一種基于工況畫像的發動機故障診斷優化方法及相關裝置與流程

本技術涉及發動機，尤其涉及一種基于工況畫像的發動機故障診斷優化方法及相關裝置。

背景技術：

1、目前，發動機的故障診斷，通常采用現有路譜數據和積累的經驗，對發動機進行故障的診斷預測。

2、對于發動機的零部件，在預測到可能存在故障時更換或保養。但實際應用中，因運行工況的不同，實際零部件的壽命和保養周期是可以延長的。為此，通常是由工程師預先標定多種工況下的故障診斷策略和診斷支撐參數。

3、但是，發動機實際應用中，工況是千變萬化的，即使工程師預先標定了多個版本的故障診斷策略和診斷支撐參數，仍然存在某種工況下無法使得發動機零部件的壽命和保養周期延長。

技術實現思路

1、鑒于上述問題，本技術提供了一種基于工況畫像的發動機故障診斷優化方法及相關裝置，以使得發動機在故障報警之前的使用時長被延長。具體方案如下：

2、本技術第一方面提供一種基于工況畫像的發動機故障診斷優化方法，所述方法包括：

3、獲得發動機的運行參數，所述運行參數至少包含多項工況參數；

4、根據所述運行參數，獲得所述發動機的當前工況畫像；

5、利用診斷預測模型，對所述當前工況畫像和初始數據版本進行處理，以得到所述當前工況畫像對應的目標數據版本；所述目標數據版本包括：故障診斷策略和所述故障診斷策略對應的診斷支撐參數；

6、其中，所述診斷預測模型利用訓練樣本進行訓練得到，所述訓練樣本利用典型工況庫獲得，所述典型工況庫包含多個典型工況畫像；

7、將所述目標數據版本發送給所述發動機的控制器，由所述控制器按照所述診斷支撐參數執行所述故障診斷策略，以使得所述發動機在故障報警之前的使用時長被延長。

8、在一種可能的實現中，所述診斷預測模型包括：故障等級分類模型、風險分類模型、故障策略池和數據優化模型；所述故障策略池包含至少一個策略參數組，所述策略參數組至少包含故障級別參數、發生度參數和風險度參數；

9、其中，利用診斷預測模型，根據所述當前工況畫像和初始數據版本進行處理，以得到所述當前工況畫像對應的目標數據版本，包括：

10、根據所述當前工況畫像，在數據版本庫中，獲得目標工況畫像和初始數據版本；

11、其中，所述數據版本庫包含至少一個典型工況畫像，每個所述典型工況畫像對應有優化數據版本；所述目標工況畫像與所述當前工況畫像滿足匹配條件；所述初始數據版本為所述目標工況畫像對應的優化數據版本；

12、利用所述故障等級分類模型，獲得所述目標工況畫像對應的當前故障級別；所述當前故障級別表征所述發動機出現的故障的危險程度；

13、利用所述風險分類模型，獲得所述目標工況畫像對應的當前發生度和當前風險度；所述當前發生度表征所述發動機出現故障的頻度，所述當前風險度表征所述發動機出現的故障的風險程度；

14、按照所述目標工況畫像對應的當前故障級別、當前發生度和當前風險度，在所述故障策略池中，篩選出匹配所述當前工況畫像的目標參數，所述目標參數包括目標故障級別、目標發生度和目標風險度；

15、將所述目標故障級別、所述目標發生度、所述目標風險度、所述當前工況畫像和初始數據版本輸入到所述數據優化模型，以得到所述數據優化模型輸出的所述當前工況畫像對應的目標數據版本。

16、在一種可能的實現中，所述診斷預測模型包括：故障等級分類模型、風險分類模型、故障策略池和控制仿真系統；所述故障策略池包含至少一個策略參數組，所述策略參數組至少包含故障級別參數、發生度參數和風險度參數；

17、其中，利用診斷預測模型，根據所述當前工況畫像和初始數據版本進行處理，以得到所述當前工況畫像對應的目標數據版本，包括：

18、根據所述當前工況畫像，在數據版本庫中，獲得目標工況畫像和初始數據版本；

19、其中，所述數據版本庫包含至少一個典型工況畫像，每個所述典型工況畫像對應有優化數據版本；所述目標工況畫像與所述當前工況畫像滿足匹配條件；所述初始數據版本為所述目標工況畫像對應的優化數據版本；

20、利用所述故障等級分類模型，獲得所述目標工況畫像對應的當前故障級別；所述當前故障級別表征所述發動機出現的故障的危險程度；

21、利用所述風險分類模型，獲得所述目標工況畫像對應的當前發生度和當前風險度；所述當前發生度表征所述發動機出現故障的頻度，所述當前風險度表征所述發動機出現的故障的風險程度；

22、按照所述目標工況畫像對應的當前故障級別、當前發生度和當前風險度，在所述故障策略池中，篩選出匹配所述當前工況畫像的目標參數，所述目標參數包括目標故障級別、目標發生度和目標風險度；

23、將所述當前工況畫像和初始數據版本輸入到所述發動機的控制器對應的控制仿真系統中，所述控制仿真系統能夠以所述初始數據版本為控制數據版本根據所述當前工況畫像輸出初始參數；所述初始參數包括：初始故障級別、初始發生度、初始風險度；

24、調整所述控制仿真系統中所使用的控制數據版本，以使得所述控制仿真系統輸出的初始參數匹配所述目標參數；

25、將所述初始參數匹配所述目標參數時所述控制仿真系統所使用的控制數據版本確定為所述當前工況畫像對應的目標數據版本。

26、在一種可能的實現中，所述匹配條件為：所述當前工況畫像與所述目標工況畫像之間的畫像相似度大于或等于第一閾值。

27、在一種可能的實現中，根據所述當前工況畫像，在數據版本庫中，獲得目標工況畫像和初始數據版本，包括：

28、利用聚類模型，獲得所述當前工況畫像對應的當前工況類型；

29、將所述當前工況類型與所述數據版本庫中每個所述典型工況畫像的工況類型進行比對；

30、如果在所述數據版本庫中有典型工況類型與所述當前工況類型相一致，將所述數據版本庫中與所述當前工況類型相一致的典型工況畫像確定為目標工況畫像并獲得所述目標工況畫像對應的優化數據版本；

31、如果在所述數據版本庫中沒有典型工況類型與所述當前工況類型相一致，將所述數據版本庫中與所述當前工況畫像之間的畫像相似度最大的典型工況畫像作為目標工況畫像并獲得所述目標工況畫像對應的優化數據版本。

32、在一種可能的實現中，所述訓練樣本通過以下方式獲得：

33、分別對所述典型工況庫中的每個所述典型工況畫像進行如下處理：

34、利用所述故障等級分類模型，獲得所述典型工況畫像對應的當前故障級別；

35、利用所述風險分類模型，獲得所述典型工況畫像對應的當前發生度和當前風險度；

36、按照所述典型工況畫像對應的當前故障級別、當前發生度和當前風險度，在所述故障策略池中，篩選出匹配所述典型工況畫像的指標參數；所述指標參數包括：故障級別指標、發生度指標、風險度指標；

37、將所述典型工況畫像和所述典型工況畫像對應的歷史數據版本輸入到所述發動機的控制器對應的控制仿真系統中，所述控制仿真系統能夠以所述典型工況畫像對應的歷史數據版本為控制數據版本根據所述典型工況畫像輸出初始參數；所述初始參數包括：初始故障級別、初始發生度、初始風險度；

38、調整所述控制仿真系統中所使用的控制數據版本，以使得所述控制仿真系統輸出的初始參數匹配所述指標參數；

39、其中，所述初始參數匹配所述指標參數時所述控制仿真系統所使用的控制數據版本為所述訓練樣本中的輸出樣本；所述指標參數、所述典型工況畫像和所述典型工況畫像對應的歷史數據版本為所述訓練樣本中的輸入樣本。

40、在一種可能的實現中，所述初始參數匹配所述指標參數，包括：

41、所述初始故障級別與所述故障級別指標相匹配，所述初始發生度與所述發生度指標相匹配，所述初始風險度與所述風險度指標相匹配。

42、在一種可能的實現中，在得到所述當前工況畫像對應的目標數據版本之后，所述方法還包括：

43、對所述當前工況畫像中的至少一項工況參數進行泛化處理后，以得到新的典型工況畫像；

44、將所述新的典型工況畫像及其對應的所述目標數據版本，添加到所述數據版本庫。

45、本技術第二方面提供一種基于工況畫像的發動機故障診斷優化裝置，所述裝置包括：

46、參數獲得單元，用于獲得發動機的運行參數，所述運行參數至少包含多項工況參數；

47、畫像獲得單元，用于根據所述運行參數，獲得所述發動機的當前工況畫像；

48、數據處理單元，用于利用診斷預測模型，對所述當前工況畫像和初始數據版本進行處理，以得到所述當前工況畫像對應的目標數據版本；所述目標數據版本包括：故障診斷策略和所述故障診斷策略對應的診斷支撐參數；

49、其中，所述診斷預測模型利用訓練樣本進行訓練得到，所述訓練樣本利用典型工況庫獲得，所述典型工況庫包含多個典型工況畫像；

50、數據傳輸單元，用于將所述目標數據版本發送給所述發動機的控制器，由所述控制器按照所述診斷支撐參數執行所述故障診斷策略，以使得所述發動機在故障報警之前的使用時長被延長。

51、本技術第三方面提供一種計算機程序產品，包括計算機可讀指令，當所述計算機可讀指令在電子設備上運行時，使得所述電子設備實現上述第一方面或第一方面任一實現方式的一種基于工況畫像的發動機故障診斷優化方法。

52、本技術第四方面提供一種電子設備，包括至少一個處理器和與所述處理器連接的存儲器，其中：

53、所述存儲器用于存儲計算機程序；

54、所述處理器用于執行所述計算機程序，以使所述電子設備能夠實現上述第一方面或第一方面任一實現方式的一種基于工況畫像的發動機故障診斷優化方法。

55、本技術第五方面提供一種計算機存儲介質，所述存儲介質承載有一個或多個計算機程序，當所述一個或多個計算機程序被電子設備執行時，能夠使所述電子設備上述第一方面或第一方面任一實現方式的一種基于工況畫像的發動機故障診斷優化方法。

56、借由上述技術方案，本技術提供的一種基于工況畫像的發動機故障診斷優化方法及相關裝置中，在獲得發動機的包含多項工況參數的運行參數之后，先根據運行參數獲得發動機的當前工況畫像，然后利用典型工況畫像所訓練出的診斷預測模型，對當前工況畫像和初始數據版本進行處理，以得到當前工況畫像對應的目標數據版本，目標數據版本中包含：故障診斷策略和故障診斷策略對應的診斷支撐參數，這樣在將目標數據版本發送給發動機的控制器之后，由控制器按照目標數據版本中的診斷支撐參數執行相應的故障診斷策略，由此使得發動機在故障報警之前的使用時長被延長。可見，本技術中無論發動機的當前工況畫像是何種工況狀態，都可以利用診斷預測模型對故障診斷策略和相應的診斷支撐參數進行優化，這樣在發動機的控制器按照優化的診斷支撐參數執行故障診斷策略時，都可以使得發動機在故障報警之前的使用時長被延長，這樣就可以減少用戶使用發動機的成本。