【技術實現(xiàn)步驟摘要】
本申請屬于消防泵故障診斷，尤其涉及一種基于bp神經(jīng)網(wǎng)絡的智能消防泵故障診斷方法。
技術介紹
1、隨著城市化進程的加速和建筑密集度的提高，火災風險日益增大，消防系統(tǒng)的可靠性和效率成為了保障人民生命財產(chǎn)安全的關鍵要素。消防泵作為消防系統(tǒng)的核心設備，承擔著在火災發(fā)生時提供必要水壓和水量的重任，其運行狀態(tài)直接影響到火災撲救的成效。然而，在實際應用中，消防泵可能會因長期使用、維護不當或環(huán)境因素等多種原因出現(xiàn)故障，如電機過熱、軸承磨損、密封失效等，這些問題不僅會降低消防泵的性能，還可能在緊急情況下導致系統(tǒng)失效，從而延誤火災撲救時機，增加人員傷亡和財產(chǎn)損失的風險。
2、雖然現(xiàn)有公開的技術中也可以實現(xiàn)對消防泵的故障診斷，但大多存在如下技術缺點：
3、1、采集的數(shù)據(jù)維度單一，多獲取單一的聲發(fā)射信號、振動信號或者電機數(shù)據(jù)，進而對該類信號進行分析，未全面考慮環(huán)境參數(shù)、消防泵當前狀態(tài)與消防泵運行參數(shù)的變化關系。
4、2、現(xiàn)有技術多進行了水泵的故障診斷研究，但對于消防泵的故障診斷研究較少。而消防泵不同于其他水泵的持續(xù)運轉，消防泵在未發(fā)生火災時，多處于待機或者全功率/低速運行狀態(tài)。由于其他水泵持續(xù)處于運行狀態(tài)，故障數(shù)據(jù)與正常數(shù)據(jù)樣本量較大，故障診斷難度角度；而消防泵的故障數(shù)據(jù)樣本較少，在故障診斷時需要充分利用數(shù)據(jù)增強方式彌補。
5、3、部分技術采用了聚類、貝葉斯網(wǎng)絡等機器學習方法對泵的故障類型進行了預測，但多根據(jù)單一的歷史故障類型進行分類，未考慮多故障條件下故障類型耦合情況以及歷史未檢測到的故障類型情況，也未
技術實現(xiàn)思路
1、有鑒于此，本申請旨在提出一種消防泵故障診斷方法、系統(tǒng)、電子設備及存儲介質，以解決實際工況中，智能消防泵大多處于正常狀態(tài)而引起故障樣本稀缺、故障數(shù)據(jù)間存在差異，導致故障類別識別準確率不高的問題。
2、為達到上述目的，本申請的技術方案是這樣實現(xiàn)的：
3、第一方面，本申請?zhí)峁┝艘环N基于bp神經(jīng)網(wǎng)絡的智能消防泵故障診斷方法，包括：
4、獲取智能消防泵正常狀態(tài)和故障狀態(tài)下的原始基礎數(shù)據(jù)，建立故障診斷數(shù)據(jù)庫，其中，所述基礎數(shù)據(jù)至少包括環(huán)境參數(shù)、電源參數(shù)和消防泵傳感器數(shù)據(jù)；
5、通過構建具有梯度懲罰優(yōu)化的條件式wasserstein?生成對抗網(wǎng)絡模型對獲取到的原始故障數(shù)據(jù)進行數(shù)據(jù)增強，以得到增強后的故障數(shù)據(jù)；
6、將增強后的故障數(shù)據(jù)與原始基礎數(shù)據(jù)進行數(shù)據(jù)融合，通過主成分分析法對融合后的數(shù)據(jù)進行數(shù)據(jù)降維和數(shù)據(jù)特征提取；
7、根據(jù)預先構建的智能消防泵故障診斷模型的輸出結果，判斷所述智能消防泵是否存在故障以及判定異常點位，其中，所述智能消防泵故障診斷模型是由提取到的數(shù)據(jù)特征訓練得到的。
8、進一步地，收集智能消防泵故障樣本，并定義故障數(shù)據(jù)集；
9、已知故障樣本服從的實際分布，且存在一組服從高斯分布的噪聲向量，通過建立實際分布與高斯分布間的映射關系模型，基于隨機噪聲生成滿足真實數(shù)據(jù)分布關系的人工樣本。
10、進一步地，所述條件式wasserstein?生成對抗網(wǎng)絡模型由生成器網(wǎng)絡與判別器網(wǎng)絡構成，其中，生成器網(wǎng)絡通過將噪聲向量與類別條件進行拼接組合，形成全新的隱含表示；在判別器網(wǎng)絡中，實際故障樣本或人工樣本均與類別條件共同輸入以進行判別；
11、通過wasserstein?距離度量實際分布與生成分布之間的差異，采用其kantorovich-rubinstein?對偶形式，并引入類別條件；
12、通過在判別器的損失函數(shù)中添加梯度懲罰項，以約束判別器的梯度范數(shù)。
13、進一步地，在基于梯度懲罰優(yōu)化的條件式?wasserstein?生成對抗網(wǎng)絡模型中，生成器與判別器的損失函數(shù)分別為：
14、；
15、；
16、式中，z表示噪聲樣本，x表示故障樣本，c表示類別條件，g（z）表示人工樣本，表示實際分布，表示生成分布，λ?表示權重系數(shù)，表示實際樣本和生成樣本之間的插值，表示判別器在上的梯度范數(shù)。
17、進一步地，所述通過主成分分析法對融合后的數(shù)據(jù)進行數(shù)據(jù)降維和數(shù)據(jù)特征提取，包括：
18、將融合后的數(shù)據(jù)進行歸一化處理，并采用selectkbest?進行特征選擇，以選擇得到與目標變量關聯(lián)度最相關的特征，通過主成分分析法對經(jīng)過特征選擇后的數(shù)據(jù)進行降維處理，并利用主成分檢測異常，以確定故障點位。
19、進一步地，通過計算每個主成分的四分位距，根據(jù)四分位距確定異常值的閾值，如果某個數(shù)據(jù)點的主成分值超出閾值范圍，則該數(shù)據(jù)點被標記為異常值。
20、進一步地，構建基于transformer結構的智能消防泵故障診斷模型，其中，所述transformer結構包括：
21、多頭注意力機制，被配置為采用縮放的內(nèi)積注意力模塊計算特征嵌入的注意力權重；
22、前向網(wǎng)絡，包含兩個線性變換層和一個非線性激活層，用于將多頭注意力提取到的特征映射為更加抽象的特征，并采用高斯誤差線性單元激活函數(shù)；
23、殘差連接與層正規(guī)化，設置在多頭注意力機制和前向網(wǎng)絡的輸出部分。
24、相對于現(xiàn)有技術，本申請所述的一種基于bp神經(jīng)網(wǎng)絡的智能消防泵故障診斷方法具有以下有益效果：
25、本申請所述的一種基于bp神經(jīng)網(wǎng)絡的智能消防泵故障診斷方法對于智能消防泵故障類別識別準確率更高，有效提高了智能消防泵故障診斷的準確性，能夠及時發(fā)現(xiàn)并修復潛在故障，確保消防系統(tǒng)在緊急情況下能夠迅速啟動并有效運行，也能提升消防泵的維護效率和可靠性，延長設備使用壽命，降低維修和更換成本，從而提升公共安全水平、保障人民生命財產(chǎn)安全。
本文檔來自技高網(wǎng)...【技術保護點】
1.一種基于BP神經(jīng)網(wǎng)絡的智能消防泵故障診斷方法，其特征在于，包括：
2.根據(jù)權利要求1所述的方法，其特征在于：
3.根據(jù)權利要求2所述的方法，其特征在于：
4.根據(jù)權利要求3所述的方法，其特征在于：
5.根據(jù)權利要求1所述的方法，其特征在于，所述通過主成分分析法對融合后的數(shù)據(jù)進行數(shù)據(jù)降維和數(shù)據(jù)特征提取，包括：
6.根據(jù)權利要求5所述的方法，其特征在于：
7.根據(jù)權利要求1所述的方法，其特征在于，構建基于Transformer結構的智能消防泵故障診斷模型，其中，所述Transformer結構包括：
【技術特征摘要】
1.一種基于bp神經(jīng)網(wǎng)絡的智能消防泵故障診斷方法，其特征在于，包括：
2.根據(jù)權利要求1所述的方法，其特征在于：
3.根據(jù)權利要求2所述的方法，其特征在于：
4.根據(jù)權利要求3所述的方法，其特征在于：
5.根據(jù)權利要求1所述的方法，其特征在...
【專利技術屬性】
技術研發(fā)人員：黃艷清，李毅，李繼寶，伊程毅，王澄，
申請(專利權)人：應急管理部天津消防研究所，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。