥門故障趨勢(shì)推測(cè)模塊；

31、閥門故障趨勢(shì)推測(cè)模塊基于所述影響范圍系數(shù)，提取振動(dòng)趨勢(shì)、壓力偏移、受力穩(wěn)定性，計(jì)算振動(dòng)衰減率，分析壓力變化幅度，篩選趨勢(shì)模式，生成故障診斷方案；

32、所述故障診斷方案包括振動(dòng)趨勢(shì)模式、壓力偏移速率、結(jié)構(gòu)受力變化趨勢(shì)、振動(dòng)衰減速率、故障模式類別。

33、作為本發(fā)明的進(jìn)一步方案，所述閥門故障趨勢(shì)推測(cè)模塊包括：

34、振動(dòng)趨勢(shì)計(jì)算子模塊基于所述故障影響范圍系數(shù)，提取振動(dòng)變化趨勢(shì)，計(jì)算振動(dòng)信號(hào)在差異化時(shí)間點(diǎn)的變化速率，篩選速率變化超振動(dòng)變化閾值的時(shí)間區(qū)間，獲取振動(dòng)趨勢(shì)時(shí)間衰減率；

35、壓力速率分析子模塊調(diào)用所述振動(dòng)趨勢(shì)時(shí)間衰減率，計(jì)算壓力速率偏移在差異化時(shí)間段的變化幅度，篩選幅度超壓力速率偏移閾值的區(qū)間，得到壓力速率變化幅度；

36、故障模式篩選子模塊根據(jù)所述壓力速率變化幅度，對(duì)比結(jié)構(gòu)受力穩(wěn)定性的長(zhǎng)期變化，計(jì)算差異化故障模式下的趨勢(shì)變化，篩選趨勢(shì)變化超穩(wěn)定性偏移閾值的模式，獲取故障診斷方案。

37、與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點(diǎn)和積極效果在于：

38、本發(fā)明中，通過(guò)綜合采集和分析振動(dòng)信號(hào)、啟閉時(shí)間序列、流體壓力和驅(qū)動(dòng)負(fù)載響應(yīng)，實(shí)現(xiàn)了故障特征的精準(zhǔn)捕捉與關(guān)鍵特征點(diǎn)的高效篩選，通過(guò)精確計(jì)算流體壓力偏移幅度和對(duì)密封結(jié)構(gòu)受力狀態(tài)的細(xì)致評(píng)估，提升了診斷的準(zhǔn)確性和密封性能的判斷力，通過(guò)振動(dòng)趨勢(shì)分析和壓力變化監(jiān)測(cè)，方案增強(qiáng)了故障預(yù)測(cè)的可靠性，并為預(yù)防性維護(hù)提供了科學(xué)依據(jù)，通過(guò)優(yōu)化數(shù)據(jù)分析流程，顯著提高了故障診斷的精度和系統(tǒng)的適應(yīng)性。

39、為了更清楚地說(shuō)明本發(fā)明實(shí)施例中的技術(shù)方案，下面將對(duì)實(shí)施例描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

40、圖1為本發(fā)明的系統(tǒng)流程圖；

41、圖2為本發(fā)明的子模塊流程圖；

42、圖3為本發(fā)明的非線性故障特征解析模塊流程圖；

43、圖4為本發(fā)明的運(yùn)行壓力異常識(shí)別模塊流程圖；

44、圖5為本發(fā)明的結(jié)構(gòu)應(yīng)力影響評(píng)估模塊流程圖；

45、圖6為本發(fā)明的故障影響范圍判定模塊流程圖；

46、圖7為本發(fā)明的閥門故障趨勢(shì)推測(cè)模塊流程圖。