技术新讯 > 信号装置的制造及其应用技术 > 一种燃气管道阀门故障监测报警方法、系统及存储介质与流程  >  正文

一种燃气管道阀门故障监测报警方法、系统及存储介质与流程

  • 国知局
  • 2024-07-31 21:11:08

本发明涉及燃气管道阀门监测,尤其涉及一种燃气管道阀门故障监测报警方法、系统及存储介质。

背景技术:

1、燃气阀是一种新型的燃气管道工程的安全配套装置。用于截断、接通、调节管路中的气体,具有良好的控制特性和关闭密封性能。

2、在燃气阀的使用过程中,其异常监测十分重要,论文智能阀门故障诊断系统设计与实现中提出了一种用于故障诊断的sps-vfd算法,共包括三个部分:滑动窗口进行数据预处理、基分类器选择并进行优化、stacking算法进行模型融合。滑动窗口将连续产生的传感器数据进行特征加强。基分类器将从不同方面提取多故障特征信息,并使用粒子群算法进行基模型优化,通过stacking将基分类器产生新的特征作为训练集和测试集,并对测试集进行平均权重处理后输入到第二层元学习器中,以提高模型的泛化能力。公开方法虽然通过分析设定行程位置信号、阀杆位移、输入、输出压力、阀座流速、实际温度的时序数据通过多模型融合的方法进行故障诊断。对于很多非智能阀门设定行程位置信号、阀杆位移参数缺失,对于非智能阀门来说,特征的缺失,导致故障识别更难,在不改阀门的条件下,一种方法是通过阀门工作时声音进行进行故障诊断,然而燃气阀门所处环境一般是厨房,厨房内各类嘈杂的声音常常会与燃气阀门声音混合,影响实时地通过燃气阀门声音诊断阀门故障。

技术实现思路

1、为了解决上述技术问题或者至少部分地解决上述技术问题,本发明提供一种燃气管道阀门故障监测报警方法、系统及存储介质。

2、第一方面,本发明提供一种燃气管道阀门故障监测报警方法,包括:

3、获取包括燃气管道阀门声音、输入压力、输出压力、燃气流速、实际温度在内的多维燃气时序数据;

4、采用滑动窗口方法,有重叠的对多维燃气时序数据进行划分,得到多个子序列;

5、将多维燃气时序数据中非燃气管道阀门声音参数归一化,通过短时傅里叶变换处理燃气管道阀门声音子序列得到声音的频谱,对声音的频谱进行梅尔滤波得到梅尔谱;

6、将燃气管道阀门声音子序列的梅尔谱,将归一化的非燃气管道阀门声音参数输入到预训练的融合诊断模型进行故障检测,融合诊断模型包含声音分类网络和参数分类网络,声音分类网络从燃气管道阀门声音的梅尔谱提取用于识别故障类型的特征,参数分类网络从非燃气管道阀门声音参数中提取用于识别故障的特征,两种特征拼接后经全连接层和softmax层映射得到各类故障类型的概率,判断燃气管道阀门是否发生故障,在判断燃气管道阀门发生故障时进行报警。

7、更进一步的,所述参数分类网络为全连接网络,包括:输入层、层叠的线性层和激活函数,参数分类网络最后设置softmax;参数分类网络采用dropout设计。

8、更进一步的,所述声音分类网络包括:通道预转换层,通道核模块和空间核模块;通道预转换层将输入转换成声音谱图特征,声音谱图特征分别输入通道核模块和空间核模块;

9、通过reshape操作将通道核模块输出的权重变成对应声音谱图特征时域的卷积核,通过reshape操作将空间核模块输出的权重变成对应声音谱图特征频域的卷积核,两种卷积核尺寸一致;通过点乘的方式,将两种卷积核融合,得到对应声音谱图特征时频域的多个卷积核,对应声音谱图特征时频域的卷积核提取的声音特征通过全连接层、激活函数和归一化后与参数分类网络特征拼接。

10、更进一步的,所述通道核模块采用senet架构,包括:全局平均池化层,所述全局平均池化层压缩输入声音谱图特征的时间和频率得到维度为的特征,为声音谱图特征的目标通道维度,全局平均池化连接两个全连接层,两个全连接层之间设置relu激活函数,两个全连接层对维度为的特征的通道进行缩维扩维,最终得到维度为的特征,为卷积核尺寸,两个全连接层中,处于下游的全连接层连接归一化层。

11、更进一步的,所述空间核模块包括:平均池化层,平均池化层压缩时间维度得到维度为的特征,平均池化层连接两个一维卷积层,两个一维卷积层之间设置批归一化层和relu激活函数,两个一维卷积层对维度为的特征的通道进行缩维扩维,最终得到维度为的特征,两个一维卷积层中,处于下游的一维卷积层连接softmax,softmax层连接拼接层,所述拼接层拼接个维度为的特征得到维度为的特征。

12、更进一步的,所述空间核模块包括:平均池化层,平均池化层压缩时间维度得到维度为的特征,平均池化层连接两个一维卷积层,两个一维卷积层之间设置批归一化层和relu激活函数,两个一维卷积层对维度为的特征的通道进行缩维扩维,最终得到维度为的特征,最后一个一维卷积层连接softmax;

13、所述空间核模块包括:沿频率轴滑动的卷积,所述卷积将时域维度压缩,所述卷积对通道维度进行变换得到维度为的特征,所述卷积的输出与softmax的输出通过点乘融合,融合后再经归一化层处理,归一化层连接拼接层,所述拼接层拼接个维度为的特征得到维度为的特征。

14、更进一步的,取特征中全部通道中的目标像素组成尺寸为的卷积核,目标像素值表示设定时间区段内设定频率的权重。

15、更进一步的,融合诊断模型的训练数据的处理方式与检测数据的处理方式一致,所述训练数据中添加燃气管道阀门所处环境的声音作为噪声,对训练数据中表征阀门故障的训练数据添加相应的故障标签,训练时,融合诊断模型根据训练数据得到预测结果,计算预测结果和标签之间的交叉熵损失,梯度下降算法根据交叉熵损失调整融合诊断模型的参数,直至述融合诊断模型预测的交叉熵损失满足设定阈值。

16、第二方面,本发明提供一种燃气管道阀门故障监测报警系统,包括:

17、采集单元,所述采集单元获取包括燃气管道阀门声音、输入压力、输出压力、燃气流速、实际温度在内的多维燃气时序数据;

18、数据划分单元,所述数据划分单元采用滑动窗口方法,有重叠的对多维燃气时序数据进行划分,得到多个子序列;

19、数据处理单元,所述数据处理单元将多维燃气时序数据中非燃气管道阀门声音参数归一化,通过短时傅里叶变换处理燃气管道阀门声音子序列得到声音的频谱,对声音的频谱进行梅尔滤波得到梅尔谱;

20、故障分析单元,所述故障分析单元将燃气管道阀门声音子序列的梅尔谱,将归一化的非燃气管道阀门声音参数输入到预训练的融合诊断模型进行故障检测,融合诊断模型包含声音分类网络和参数分类网络,声音分类网络从燃气管道阀门声音的梅尔谱提取用于识别故障类型的特征,参数分类网络从非燃气管道阀门声音参数中提取用于识别故障的特征,两种特征拼接后经全连接层和softmax层映射得到各类故障类型的概率;

21、报警单元,所述报警单元在所述故障分析单元判断燃气管道阀门发生故障时进行报警。

22、第三方面,本发明提供一种计算机可读存储介质,所述计算机可读存储介质存储计算机程序,所述计算机程序被处理器执行时,实现如所述的燃气管道阀门故障监测报警方法。

23、本发明实施例提供的上述技术方案与现有技术相比具有如下优点:

24、获取包括燃气管道阀门声音、输入压力、输出压力、燃气流速、实际温度在内的多维燃气时序数据;采用滑动窗口方法,有重叠的对多维燃气时序数据进行划分,得到多个子序列;将燃气管道阀门声音子序列的梅尔谱,将归一化的非燃气管道阀门声音参数输入到预训练的融合诊断模型进行故障检测,所述融合诊断模型包含声音分类网络和参数分类网络,声音分类网络从燃气管道阀门声音的梅尔谱提取用于识别故障类型的特征,参数分类网络从非燃气管道阀门声音参数中提取用于识别故障的特征,两种特征拼接后经全连接层和softmax层映射得到各类故障类型的概率。在本技术中,融合诊断模型融合了参数分类网络和声音分类网络,将有限的参数特征和声音特征结合来对燃气管道阀门故障进行监测,既能提高故障监测范围,又能提高故障监测精度,可靠性。

25、本技术的声音分类网络通过reshape操作将通道核模块输出的权重变成对应声音谱图特征时域的卷积核,通过reshape操作将空间核模块输出的权重变成对应声音谱图特征频域的卷积核,两种卷积核尺寸一致;通过点乘的方式,将两种卷积核融合,得到对应声音谱图特征时频域的多个卷积核,通过得到的卷积核对声音谱图和声音图谱特征对应的阀门故障进行精细化建模。在分析故障时提取更丰富的声音时频特征,支持更多故障类型的识别。更丰富的声音时频特征,支持模型以更高的精度区分厨房中与阀门声音类似的噪声,增加模型的辨别精度,减少噪声的影响,从而降低误报和漏报的情况,提高分类的精度。

本文地址:https://www.jishuxx.com/zhuanli/20240731/188749.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。