技术领域
[0001] 本
发明涉及复杂系统的故障诊断技术领城，具体涉及一种基于三维虚拟认知环境的故障诊断方法。
背景技术
[0002] 故障诊断方法主要包括定性故障诊断和定量故障诊断两大类。定性故障诊断方法包括
专家系统方法、定性推理方法、图论方法等。定量故障诊断方法包括
信号处理方法、数学模型方法、神经网络方法和
模式识别方法等。这些方法需要构建完善的故障模型或通过大量数据训练辨识模式，不便于直观反映异常状态现象和逻辑关系，故障诊断系统构造比较复杂。
[0003] 随着三维
虚拟现实技术的发展，虚拟现实技术逐渐与故障诊断技术相结合。但二者现有的结合方式主要集中在通过网络等方式传递数据或场景，虚拟现实技术仅作为显示界面来表现系统的三维特征从而辅助维修，没有将故障诊断的过程和结果与虚拟现实技术深入结合。
发明内容
[0004] 有鉴于此，本发明的目的是提供一种基于三维虚拟认知环境的故障诊断方法，本发明提供的三维虚拟认知环境能够给用户提供更加直观的、灵活的故障诊断方式。
[0005] 实现本发明的技术方案如下：
[0006] 一种基于三维虚拟认知环境的故障诊断方法，具体步骤为：
[0007] 步骤一、构建工艺系统的三维虚拟模型；
[0008] 步骤二、将三维虚拟模型进行分层链接，形成零件、部件、装置、子系统和系统的层级，建立三维虚拟认知环境；
[0009] 步骤三：针对三维虚拟模型的各零件、部件、装置、子系统以及系统分别链接模型属性库；模型属性库包括异常状态确认关系、上下
阈值和故障特征；
[0010] 步骤四：基于三维虚拟认知环境进行故障诊断；
[0011] 具体过程如下：
[0012] 步骤41：将三维虚拟模型中各零件、部件、装置、子系统以及系统所对应的检测数据输入三维虚拟认知环境；
[0013] 步骤42：将所述检测数据与各零件、部件、装置、子系统以及系统的模型属性库中的上下阈值进行对比，若未超出上下阈值，则继续检测；若超出上下阈值，则该检测数据为
异常检测数据，进一步设置该异常检测数据的异常状态标志；
[0014] 步骤43：查询模型属性库中异常检测数据所对应的各零件、部件、装置、子系统以及系统的异常状态确认关系，如存在异常状态确认关系，则将异常状态标志同时存储于异常检测数据所对应的零件、部件、装置、子系统以及系统和与其具有异常状态确认关系的零件、部件、装置、子系统以及系统的模型属性库中；如不存在异常状态确认关系，则将异常状态标志仅存储于异常检测数据对应的各零件、部件、装置、子系统以及系统的模型属性库中；
[0015] 步骤44、遍历同一时间点上各零件、部件、装置、子系统以及系统模型属性库中的异常状态标志，对照模型属性库中预先存储的故障特征，如符合某故障特征，则输出相应的故障诊断结果，实现故障诊断；
[0016] 步骤五：进行故障诊断结果的三维虚拟增强认知，完成基于三维虚拟认知环境的故障诊断。
[0017] 进一步地，模型属性库还包括基本信息和层级信息；基本信息包括工艺系统具体对象名称、出厂信息和维护信息；层级信息包括隶属关系和连接关系。
[0018] 有益效果：
[0019] 1、本发明的三维虚拟认知环境采用了虚拟现实技术构建系统的三维虚拟模型，可以实现故障诊断系统的三维直观显示，提高了对于故障的认知效率；
[0020] 2、本发明采用了信息链接方法，将模型的基本信息、层级信息和故障诊断信息等模型属性有机地集成在三维虚拟模型中，增强了三维虚拟认知环境的信息量，使三维虚拟认知环境涵盖更加全面的信息，便于对系统进行自动管理和信息提取；
[0021] 3、本发明的三维虚拟模型进行故障诊断的过程，考虑了模型自身异常状态和模型相互之间的影响关系，能够区分单点故障和系统故障，具有通用、可扩展的特点，便于大型复杂系统故障诊断的实现；
[0022] 4、本发明的异常状态触发故障诊断的同时，还触发三维模型的动态异常特征，可以显示故障发生
位置、发展过程和影响范围，提高故障诊断的识别效率。
附图说明
[0023] 图1为三维虚拟认知环境组成示意图。
[0024] 图2为基于三维虚拟认知环境的故障诊断过程。
具体实施方式
[0025] 下面结合附图并举
实施例，对本发明进行详细描述。
[0026] 本发明提供了一种基于三维虚拟认知环境的故障诊断方法，具体过程如下：
[0027] 步骤一、采用虚拟现实技术构建工艺系统的三维虚拟模型；
[0028] 在三维图形制作
软件中，如3DS MAX、Maya、Pro/Engineer等，创建工艺系统三维虚拟模型，该三维虚拟模型包括多个系统，每个系统包括多个子系统，每个子系统包括多个装置，每个装置包括多个部件，每个部件包括多个零件。所创建的三维虚拟模型与所提供的图纸一致，外观效果与实物所见一致，各零件、部件、装置、子系统以及系统按照实物的空间关系进行装配连接，使得三维虚拟模型符合设备实物相对位置，对三维虚拟模型中的各零件、部件、装置、子系统以及系统的名称进行定义，形成名称的详表清单。
[0029] 步骤二：将三维虚拟模型进行分层连接，形成零件、部件、装置、子系统和系统的层级，并建立三维虚拟认知环境；
[0030] 以VC++为编程语言，调用图形应用程序编程
接口API(Application Programming Interface)，如OpenGL和Direct3D，来加载所创建的三维虚拟模型，将三维虚拟模型分层级进行链接，形成零件、部件、装置、子系统和系统等层级；利用API中支持的各种图形基本元素及图形特征效果(如明暗度、纹理贴图、Z缓冲、抗混淆、光照模型、可见性裁剪和消隐等)使三维虚拟模型实现：
[0031] 1、工艺系统场景效果图示，如视
角切换、前后左右缩放旋转调整、自动漫游等多种三维场景变换功能；
[0032] 2、三维虚拟模型的标准显示、突出显示(高亮或闪烁)、
淡化、隐藏等功能；
[0033] 3、三维虚拟模型的三维动态表征，如机械运动、仪表示数显示、气体流动、液体流动、粒子喷射等现象。
[0034] 这样，就形成了基于虚拟现实技术的三维虚拟认知环境作为统一的平台，如图1所示。
[0035] 步骤三：针对三维虚拟模型的各零件、部件、装置、子系统以及系统分别链接模型属性库；
[0036] 集成在三维虚拟认知环境的三维虚拟模型的各零件、部件、装置、子系统以及系统在VC++中通过结构数据
指针的方式链接模型属性库，模型属性库中的内容包括基本信息、层级信息和故障诊断信息；基本信息包括工艺系统具体对象名称、出厂信息、维护信息等；层级信息包括隶属关系和连接关系等，决定了该模型的层级链接方式；故障诊断信息包括数据流关系、异常状态确认关系、数据概值、上下阈值、故障特征、故障影响等；模型属性库中的内容采用结构
数据库方式存储。数据流关系定义了数据调用和存储的关系。
[0037] 步骤四：基于三维虚拟认知环境的故障诊断
[0038] 如图2所示，工艺系统基于三维虚拟认知环境进行故障诊断的具体过程如下：图中的虚线表示数据的传输，实线表示系统的动作流程；
[0039] 步骤41：将三维虚拟模型中各零件、部件、装置、子系统以及系统所对应的检测数据输入三维虚拟认知环境；
[0040] 步骤42：调用模型属性库的故障诊断信息中的上下阈值，将所述检测数据与各零件、部件、装置、子系统以及系统的模型属性库中的上下阈值进行对比，若未超出上下阈值，则返回继续检测；若超出上下阈值，则该检测数据为异常检测数据，进一步设置该异常检测数据的异常状态标志；异常状态标志包括异常发生位置、异常形式等，异常形式包括
波动、突变、漂移，波动、突变、漂移都是对超出上下阈值的检测数据更进一步的分析结果；
[0041] 步骤43：查询模型属性库中异常检测数据所对应的各零件、部件、装置、子系统以及系统的异常状态确认关系，如存在异常状态确认关系，则将异常状态标志同时存储于异常检测数据所对应的零件、部件、装置、子系统以及系统和与其具有异常状态确认关系的零件、部件、装置、子系统以及系统的模型属性库中；如不存在异常状态确认关系，则将异常状态标志仅存储于异常检测数据对应的各零件、部件、装置、子系统以及系统的模型属性库中；
[0042] 步骤44、遍历同一时间点上各零件、部件、装置、子系统以及系统模型属性库中的异常状态标志，对照模型属性库中预先存储的故障特征，如符合某故障特征，则输出相应的故障诊断结果，即故障模式、原因、
定位、影响、控制措施等，实现故障诊断。
[0043] 步骤五：进行故障诊断结果的三维虚拟增强认知。
[0044] 当工艺系统三维虚拟模型中某零件、部件、装置、子系统以及系统的模型属性库中出现异常状态标志时，模型属性库将与该异常状态标志对应的故障影响输出，控制三维虚拟认知环境中出现异常状态标志的零件、部件、装置、子系统以及系统的动态表征。根据不同异常状态标志，触发不同的动态表征。如某仪表的异常状态标志为单点数据波动，则触发的动态表征为该仪表显示数据跳动，闪烁显示该仪表；如果存在具有多个异常状态确认关系的泄露故障异常状态标志，则触发的动态表征为泄露位置的粒子喷射，闪烁显示因
泄漏故障而引起的具有异常状态的仪表，高亮显示具有异常状态确认关系的零件、部件、装置、子系统以及系统。
[0045] 综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何
修改、等同替换、改进等，均应包含在本发明的保护范围之内。
