一种220V直流系统故障诊断方法与流程

本发明涉及故障诊断，尤其涉及一种220v直流系统故障诊断方法。

背景技术：

1、故障诊断技术在预防和减少工业系统的故障中发挥着关键作用；这些技术能够识别出即将发生或已经发生的系统性故障，减少停机时间，避免生产损失和安全事故，从而保障工业系统的可靠性和安全性；故障诊断可以帮助维护人员及时进行维修，避免系统遭受更严重的损害，同时提高生产效率和降低维修成本；

2、但在针对220v直流系统故障诊断的现有技术中，通常是基于反应式策略，即只有在系统性能明显降低或出现故障时才会进行排查，这无法预防或提前发现问题；同时很多旧的系统还依赖定期的人工检查来识别问题，这种方法无法实现实时监控，导致故障发生后的响应时间延迟；现有技术中依赖有限的数据点或传统算法进行故障诊断，会因缺乏历史数据分析或算法的普适性导致误诊或漏诊，且往往使用固定的诊断逻辑，无法根据系统的实际运行情况适应性地调整判断逻辑和阈值，这在复杂的工业环境中可能导致故障被误判或忽略；

3、因此，本技术提供一种220v直流系统故障诊断方法，以解决上述问题。

技术实现思路

1、本发明提供一种220v直流系统故障诊断方法，其目的在于，提供基于物联网(iot)传感器、边缘计算和云计算集成的220v直流系统故障诊断方法，通过实时的数据监控和分析来识别并预测潜在的系统故障。

2、本发明提供一种220v直流系统故障诊断方法，包括以下步骤：

3、步骤一，在直流系统的关键部位部署lot传感器，实时获取输入端和输出端的多维数据；

4、步骤二，在直流系统中设置边缘分析节点，所述边缘分析节点内预存有诊断逻辑；

5、步骤三，建立通信节点和云逻辑生成平台，所述通信节点与所述lot传感器和所述边缘分析节点电连接，并与所述云逻辑生成平台远程信号连接；

6、步骤四，所述通信节点实时将所述lot传感器获取的多维数据传输至所述云逻辑生成平台中；所述云逻辑生成平台存储多维数据并基于机器学习算法对下一时刻的诊断逻辑进行预测；

7、步骤五，将预测结果通过所述通信节点发送至所述边缘分析节点中存储，替换原诊断逻辑；

8、步骤六，所述边缘分析节点基于最新预存的诊断逻辑对当前所述lot传感器获取的多维数据进行分析，生成故障诊断结果。

9、根据本发明提供的一种220v直流系统故障诊断方法，所述lot传感器部署于直流系统的输入端、输出端、电池、绝缘材料上，用于获取直流系统的多维数据，所述多维数据包括电压值、电流值、绝缘电阻值、温度值、湿度值、振动幅度值。

10、根据本发明提供的一种220v直流系统故障诊断方法，所述边缘分析节点内预存有诊断逻辑，所述诊断逻辑包括：

11、电压跌落诊断逻辑，其用于在输出端电压值持续低于预设的阈值一定时间时，判断故障类型为电压跌落故障；

12、过载诊断逻辑，其用于在输入/输出电流值超过安全操作范围阈值时，判断故障类型为过载故障；

13、短路诊断逻辑，其用于在输入/输出电流值突然升高至极高阈值，而电压同时降低至接近零时，判断故障类型为短路故障；

14、温度异常诊断逻辑，其用于在温度值超过安全温度阈值时，判定故障类型为过热或散热系统故障；

15、绝缘损坏诊断逻辑，其用于在绝缘电阻值下降到危险电阻阈值时，判定故障类型为绝缘材料损坏故障；

16、电池故障诊断逻辑，其用于在电池的电压值、电流值、充放电循环次数以及温度值中的若干个参数超过对应的电池参数阈值时，判定故障类型为电池故障。

17、根据本发明提供的一种220v直流系统故障诊断方法，所述云逻辑生成平台基于机器学习算法对当前时刻t的多维数据进行分析，生成下一时刻t+1的各类阈值；将t+1时刻的各类阈值通过所述通信节点发送至所述边缘分析节点内，将该阈值对应替换各项诊断逻辑中的原阈值，更新所述边缘分析节点内预存的诊断逻辑。

18、根据本发明提供的一种220v直流系统故障诊断方法，所述云逻辑生成平台基于机器学习算法进行预测的过程包括：

19、获取当前时刻t的多维数据xtn，n＝(1、2、3、...、n)；

20、对应计算当前时刻t的多维数据与上一时刻t-1的多维数据的差值δxt-(t-1)n；

21、对应计算时刻t-1的多维数据与t-2的多维数据的差值δx(t-1)-(t-2)n；

22、获取当前时刻t所述边缘分析节点内各项诊断逻辑中的阈值ytn；

23、建立深度神经网络模型，通过历史存储的多维数据对模型进行训练，输出训练好的所述深度神经网络模型；

24、所述深度神经网络模型中包含多维数据中各类数据差值的权重系数和误差参数；

25、将各项诊断逻辑中的阈值ytn、差值δxt-(t-1)n以及差值δx(t-1)-(t-2)n代入训练好的所述深度神经网络模型中，对阈值ytn进行修正，输出下一时刻t+1的各项诊断逻辑中的阈值y(t+1)n。

26、根据本发明提供的一种220v直流系统故障诊断方法，所述边缘分析节点基于最新预存的诊断逻辑对当前所述lot传感器获取的多维数据进行分析，生成故障诊断结果的过程包括：

27、获取当前时刻t+1的多维数据，将其同时代入所述边缘分析节点中的所述电压跌落诊断逻辑、所述短路诊断逻辑、所述温度异常诊断逻辑、所述绝缘损坏诊断逻辑、所述电池故障诊断逻辑中；此时上述各诊断逻辑中的阈值均已被更新为新阈值y(t+1)n；

28、通过各诊断逻辑进行判断，输出判定结果，基于判断结果生成故障类型。

29、根据本发明提供的一种220v直流系统故障诊断方法，还包括：

30、设置远程报警显示设备，将其与所述边缘分析节点信号连接，根据生成的故障类型进行报警显示。

31、本发明提供的一种220v直流系统故障诊断方法的有益效果在于：

32、1.实时监测和故障预测：提供iot传感器实时监测直流系统的关键部位，可以实时捕捉到故障开始出现的迹象，并通过预设的逻辑迅速做出响应，从而极大减少系统宕机时间和防止意外发生的风险。

33、2.准确性和效率的提升：使用边缘分析节点和云逻辑生成平台进行数据处理和机器学习算法分析，可以准确预测和诊断出故障类型，提升故障排查的效率。

34、3.自学习和自适应功能：通过机器学习算法，能够根据过往的数据和故障历史自动调整诊断模型中的参数，提高了故障检测的精度，并且使系统能够适应新的工况和变化。

35、4.降低维护成本：通过预防性故障分析和及时修正问题，减少了意外故障导致的昂贵维护成本和设备损坏风险。

36、5.延长系统寿命：及时的故障检测和诊断有助于防止小问题变成大问题，进而延长系统整体的使用寿命。

37、6.远程诊断和处理：结合远程报警显示设备，可以快速通知维护人员进行问题解决，即便是在监控人员不在现场的情况下。

38、7.数据驱动的持续改进：累积的大量数据可以用于进一步分析和优化，不仅能改进故障诊断逻辑，还能提供对系统性能的深入洞见，指导未来的设计改进和预防性维护策略。