图谱引导多智能体协同故障诊断方法及系统
本发明涉及复杂设备故障诊断,更具体地说是指图谱引导多智能体协同故障诊断方法及系统。
背景技术:
1、电力变压器作为电力系统的核心变电设备,其运行安全直接关系到电网安全与供电可靠性。电力变压器故障具有多部件耦合、故障沿传导链传播、多源异构监测、强机理约束的特征——绕组、铁芯、绝缘系统与冷却系统相互关联,一处异常往往沿"冷却效能下降→绕组过热→绝缘老化"等路径链式传播,基于单一测点的阈值越限判断难以实现故障的准确定位与根因溯源。
2、现有技术中,面向电力变压器的健康管理多采用知识图谱与诊断模型相结合的诊断方法,其典型流程为图谱检索与推理生成串行执行的两阶段流程:首先基于知识图谱检索故障传播关系,随后由单一诊断模型生成推理结论。该流程在面对跨部件系统、多模态的复杂故障场景时,存在推理深度不足、协同能力欠缺的问题。
3、多智能体诊断系统虽然通过专业化分工提升了推理能力,但在电力设备场景下仍存在以下缺陷:监测数据中的瞬时干扰与工况扰动易被误识别为故障征兆,导致故障假设发生虚假迁移,且推理路径一旦走偏难以纠正;不同电力设备个体之间存在制造差异、安装差异及传感器标定差异,同一故障征兆在不同设备上的基线不一致,导致诊断基准失真;现有诊断结论的可信度校验仅依赖知识图谱的机理一致性校验,缺乏来自监测数据侧的事实性校验,诊断结果可信度不足,且预警方式粗放,难以支撑事前预警。
4、因此,有必要设计一种新的方法,实现抑制虚假故障假设迁移、消除设备个体差异导致的诊断基准失真并提升诊断结论的可信度。
技术实现思路
1、本发明的目的在于克服现有技术的缺陷,提供图谱引导多智能体协同故障诊断方法及系统。
2、为实现上述目的,本发明采用以下技术方案:图谱引导多智能体协同故障诊断方法,包括:
3、同步获取复杂设备各监测通道的多源异构监测数据及工况数据,提取表征各部件运行状态的征兆特征;
4、基于设备故障知识图谱中预定义的设备健康状态集合及表征各状态间允许转移方向的合法演化路径,根据所述征兆特征检索所述设备故障知识图谱,生成以诊断子任务为节点的动态任务图并映射至诊断智能体协同执行,且根据执行过程中获取的新证据动态更新所述动态任务图;
5、构建由多个所述诊断智能体协同维护的动态演化推理图,通过持续发现证据、生成故障假设并扩展推理节点与路径,形成候选故障假设;在故障假设沿所述合法演化路径发生状态迁移的判定前,执行机理门控条件与时序连续性检验的双重约束,仅当所述双重约束均满足时确认状态迁移;
6、基于历史正常工况数据反演健康基准参数并计算表征设备个体间固有差异的平均固有偏差,据此构建修正健康基准模型;基于所述修正健康基准模型结合所述工况数据生成表征设备健康状态的标准参考征兆轨迹;实时获取由各监测周期的征兆特征构成的实际观测征兆轨迹,计算所述实际观测征兆轨迹与所述标准参考征兆轨迹的残差,量化部件性能退化程度,并基于所述残差的变化趋势确定退化速率;
7、围绕所述候选故障假设执行结构化协同辩论,以所述设备故障知识图谱与所述修正健康基准模型共同作为裁判,校验所述候选故障假设的机理一致性与数据事实性;计算各候选故障假设的可信度评分并据此输出可信诊断结果;结合所述可信诊断结果、所述可信度评分及所述退化速率计算动态风险指数,生成分级预警信息。
8、本发明还提供了图谱引导多智能体协同故障诊断装置,包括:
9、数据获取单元,用于同步获取复杂设备各监测通道的多源异构监测数据及工况数据,提取表征各部件运行状态的征兆特征;
10、任务分解单元,用于基于设备故障知识图谱中预定义的设备健康状态集合及表征各状态间允许转移方向的合法演化路径,根据所述征兆特征检索所述设备故障知识图谱,生成以诊断子任务为节点的动态任务图并映射至诊断智能体协同执行,且根据执行过程中获取的新证据动态更新所述动态任务图;
11、推理单元,用于构建由多个所述诊断智能体协同维护的动态演化推理图,通过持续发现证据、生成故障假设并扩展推理节点与路径形成候选故障假设,并在故障假设沿所述合法演化路径发生状态迁移的判定前执行机理门控条件与时序连续性检验的双重约束,仅当所述双重约束均满足时确认状态迁移;
12、基准比对单元,用于基于历史正常工况数据反演健康基准参数并计算表征设备个体间固有差异的平均固有偏差,据此构建修正健康基准模型,基于所述修正健康基准模型结合所述工况数据生成表征设备健康状态的标准参考征兆轨迹,实时获取由各监测周期的征兆特征构成的实际观测征兆轨迹,计算所述实际观测征兆轨迹与所述标准参考征兆轨迹的残差,量化部件性能退化程度并基于所述残差的变化趋势确定退化速率;
13、决策预警单元,用于围绕所述候选故障假设执行结构化协同辩论,以所述设备故障知识图谱与所述修正健康基准模型共同作为裁判,校验所述候选故障假设的机理一致性与数据事实性,计算各候选故障假设的可信度评分并据此输出可信诊断结果,结合所述可信诊断结果、所述可信度评分及所述退化速率计算动态风险指数,生成分级预警信息。
14、本发明与现有技术相比的有益效果是:本发明通过设备故障知识图谱预定义的健康状态集合及合法演化路径生成动态任务图并映射至诊断智能体协同执行,在故障假设状态迁移前执行机理门控条件与时序连续性检验的双重约束以抑制虚假迁移;通过基于历史正常工况数据反演健康基准参数并计算平均固有偏差构建修正健康基准模型,生成标准参考征兆轨迹并与实际观测轨迹对比计算轨迹残差以量化退化程度,从而消除设备个体差异导致的基准失真;最终围绕候选故障假设执行结构化协同辩论,以知识图谱与修正健康基准模型共同校验机理一致性与数据事实性,计算可信度评分并结合退化速率计算动态风险指数输出分级预警,从而提升诊断结论的可信度。
15、下面结合附图和具体实施例对本发明作进一步描述。
1.图谱引导多智能体协同故障诊断方法,其特征在于,包括:
2.根据权利要求1所述的图谱引导多智能体协同故障诊断方法,其特征在于,所述根据所述征兆特征检索所述设备故障知识图谱,生成以诊断子任务为节点的动态任务图并映射至诊断智能体协同执行,且根据执行过程中获取的新证据动态更新所述动态任务图,包括:
3.根据权利要求1所述的图谱引导多智能体协同故障诊断方法,其特征在于,所述设备健康状态集合包括正常、性能退化、早期故障、故障扩展、失效中至少一种状态;
4.根据权利要求1所述的图谱引导多智能体协同故障诊断方法,其特征在于,所述机理门控条件,包括:
5.根据权利要求1所述的图谱引导多智能体协同故障诊断方法,其特征在于,所述时序连续性检验,包括:
6.根据权利要求1所述的图谱引导多智能体协同故障诊断方法,其特征在于,所述基于历史正常工况数据反演健康基准参数并计算表征设备个体间固有差异的平均固有偏差,据此构建修正健康基准模型,包括:
7.根据权利要求1所述的图谱引导多智能体协同故障诊断方法,其特征在于,所述计算所述实际观测征兆轨迹与所述标准参考征兆轨迹的残差,量化部件性能退化程度,包括:
8.根据权利要求1所述的图谱引导多智能体协同故障诊断方法,其特征在于,所述围绕所述候选故障假设执行结构化协同辩论,包括:
9.根据权利要求1所述的图谱引导多智能体协同故障诊断方法,其特征在于,所述结合所述可信诊断结果、所述可信度评分及所述退化速率计算动态风险指数,生成分级预警信息,包括:
10.图谱引导多智能体协同故障诊断系统,其特征在于,包括:
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com