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。
通过RBF粒子群优化算法即时在线仪表校验和诊断方法
技术领域
背景技术
发明内容
具体实施方式
| 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。
