(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210736679.5 (22)申请日 2022.06.27 (71)申请人 广东石油化工学院 地址 525000 广东省茂名市官渡二路139号 (72)发明人 林水泉　张清华　吕运容　孙国玺　 朱冠华　胡勤　邵龙秋　邓向武　 (74)专利代理 机构 南京纵横知识产权代理有限 公司 32224 专利代理师 许婉静 (51)Int.Cl. G01M 99/00(2011.01) G01D 21/02(2006.01) G06F 30/27(2020.01) G06N 3/04(2006.01) (54)发明名称 一种石化大机组并发 故障诊断方法及系统 (57)摘要 本发明公开了一种石化大机组并发故障诊 断方法， 包括以下步骤： S1， 采用仿真软件模拟石 化大机组多种并发故障工况， 并获取各种模拟并 发故障工况下的检测数据， 构建训练集； S2， 采集 石化大机组在多种真实并发故障工况下的检测 数据， 构建测试集； S3， 对所述测试集的检测数据 进行预处理； S4， 利用训练集的样本数据对卷积 神经网络和前馈神经网络分别进行训练， 再利用 D‑S证据理论对两个模 型的判定结果进行合成计 算， 得到融合后的故障诊断模型； S5， 将预处理后 的测试集输入故障诊断模型， 判断故障诊断结果 的准确度， 若准确度满足预设值， 即得到最终的 故障诊断模型； S6， 将实时采集的检测数据输入 最终的故障诊断模型， 得到石化大机组的故障诊 断结果。 权利要求书2页 说明书7页 附图4页 CN 115112400 A 2022.09.27 CN 115112400 A 1.一种石化大机组并发 故障诊断方法， 其特 征在于， 包括以下步骤： S1， 采用仿真软件模拟石化大机组多种并发故障工况， 并获取各种模拟并发故障工况 下的检测数据， 构建训练集， 将每组检测数据与对应的并发 故障类型绑定后汇入训练集； S2， 采用多个检测模块采集石化大机组在多种真实并发故障工况下的检测数据， 构建 测试集， 将每组真实的检测数据与对应的并发 故障类型绑定后汇入测试集； S3， 对所述测试集的检测数据进行 预处理； S4， 利用训练集的样本数据对卷积神经网络和前馈神经网络分别进行训练， 得到两个 模型对样本数据所属类别的判定结果， 将两个判定结果视为两个证据体， 将证据体中样本 所属各类别评 分转换为样本的基本概率分布， 并计算出样本的不确定度， 再利用D ‑S证据理 论对两个 证据体进行合成计算， 得到 两种神经网络模型融合后的故障诊断模型； S5， 将预处理后的测试集输入故障诊断模型， 判断故障诊断结果的准确度， 若准确度满 足预设值， 即得到最 终的故障诊断模 型； 若准确度不满足预设值， 则返回步骤S4调整参数后 继续迭代训练； S6， 将检测模块实时采集的检测数据输入最终的故障诊断模型， 得到石化大机组的故 障诊断结果。 2.根据权利要求1所述的一种石化大机组并发故障诊断方法， 其特征在于， 步骤S1中， 所述并发故障工况包括以下多种单一 故障工况的随机组合： 轴承外圈磨损、 轴承内圈磨损、 滚珠磨损、 弯轴 、 裂轴、 不对中轴 、 裂齿和齿轮磨损。 3.根据权利要求2所述的一种 石化大机组并发故障诊断方法， 其特征在于， 通过所述仿 真软件从多种单一故障工况中随机选取至少两种组合后作为一种并发故障工况， 得到多种 石化大机组的模拟并发 故障工况。 4.根据权利要求1所述的一种石化大机组并发故障诊断方法， 其特征在于， 步骤S2中， 所述检测模块包括： 振动传感器， 用于获取石化大机组的振动数据； 温度传感器， 用于获取石化大机组的温度数据； 超声波探测器， 用于获取石化大机组内部的裂纹数据； 油液磨粒检测仪， 用于获取石化大机组内部油液的磨粒 数据； 噪声传感器， 用于获取石化大机组运行 过程中产生的噪声数据。 5.根据权利要求1所述的一种石化大机组并发故障诊断方法， 其特征在于， 步骤S3中， 对所述测试集的检测数据进行 预处理包括： S31， 剔除检测数据中的异常数据； S32， 取同一种并发故障工况下的多组检测数据的平均值作为该种 并发故障工况对应 的检测数据。 6.根据权利要求1所述的一种石化大机组并发故障诊断方法， 其特征在于， 步骤S5中， 返回步骤S4调整参数的方法包括： 将故障诊断模型诊断出错的测试集数据作为参考数据， 对训练集中与诊断出错的测试集数据对应的检测数据进行修 正。 7.根据权利要求1所述的一种 石化大机组并发故障诊断方法， 其特征在于， 所述卷积神 经网络的输入层激活函数采用ReLu函数， 所述卷积神经网络的输出层激活函数采用 softmax函数， 学习率设置为0.01 ‑0.001。权　利　要　求　书 1/2 页 2 CN 115112400 A 28.根据权利要求1所述的一种石化大机组并发故障诊断方法， 其特征在于， 步骤S5中， 所述迭代训练的次数不超过500次， 若迭代训练的次数达到500次， 即使准确度低于预设值， 仍然结束训练。 9.根据权利要求1所述的一种 石化大机组并发故障诊断方法， 其特征在于， 所述训练集 和测试集中还包括各并发故障类型对应的故障处理决策， 每组检测数据与对应的并发故障 类型和故障处 理决策进行绑定 。 10.一种石化大机组并发故障诊断系统， 基于权利要求1至9任一项所述的一种石化大 机组并发 故障诊断方法， 其特 征在于， 包括： 仿真试验平台， 用于模拟石化大机组多种 并发故障工况， 并获取各种模拟并发故障工 况下的检测数据； 检测模块， 用于采集石化大机组在多种真实并发 故障工况 下的检测数据； 计算机， 用于构建神经网络， 并利用各种模拟并发故障工况下的检测数据作为训练集 对所述神经网络进行训练， 得到故障诊断模型， 利用多种真实并发故障工况下 的检测数据 作为测试集对所述故障诊断模型进行检验； 报警模块， 当诊断所述石化大机组存在故障时， 所述报警模块响应报警提 示。权　利　要　求　书 2/2 页 3 CN 115112400 A 3