多源数据融合的隔膜泵运行状态智能预测方法及系统与流程

本发明涉及隔膜泵运行领域，具体涉及多源数据融合的隔膜泵运行状态智能预测方法及系统。

背景技术：

1、隔膜泵作为矿山、化工、石油等工业领域流体输送系统的核心设备，其运行稳定性直接关系到整条生产线的安全生产与经济效益，目前行业内对隔膜泵的运行状态监测与预测技术仍存在诸多局限：现有方案多采用单一振动传感器或单一工艺参数进行监测，未能实现机械系统振动信号、进出料口工艺参数信号与液压油介质状态信号的多源数据融合，无法全面表征设备多维度运行状态；故障特征提取仅依赖传统时频域分析手段，未能挖掘振动信号蕴含的非线性动力学特性，对设备早期微弱故障的敏感度低，难以在故障萌芽阶段实现有效识别；状态预测方面，缺乏针对工业现场小样本、贫信息特点的中长期趋势预测能力，且无法生成全面的设备健康状态评估与运维指导，使得设备运维仍普遍采用事后检修或定期检修模式，易引发非计划停机、造成重大生产损失与安全隐患。

技术实现思路

1、本申请通过提供了多源数据融合的隔膜泵运行状态智能预测方法及系统，旨在解决现有隔膜泵运行状态监测技术难以识别早期隔膜泵故障，易引发停机、中断及安全隐患的技术问题，达到提升隔膜泵早期故障检出率与状态预测精度，降低了设备非计划停机风险与运维成本，保障了工业生产线的连续稳定运行的技术效果。

2、鉴于上述问题，本申请提供了多源数据融合的隔膜泵运行状态智能预测方法及系统。

3、本申请公开的第一个方面，提供了多源数据融合的隔膜泵运行状态智能预测方法，该方法包括：

4、获取隔膜泵的多源状态数据，并组建所述多源状态数据的实时特征集；将基于所述实时特征集构成的实时多源融合特征向量作为正则化极限学习机模型的输入，得到所述正则化极限学习机模型的输出，作为实时预测状态；基于实时时刻与所述实时多源融合特征向量的对应关系，建立原始序列；通过灰色微分方程模型对所述原始序列进行分析，得到趋势预测结果；结合所述实时预测状态与所述趋势预测结果生成所述隔膜泵的运行状态报告。

5、本申请公开的另一个方面，提供了多源数据融合的隔膜泵运行状态智能预测系统，该系统包括：

6、采集模块，用于获取隔膜泵的多源状态数据，并组建所述多源状态数据的实时特征集；输入模块，用于将基于所述实时特征集构成的实时多源融合特征向量作为正则化极限学习机模型的输入，得到所述正则化极限学习机模型的输出，作为实时预测状态；序列模块，用于基于实时时刻与所述实时多源融合特征向量的对应关系，建立原始序列；分析模块，用于通过灰色微分方程模型对所述原始序列进行分析，得到趋势预测结果；状态模块，用于结合所述实时预测状态与所述趋势预测结果生成所述隔膜泵的运行状态报告。

7、本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：

8、通过多源数据融合提取涵盖非线性动力学、时频域、工艺参数及液压油状态的多维特征，采用核主成分分析降维构建高浓缩融合特征向量，利用正则化极限学习机结合虚拟样机仿真预训练与实际数据迁移学习微调实现毫秒级高精度实时状态预测，同时引入灰色微分方程模型完成短期与中长期趋势预测，最终通过实时状态与趋势结果的交叉验证与加权融合生成包含健康度评分、分级预警、故障定位及针对性维护建议的结构化运行状态报告，提升隔膜泵早期故障检出率与状态预测精度，降低了设备非计划停机风险与运维成本，保障了工业生产线的连续稳定运行。

9、上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

1.多源数据融合的隔膜泵运行状态智能预测方法，其特征在于，包括：

2.如权利要求1所述多源数据融合的隔膜泵运行状态智能预测方法，其特征在于，获取隔膜泵的多源状态数据，包括：

3.如权利要求2所述多源数据融合的隔膜泵运行状态智能预测方法，其特征在于，获取隔膜泵的多源状态数据，并组建所述多源状态数据的实时特征集，包括：

4.如权利要求3所述多源数据融合的隔膜泵运行状态智能预测方法，其特征在于，获取所述目标本征模态分量的目标多尺度排列熵值、目标关联维数，并组成非线性动力学特征集，包括：

5.如权利要求4所述多源数据融合的隔膜泵运行状态智能预测方法，其特征在于，所述预定嵌入维数阈值为5-7，所述预定尺度因子阈值为8-12。

6.如权利要求1所述多源数据融合的隔膜泵运行状态智能预测方法，其特征在于，将基于所述实时特征集构成的实时多源融合特征向量作为正则化极限学习机模型的输入，得到所述正则化极限学习机模型的输出，作为实时预测状态，之前包括：

7.如权利要求1所述多源数据融合的隔膜泵运行状态智能预测方法，其特征在于，将基于所述实时特征集构成的实时多源融合特征向量作为正则化极限学习机模型的输入，得到所述正则化极限学习机模型的输出，作为实时预测状态，之前包括：

8.如权利要求7所述多源数据融合的隔膜泵运行状态智能预测方法，其特征在于，所述预定仿真策略包括机械磨损仿真策略、泵阀卡阀仿真策略、泵阀泄漏仿真策略；

9.如权利要求7所述多源数据融合的隔膜泵运行状态智能预测方法，其特征在于，还包括：获取实际运行数据，并基于所述实际运行数据对所述正则化极限学习机模型进行迁移学习微调。

10.多源数据融合的隔膜泵运行状态智能预测系统，其特征在于，用于实施权利要求1至9中任意一项所述多源数据融合的隔膜泵运行状态智能预测方法，所述系统包括：