【技術實現步驟摘要】
本專利技術涉及自動焊故障分析，尤其涉及一種管道自動焊故障診斷方法、裝置、設備及可讀介質。
技術介紹
1、管道自動焊機是由焊接小車、焊接軌道、遠動控制單元、手持器、信號處理單元、驅動單元、主控單元、焊接電源控制單元、焊接電源等組成的結構復雜、精密度較高的裝備系統，是保證管道焊接質量的關鍵，一旦出現故障，將影響管道的正常焊接。
2、目前，現場服務采用熟練的技術人員進行自動焊裝備的技術保障。如果多個機組同時出現設備故障，將出現服務滯后等現象?，F有故障診斷是需要技術人員繁瑣對自動焊機各單元進行分辨，進而做出診斷，不僅耗費大量人力和精力，而且受技術所限，故障無法精確定位。
3、因此，現有技術中存在對基于機器學習管道自動焊故障診斷方法改進的需求。
技術實現思路
1、有鑒于此，本專利技術實施例的目的在于提出一種管道自動焊故障診斷方法、裝置、設備及可讀介質，本專利技術能夠對自動焊各單元故障精確定位，提供切實可行的診斷方案，實現管道自動機智能化。
2、基于上述目的，本專利技術實施例的一方面提供了一種管道自動焊故障診斷方法，包括以下步驟：
3、獲取管道自動焊機的故障樣本數據，通過分類算法對故障樣本數據進行故障分類；
4、采集設置在管道自動焊機部件上的多個傳感器的運行數據；
5、對運行數據進行數據預處理及標準化處理以生成標準化數據；
6、基于故障分類對應的類別對標準化數據進行分類，通過隨機森林算法對分類后的標準化數據以及
7、基于故障判斷模型實時診斷焊機部件的故障。
8、在一些實施方式中，通過分類算法將故障樣本數據進行故障分類包括：
9、通過knn分類算法將故障樣本數據進行故障分類以將故障類別分為通訊類故障、系統類故障以及狀態類故障；
10、其中，通訊類故障包括主控制器與運動控制器通信異常、運動控制器與驅動模塊通信異常、主控制器與手持器通信異常、主控制器與電源模塊通信異常；系統類故障包括系統讀寫數據庫異常、系統死機；狀態類故障包括小車運動速度異常、送絲速度異常、擺動寬度異常、焊接角度異常、焊接電壓異常、焊接電流異常、電弧穩定性異常、溫度異常、氣流量異常，起弧狀態異常、收弧狀態異常。
11、在一些實施方式中，數據預處理包括數據分類、濾波處理、數據異常值剔除、同頻化處理、編碼處理。
12、在一些實施方式中，基于故障分類對應的類別對標準化數據進行分類包括：
13、基于故障分類對應的類別對標準化數據進行分類，分類后利用pca進行特征降維。
14、在一些實施方式中，通過隨機森林算法對分類后的標準化數據以及所述故障分類的結果進行模型訓練以生成故障判斷模型包括：
15、將分類后的標準化數據以及所述故障分類的結果分為訓練集和測試集，在訓練集中使用隨機森林算法將分類后的標準化數據進行模型訓練，通過混淆矩陣、精確率、召回率在測試集上評價模型的優劣，采用f1-score評價模型的穩健性，基于評價結果調整決策樹的超參數進行優化模型。
16、在一些實施方式中，多個傳感器包括電壓傳感器、電流傳感器、角度傳感器、氣流量傳感器、溫度傳感器以及高度傳感器，多個傳感器部署在焊接小車、焊接軌道、遠程控制單元、手持器、信號處理單元、驅動單元、主控單元、焊接電源控制單元、焊接電源上以采集運行數據。
17、在一些實施方式中，基于故障判斷模型實時診斷焊機部件的故障包括：
18、將故障判斷模型存儲至云端服務器或本地數據庫，調取云端服務器或本地數據庫的故障判斷模型進行實時診斷焊機部件的故障。
19、本專利技術實施例的另一方面，還提供了一種管道自動焊故障診斷裝置，包括：
20、故障分類模塊，故障分類模塊配置用于獲取管道自動焊機的故障樣本數據，通過分類算法對故障樣本數據進行故障分類；
21、數據采集模塊，數據采集模塊配置用于采集設置在管道自動焊機部件上的多個傳感器的運行數據；
22、數據處理模塊，數據處理模塊配置用于對運行數據進行數據預處理及標準化處理以生成標準化數據；
23、模型訓練模塊，模型訓練模塊配置用于基于故障分類對應的類別對標準化數據進行分類，通過隨機森林算法對分類后的標準化數據以及所述故障分類的結果進行模型訓練以生成故障判斷模型；
24、故障判斷模塊，故障判斷模塊配置用于基于故障判斷模型實時診斷焊機部件的故障。
25、本專利技術實施例的再一方面，還提供了一種計算機設備，包括：至少一個處理器；以及存儲器，存儲器存儲有可在處理器上運行的計算機指令，指令由處理器執行時實現上述方法的步驟。
26、本專利技術實施例的再一方面，還提供了一種計算機可讀存儲介質，計算機可讀存儲介質存儲有被處理器執行時實現如上方法步驟的計算機程序。
27、本專利技術至少具有以下有益技術效果：
28、本專利技術提供了一種管道自動焊故障診斷方法、裝置、設備及可讀介質，通過對自動焊的故障樣本進行聚類分析，獲取多個部件的運行數據訓練故障判斷模型，實時在線診斷自動焊機的多個部件的故障，降低了技術服務人員對管道自動焊機各單元故障人工辨識的難度，提高故障排除效率和定位精度，對管道自動焊的穩定性和推廣提供必要的技術保證。
本文檔來自技高網...【技術保護點】
1.一種管道自動焊故障診斷方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的管道自動焊故障診斷方法，其特征在于，通過分類算法將所述故障樣本數據進行故障分類包括：
3.根據權利要求1所述的管道自動焊故障診斷方法，其特征在于，所述數據預處理包括數據分類、濾波處理、數據異常值剔除、同頻化處理、編碼處理。
4.根據權利要求1所述的管道自動焊故障診斷方法，其特征在于，基于所述故障分類對應的類別對所述標準化數據進行分類包括：
5.根據權利要求1所述的管道自動焊故障診斷方法，其特征在于，通過隨機森林算法對分類后的所述標準化數據以及所述故障分類的結果進行模型訓練以生成故障判斷模型包括：
6.根據權利要求1所述的管道自動焊故障診斷方法，其特征在于，所述多個傳感器包括電壓傳感器、電流傳感器、角度傳感器、氣流量傳感器、溫度傳感器以及高度傳感器，多個傳感器部署在焊接小車、焊接軌道、遠程控制單元、手持器、信號處理單元、驅動單元、主控單元、焊接電源控制單元、焊接電源上以采集運行數據。
7.根據權利要求1所述的管道自動焊故障診斷方
8.一種管道自動焊故障診斷裝置，其特征在于，包括：
9.一種計算機設備，其特征在于，包括：
10.一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1-7任意一項所述方法的步驟。
...【技術特征摘要】
1.一種管道自動焊故障診斷方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的管道自動焊故障診斷方法，其特征在于，通過分類算法將所述故障樣本數據進行故障分類包括：
3.根據權利要求1所述的管道自動焊故障診斷方法，其特征在于，所述數據預處理包括數據分類、濾波處理、數據異常值剔除、同頻化處理、編碼處理。
4.根據權利要求1所述的管道自動焊故障診斷方法，其特征在于，基于所述故障分類對應的類別對所述標準化數據進行分類包括：
5.根據權利要求1所述的管道自動焊故障診斷方法，其特征在于，通過隨機森林算法對分類后的所述標準化數據以及所述故障分類的結果進行模型訓練以生成故障判斷模型包括：
6.根據權利要求1所述的...
【專利技術屬性】
技術研發人員：鮑峰，于金柱，武濤，馬志鋒，馮帥，張樂，薛增歡，王賀賀，尹鐵，張毅，王新升，劉建濤，崔家瑞，張寶強，劉艷利，周倫，牛連山，郭奇超，楊琦，張連宇，
申請(專利權)人：中國石油管道局工程有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。