基于数理耦合的核设施环境下风机故障监测方法和系统与流程

本发明涉及数据处理领域，特别涉及基于数理耦合的核设施环境下风机故障监测方法和系统。

背景技术：

1、通风系统为核电厂的稳定和安全运行提供了可靠的保障，其中，风机作为核心设备更是发挥了极大的作用和价值，在这样的情况下一旦风机出现故障将会直接影响整个核电厂的运行，带来安全隐患问题。因此，对核电厂风机故障问题的监测和诊断十分重要，只有保障核电厂风机故障问题能够被及时的发现，才能够让核电厂的稳定运行得到可靠的保障，以此降低人员伤亡或较大经济损失的出现，让核电厂能够更好的发挥其作用和价值，满足人们在能源使用方面的需求。由此可见，对核电厂风机故障问题的监测和诊断进行探究是十分必要的。

2、现有的核电厂的风机故障监测存在以下缺陷：1、检测手段有限：现有的核电厂的风机故障监测主要依赖于人工巡检和定期维护，这种方式不仅效率低下，而且容易遗漏一些细微的故障迹象。同时，对于一些复杂的故障，人工检测往往难以准确判断其原因和位置；2、实时性不足：由于检测手段的局限性，现有的核电厂的风机故障监测往往不能实时地反映风机的运行状态和故障情况。这可能导致在故障发生时无法及时采取措施，从而增加了故障对核电厂运行的影响；3、智能化程度低：现有的核电厂的风机故障监测缺乏智能化的分析和预测功能，无法根据历史数据和实时数据对风机的运行状态进行预测和评估。这限制了核电厂的风机故障监测的准确性和可靠性；3、对特殊环境适应性差：核电厂的特殊环境对风机故障检测提出了更高的要求。然而，现有的核电厂的风机故障监测往往没有充分考虑核辐射、高温、高湿等特殊环境因素的影响，导致在这些特殊环境下检测效果不佳。

3、因此，需要提供基于数理耦合的核设施环境下风机故障监测方法和系统，用于提高核设施环境下风机故障监测的准确度及实时性。

技术实现思路

1、本发明提供基于数理耦合的核设施环境下风机故障监测系统，包括：图谱建立模块，用于建立故障知识图谱，其中，所述故障知识图谱用于记载多种风机故障对应的样本核环境变化特征和样本风机运行变化特征；环境监测模块，用于获取通风管道中风机进风区域的实时核环境信息，并根据在多个连续时间点获取的风机进风区域的实时核环境信息，确定实时核环境变化特征；故障预判模块，用于基于所述实时核环境变化特征和所述故障知识图谱，判断是否存在至少一种风险风机故障；运行监测模块，用于获取风机的实时运行信息，其中，所述风机的实时运行信息至少包括风机组件运行信息和通风管道中风机出风区域的流动信息，还用于基于在多个连续时间点获取的风机的实时运行信息，确定实时风机运行变化特征；故障预测模块，用于在所述故障预判模块判定存在至少一种风险风机故障时，基于所述实时风机运行变化特征和每种所述风险风机故障对应的样本风机运行变化特征，预测所述风机的故障风险；故障监测模块，用于在所述故障预判模块判定不存在至少一种风险风机故障时，基于所述实时风机运行变化特征和每种风机故障对应的样本风机运行变化特征，确定所述风机的故障状态。

2、进一步地，所述实时核环境信息至少包括实时进风区域核辐射强度、实时进风区域风速、实时进风区域温度、实时进风区域湿度及实时进风区域腐蚀气体浓度；所述环境监测模块根据在多个连续时间点获取的风机进风区域的实时核环境信息，确定实时核环境变化特征，包括：根据在多个连续时间点获取的实时进风区域核辐射强度，计算实时进风区域核辐射强度均值和实时进风区域核辐射强度波动参数；根据所述实时进风区域核辐射强度均值和实时进风区域核辐射强度波动参数，判断是否进行第一次数据修正；若判定进行第一次数据修正，则根据在多个连续时间点获取的实时进风区域核辐射强度对在多个连续时间点获取的实时进风区域腐蚀气体浓度进行数据修正，根据在多个连续时间点获取的实时进风区域核辐射强度和修正后的在多个连续时间点获取的实时进风区域腐蚀气体浓度，对在多个连续时间点获取的实时进风区域风速进行数据修正，根据在多个连续时间点获取的实时进风区域核辐射强度、修正后的在多个连续时间点获取的实时进风区域腐蚀气体浓度和实时进风区域风速，对在多个连续时间点获取的实时进风区域温度和实时进风区域湿度进行数据修正，基于在多个连续时间点获取的实时进风区域核辐射强度以及修正后的在多个连续时间点获取的实时进风区域腐蚀气体浓度、实时进风区域风速、实时进风区域温度和实时进风区域湿度，确定所述实时核环境变化特征；若判定不进行第一次数据修正，根据在多个连续时间点获取的实时进风区域腐蚀气体浓度，计算实时进风区域腐蚀气体浓度均值和实时进风区域腐蚀气体浓度波动参数，根据实时进风区域核辐射强度均值和实时进风区域核辐射强度波动参数以及实时进风区域腐蚀气体浓度均值和实时进风区域腐蚀气体浓度波动参数，判定是否进行第二次数据修正；若判定不进行第二次数据修正，根据在多个连续时间点获取的实时进风区域核辐射强度、实时进风区域风速、实时进风区域温度、实时进风区域湿度及实时进风区域腐蚀气体浓度，确定所述实时核环境变化特征；若判定进行第二次数据修正，则根据在多个连续时间点获取的实时进风区域核辐射强度和在多个连续时间点获取的实时进风区域腐蚀气体浓度，对在多个连续时间点获取的实时进风区域风速进行数据修正，根据在多个连续时间点获取的实时进风区域核辐射强度和实时进风区域腐蚀气体浓度以及修正后的在多个连续时间点获取的实时进风区域风速，对在多个连续时间点获取的实时进风区域温度和实时进风区域湿度进行数据修正，基于在多个连续时间点获取的实时进风区域核辐射强度和实时进风区域腐蚀气体浓度以及修正后的在多个连续时间点获取的实时进风区域风速、实时进风区域温度和实时进风区域湿度，确定所述实时核环境变化特征。

3、进一步地，所述环境监测模块根据在多个连续时间点获取的实时进风区域核辐射强度、修正后的在多个连续时间点获取的实时进风区域腐蚀气体浓度和实时进风区域风速，对在多个连续时间点获取的实时进风区域温度和实时进风区域湿度进行数据修正，包括：建立并训练温湿度修正模型；对在多个连续时间点获取的实时进风区域核辐射强度进行经验模态分解，生成对应的实时进风区域核辐射强度本征模态函数和实时进风区域核辐射强度残差，提取每个所述实时进风区域核辐射强度本征模态函数的时域特征和频域特征，提取所述实时进风区域核辐射强度残差的时域特征和频域特征；对修正后的在多个连续时间点获取的实时进风区域腐蚀气体浓度进行经验模态分解，生成对应的实时进风区域腐蚀气体浓度本征模态函数和实时进风区域腐蚀气体浓度残差，提取每个所述实时进风区域腐蚀气体浓度本征模态函数的时域特征和频域特征，提取所述实时进风区域腐蚀气体浓度残差的时域特征和频域特征；对修正后的在多个连续时间点获取的实时进风区域风速进行经验模态分解，生成对应的实时进风区域风速本征模态函数和实时进风区域风速残差，提取每个所述实时进风区域风速本征模态函数的时域特征和频域特征，提取所述实时进风区域风速残差的时域特征和频域特征；对在多个连续时间点获取的实时进风区域温度进行经验模态分解，生成对应的实时进风区域温度本征模态函数和实时进风区域温度残差，提取每个所述实时进风区域温度本征模态函数的时域特征和频域特征，提取所述实时进风区域温度残差的时域特征和频域特征；对在多个连续时间点获取的实时进风区域湿度进行经验模态分解，生成对应的实时进风区域湿度本征模态函数和实时进风区域湿度残差，提取每个所述实时进风区域湿度本征模态函数的时域特征和频域特征，提取所述实时进风区域湿度残差的时域特征和频域特征；通过训练后的温湿度修正模型基于每个所述实时进风区域核辐射强度本征模态函数的时域特征和频域特征、所述实时进风区域核辐射强度残差的时域特征和频域特征、每个所述实时进风区域腐蚀气体浓度本征模态函数的时域特征和频域特征、所述实时进风区域腐蚀气体浓度残差的时域特征和频域特征、每个所述实时进风区域风速本征模态函数的时域特征和频域特征、所述实时进风区域风速残差的时域特征和频域特征、每个所述实时进风区域温度本征模态函数的时域特征和频域特征、所述实时进风区域温度残差的时域特征和频域特征、每个所述实时进风区域湿度本征模态函数的时域特征和频域特征以及所述实时进风区域湿度残差的时域特征和频域特征，生成修正后的在多个连续时间点获取的实时进风区域温度和实时进风区域湿度。

4、进一步地，所述故障预判模块基于所述实时核环境变化特征和所述故障知识图谱，判断是否存在至少一种风险风机故障，包括：对任意两种所述风机故障，基于两种所述风机故障对应的样本核环境变化特征，计算两种所述风机故障之间的第一核环境变化相似度；通过聚类算法基于任意两种所述风机故障之间的第一核环境变化相似度，对所述多种风机故障进行聚类，确定第一故障聚类簇；对于每个所述第一故障聚类簇，计算所述实时核环境变化特征和所述故障聚类簇的聚类中心对应的风机故障的样本核环境变化特征之间的第二核环境变化相似度；基于每种所述第一故障聚类簇对应的第二核环境变化相似度，确定第一目标故障聚类簇；对于所述第一目标故障聚类簇包括的每种风机故障，计算所述实时核环境变化特征和所述风机故障的样本核环境变化特征之间的第三核环境变化相似度；基于所述第一目标故障聚类簇包括的每种风机故障对应的第三核环境变化相似度，判断是否存在至少一种风险风机故障。

5、进一步地，所述运行监测模块包括：热成像组件，用于获取所述风机的热成像图像；振动监测组件，包括多个振动感应设备，多个振动感应设备分别设置在所述风机内部的不同位置，用于采集所述风机内部的不同组件的实时振动信息，其中，所述风机组件运行信息至少包括所述风机的热成像图像和所述风机内部的不同组件的实时振动信息；出风区域空气流动监测组件，包括设置在所述风机出风区域的多个风速感应设备，多个风速感应设备设置在同一管道截面的不同位置，所述风速感应设备用于获取所在位置的实时出风风速。

6、进一步地，所述运行监测模块基于在多个连续时间点获取的风机的实时运行信息，确定实时风机运行变化特征，包括：若所述环境监测模块判定进行第一次数据修正，根据在多个连续时间点获取的实时核辐射强度和修正后的在多个连续时间点获取的实时进风区域腐蚀气体浓度，对在多个连续时间点获取的风机内部的不同组件的实时振动信息和同一管道截面的不同位置的实时出风风速进行修正，基于修正后的在多个连续时间点获取的风机内部的不同组件的实时振动信息和同一管道截面的不同位置的实时出风风速和热成像图像，确定实时风机运行变化特征；若所述环境监测模块判定不进行第一次数据修正，根据在多个连续时间点获取的实时核辐射强度和实时进风流速对在多个连续时间点获取的风机内部的不同组件的实时振动信息和同一管道截面的不同位置的实时出风风速进行修正，基于修正后的在多个连续时间点获取的风机内部的不同组件的实时振动信息和同一管道截面的不同位置的实时出风风速和热成像图像，确定实时风机运行变化特征。

7、进一步地，所述运行监测模块基于在多个连续时间点获取的风机的实时运行信息，确定实时风机运行变化特征，包括：对于所述多个连续时间点的每个时间点，基于多个风速感应设备获取的实时出风风速，确定截面风速波动参数；对于所述出风区域空气流动监测组件的每个风速感应设备，基于所述风速感应设备在多个连续时间点获取的实时出风风速，确定位置风速波动参数。

8、进一步地，所述故障预测模块基于所述实时风机运行变化特征和每种所述风险风机故障对应的样本风机运行变化特征，包括：对于所述风险风机故障，计算所述实时风机运行变化特征和所述风险风机故障对应的样本风机运行变化特征的第一运行变化相似度；基于每种所述风险风机故障对应的第一运行变化相似度，预测所述风机的故障风险。

9、进一步地，所述故障监测模块基于所述实时风机运行变化特征和每种风机故障对应的样本风机运行变化特征，确定所述风机的故障状态，包括：对任意两种风机故障，基于两种所述风机故障对应的样本风机运行变化特征，计算两种风机故障之间的第二运行变化相似度；通过聚类算法基于任意两种风机故障之间的第二运行变化相似度，对多种风机故障进行聚类，确定第二故障聚类簇；对于每种第二故障聚类簇，计算所述实时风机运行变化特征和所述第二故障聚类簇的聚类中心对应的样本风机运行变化特征之间的第三运行变化相似度；基于每种所述故障聚类簇对应的第三运行变化相似度，确定第二目标故障聚类簇；对于所述第二目标故障聚类簇包括的每种风机故障，计算所述实时风机运行变化特征和所述风机故障的样本风机运行变化特征之间的第四运行变化相似度；基于所述目标故障聚类簇包括的每种风机故障对应的第四运行变化相似度，确定所述风机的故障状态。

10、本发明提供基于数理耦合的核设施环境下风机故障监测方法，包括：建立故障知识图谱，其中，所述故障知识图谱用于记载多种风机故障对应的样本核环境变化特征和样本风机运行变化特征；获取通风管道中风机进风区域的实时核环境信息，并根据在多个连续时间点获取的风机进风区域的实时核环境信息，确定实时核环境变化特征；基于所述实时核环境变化特征和所述故障知识图谱，判断是否存在至少一种风险风机故障；获取风机的实时运行信息，其中，所述风机的实时运行信息至少包括风机组件运行信息和通风管道中风机出风区域的流动信息，还用于基于在多个连续时间点获取的风机的实时运行信息，确定实时风机运行变化特征；在所述故障预判模块判定存在至少一种风险风机故障时，基于所述实时风机运行变化特征和每种所述风险风机故障对应的样本风机运行变化特征，预测所述风机的故障风险；在所述故障预判模块判定不存在至少一种风险风机故障时，基于所述实时风机运行变化特征和每种风机故障对应的样本风机运行变化特征，确定所述风机的故障状态。

11、相比于现有技术，本发明提供的基于数理耦合的核设施环境下风机故障监测方法和系统，至少具备以下有益效果：

12、1、通过预先获取大量的真实数据，对大量的真实数据进行分析，建立知识图谱，知识图谱能够有效地对核环境变化、风机运行和风机故障进行抽取和关联，梳理出核设施环境下风机故障发生的背景和原因，从而更准确地定位风机故障类型。基于知识图谱和获取的通风管道中风机进风区域的实时核环境信息以及风机的实时运行信息，实现风机的故障风险预测和故障状态的确定，这大大提升了故障排查的效率和准确性，提高了核设施环境下风机故障监测的准确度及实时性。

13、2、通过训练后的温湿度修正模型基于每个实时进风区域核辐射强度本征模态函数的时域特征和频域特征、实时进风区域核辐射强度残差的时域特征和频域特征、每个实时进风区域腐蚀气体浓度本征模态函数的时域特征和频域特征、实时进风区域腐蚀气体浓度残差的时域特征和频域特征、每个实时进风区域风速本征模态函数的时域特征和频域特征、实时进风区域风速残差的时域特征和频域特征、每个实时进风区域温度本征模态函数的时域特征和频域特征、实时进风区域温度残差的时域特征和频域特征、每个实时进风区域湿度本征模态函数的时域特征和频域特征以及实时进风区域湿度残差的时域特征和频域特征，生成修正后的在多个连续时间点获取的实时进风区域温度和实时进风区域湿度，能够从更多维度对实时进风区域温度和实时进风区域湿度进行修正，得到更加准确的修正后的在多个连续时间点获取的实时进风区域温度和实时进风区域湿度。

14、3、热成像不容易受到辐射的影响，并且风机发生某些故障时，管道内不同位置的风速会出现明显变化，因此，从热成像、风机内部的不同组件的实时振动信息、同一管道截面的不同位置的实时出风风速等多个角度，对风机的故障风险预测和故障状态进行更加全面的判定，进一步提高了风机故障监测的准确度。