专利汇可以提供通过RBF粒子群优化算法即时在线仪表校验和诊断方法专利检索,专利查询,专利分析的服务。并且一种通过RBF 粒子群优化 算法 即时在线仪表校验和诊断方法,包括以下步骤:S1、搭建流网模型;S2、由现场实际测量数据 迭代 ,通过RBF粒子群 优化算法 计算确定模型中的参数,使模型可用;S3、定期重启上述步骤,对参数进行优化;S4、利用模型在稳定流场状态下,对 采样 的变量进行逐一校验;S5、排除掉疑似失效点后利用其余数据进行逆迭代运算,反向推导出疑似失效点的理论计算值;S6、排除工艺条件变化,用上述理论计算值对实际仪表 信号 进行比较分析,实现校验与故障诊断,确定信号健康 水 平;S7、按照测量时间,记录采样信号和计算信号,并按照确定性故障诊断条件报警及 定位 故障。本 发明 能做到仪表故障早发现,早报告,智能校正结果,提高工作效率。,下面是通过RBF粒子群优化算法即时在线仪表校验和诊断方法专利的具体信息内容。
1.一种通过RBF粒子群优化算法即时在线仪表校验和诊断方法,其特征在于包括以下步骤:
S1、通过流体力学连续性方程、动量方程和能量方程,搭建流网模型,包括流道模型和设备组件模型;
S2、由现场实际测量数据迭代,通过RBF粒子群优化算法计算确定模型中的参数,使模型可用;
S3、定期重启上述步骤,对模型参数进行优化,从而重新适应新的工况条件,使模型自主学习与维护;
S4、利用上面步骤得到的模型,在稳定流场状态下,对采样的变量进行逐一校验;
S5、排除掉疑似失效点后利用其余数据进行逆迭代运算,反向推导出疑似失效点的理论计算值;
S6、排除工艺条件变化,用上述理论计算值对实际仪表信号进行比较分析,采用预定义故障模式和偏差评价,得出实际信号的偏离参量,通过阀值判断、模糊逻辑、故障假设校验,实现校验与故障诊断,确定信号健康水平;
S7、按照测量时间,记录采样信号和计算信号,并按照流网知识库、仪表故障特征库的诊断条件实现报警及定位故障。
2.根据权利要求1所述的通过RBF粒子群优化算法即时在线仪表校验和诊断方法,其特征在于:首先流动方程简化为
F=(1-K0)*a1*(P1-P2-KZ)+K0*F1p
其中,
其中, 是来自上次迭代的压力,KZ=ρg(Z2-Z1),式中,ρ为流体密度,g为重力加速度,Z1为点1处的标高,Z2为点2处的标高;F1p=上次迭代得到的值F;K0为用户可选择的常数,可通过调整K0获得数值求解的稳定性;
在上式中,F、P1和P2为未知量,高度差KZ是系统常数,其余项是上次迭代得到的值,可认为是已知量;
还设置质量平衡方程,式中流入节点为(+)号,流出节点为(-)号。
3.根据权利要求2所述的通过RBF粒子群优化算法即时在线仪表校验和诊断方法,其特征在于:根据步骤S1形成的矩阵方程组,将对F(F3)值的计算产生影响的因素作为模型输入,F值作为输出。
4.根据权利要求3所述的通过RBF粒子群优化算法即时在线仪表校验和诊断方法,其特征在于:对模糊方程隶属度进行确定;
设模糊方程系统有c*个模糊群,模糊群k,j的中心分别为vk、vj,则第i个训练样本Xi对于模糊群k的隶属度μik为:
式中,n为模糊分类过程中需要的分块矩阵指数,通常取作2;‖·‖为范数表达式;
使用以上隶属度值或者它的变形以获得新的输入矩阵;
对于模糊群k,其输入矩阵变形为:
φik(Xi,μik)=[1 func(μij)Xi]
其中,func(μik)为隶属度值μik的变形函数,一般取 φik(Xi,μik)表示第i个输入变量Xi及其模糊群k的隶属度μik所对应的新的输入矩阵。
5.根据权利要求4所述的通过RBF粒子群优化算法即时在线仪表校验和诊断方法,其特征在于:以RBF神经网络作为模糊方程系统的局部方程,对每个模糊群进行优化拟合;设第k个RBF神经网络模糊方程的输出是,
其中,Clk和ωlk是第k个RBF神经网络模糊方程第l个结点的中心和输出权值,φlk(‖Xi-Clk‖)是第k个RBF神经网络模糊方程第l个结点的径向基函数,由下式确定:
其中,σlk是第l个模糊规则的第k个高斯成员函数的宽度。
6.根据权利要求5所述的通过RBF粒子群优化算法即时在线仪表校验和诊断方法,其特征在于,采用粒子群算法对模糊方程中RBF神经网络局部方程的Clk、σlk、ωlk进行优化,优化步骤如下:
S201、确定粒子数的优化参数为RBF神经网络局部方程的Clk、σlk、ωlk、粒子群个体数目popsize、最大循环寻优次数itermax、第p个粒子的初始位置rp、初始速度vp、局部最优值Lbestp以及整个粒子群的全局最优值Gbest;
S202、设定优化目标函数,将其转换为适应度,对每个局部模糊方程进行评价;通过相应的误差函数计算适应度函数,并认为误差大的粒子适应度小,粒子p的适应度函数表示为:
fp=1/(Ep+1)
式中,Ep是模糊方程的误差函数,
式中,是模糊方程系统的预测输出,Fi为模糊方程系统的目标输出;
S203、按照如下公式,循环更新每个粒子的速度和位置,
vp(iter+1)=ω×vp(iter)+m1a1(Lbestp-rp(iter))+m2a2(Gbest-rp(iter));
rp(iter+1)=rp(iter)+vp(iter+1);
式中,vp表示更新粒子p的速度,rp表示更新粒子p的位置,Lbest表示更新粒子p的个体最优值,Gbest表示整个粒子群的全局最优值,iter表示循环次数,ω是粒子群算法中的惯性权重,m1、m2是对应的加速系数,a1、a2是[0,1]之间的随机数;
S204、对于粒子p,如果新的适应度大于原来的个体最优值,更新粒子的个体最优值:
Lbestp=fp;
S205、如果粒子p的个体最优值Lbestp大于原来的粒子群全局最优值Gbest,则Gbest=Lbestp;
S206、判断是否满足性能要求,若是,结束寻优,得到一组优化的模糊方程的局部方程参数;否则返回步骤S203,继续迭代寻优,直至达到最大迭代次数itermax。
7.根据权利要求1所述的通过RBF粒子群优化算法即时在线仪表校验和诊断方法,其特征在于:步骤S3中的定期定义为每月或每季度或每年。
8.根据权利要求1所述的通过RBF粒子群优化算法即时在线仪表校验和诊断方法,其特征在于:步骤S4中的变量为测量仪表信号;记录测量时间,在运算出来的计算值与测量时间对应的测量值进行比对,得出偏差范围的百分比或方差或均方差;完整校验多次后,按照确定性故障诊断条件认为其可能有仪表失效。
9.根据权利要求1所述的通过RBF粒子群优化算法即时在线仪表校验和诊断方法,其特征在于:疑似失效点的理论计算值Pi的公式为,
其中,Pi、Pj表示第i、j个传感器测得压强,Zi、Zj表示第i、j处标高,Fij表示i、j之间的质量流动速率,ρ表示流体密度,g表示重力加速度,a是流量系数。
10.根据权利要求1所述的通过自适应支持向量机算法即时在线仪表校验和诊断方法,其特征在于:预定义故障模式包括漂移、渗漏、堵塞、失效故障模式;流网知识库包括流网节点和支路的能量传递特性;仪表故障特征库包括数值漂移、变化率异常、开路、短路故障特征。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
丝印产品在线检测方法及系统 | 2020-12-23 | 2 |
对位装置和测试设备 | 2023-01-05 | 2 |
一种多功能工业网关 | 2020-08-27 | 1 |
一种过滤杯、过滤装置及其在拉曼光谱面扫描检测方法中的应用 | 2022-09-26 | 2 |
一种智慧工地管理平台 | 2020-05-28 | 1 |
票据打印方法及其装置 | 2021-05-27 | 0 |
三维图形的处理方法及装置、存储介质、电子设备 | 2021-10-26 | 2 |
一种具有互联网功能的智能自动售药机 | 2023-01-14 | 2 |
一种便携式车辆诊断软件测试装置及其系统 | 2020-10-08 | 0 |
一种充电器 | 2023-07-22 | 0 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。