一种基于部件功能模型的设备异常检测与自诊断方法与流程

本发明涉及仿真建模，更具体地说，它涉及一种基于部件功能模型的设备异常检测与自诊断方法。

背景技术：

1、转动机泵作为通用流体输送设备，广泛应用于工业生产各个领域。目前设备异常检测与诊断技术主要分为基于信号分析、基于机器学习和基于数字孪生仿真三类。基于信号分析的方法通常提取振动、压力等外部传感器信号的时域和频域特征进行故障识别；基于机器学习的方法通过大量标注样本训练分类模型，实现多类故障的自动判别；基于数字孪生的方法通过构建设备三维模型，结合仿真结果与实测数据的对比开展异常分析。这些技术在稳态工况下能够取得一定的诊断效果，满足部分常规运行场景的需求。

2、在变速、变流量和强非定常流场共同存在的运行条件下，现有技术存在多方面的局限性。压力云图、速度云图或外部振动信号常被作为孤立输入进行处理，难以反映设备内部各部件之间的功能关联关系。固定时间窗的特征提取方式在转速波动时会出现相位漂移现象，导致特征稳定性下降。上游部件异常产生的信号会在下游部件被放大或延迟，使得不同异常在同一工况下可能表现出相似的外部响应，而同一异常在不同工况下的响应特征又存在差异。此外，真实故障样本数量通常较为有限，依赖故障标签的训练模型难以覆盖多种异常的组合边界情况。

3、随着工业生产对设备可靠性和运行效率要求的不断提高，亟需一种能够适应复杂变工况条件的设备异常检测与诊断方法。即能够有效区分不同部件的异常特征，准确识别异常发生的位置和类型，减少相似响应导致的误判和漏判，为设备的维护保养提供可靠的技术支撑。

技术实现思路

1、本发明提供一种基于部件功能模型的设备异常检测与自诊断方法，解决上述背景技术中的技术问题。

2、本发明提供了一种基于部件功能模型的设备异常检测与自诊断方法，包括以下步骤：

3、步骤s1、对物理设备对应的三维模型引入功能拓扑模型执行网格划分，建立功能有向图及功能分区集，结合测点安装位置构建测点映射表；

4、步骤s2、基于测点映射表采集运行时间序列并确定时间边界，以转子旋转相位为自变量执行重采样处理，提取相位同步序列；

5、步骤s3、利用时间边界及相位同步序列执行三维流场求解，生成基准响应序列，对功能分区集施加功能扰动，获得扰动响应序列；

6、步骤s4、对比相位同步序列与基准响应序列提取差值序列，执行归一化映射计算，生成诊断残差序列；

7、步骤s5、利用扰动响应序列与基准响应序列提取功能敏感度，搜寻诊断残差序列对应功能敏感度的相干极值，提取相位偏移量，并整合残差能量序列，计算获得节点失配量；

8、步骤s6、将节点失配量输入功能有向图，比对健康包络边界判定超限节点，按拓扑层级提取异常源头节点，映射获得异常分类；

9、步骤s7、结合异常源头节点、异常分类、诊断残差序列及相位偏移量，标记功能分区集中的对应功能分区，输出异常三维模型及诊断文本。

10、本发明的有益效果在于：本发明通过建立三维部件功能模型并构建功能有向图与功能分区集，实现了设备几何结构与功能逻辑的统一绑定，使异常诊断结果能够映射到具体的部件功能单元；通过相位同步重采样将变速时间序列转换为统一的相位序列，实现了不同工况下信号的可比分析，削弱转速波动对残差计算的干扰；通过虚拟扰动仿真获取各功能节点的响应敏感度，实现了不依赖真实故障样本的物理驱动式异常特征提取；通过计算相位迁移功能失配特征并结合功能有向图的拓扑溯源，用于辅助异常源识别，并降低将受传播影响的下游部件判定为异常源的风险；通过生成带有部件功能语义的三维异常定位模型，实现了诊断结果的直观可视化展示。从而有助于提高转动机泵异常诊断的准确性和工程实用性。

1.一种基于部件功能模型的设备异常检测与自诊断方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于部件功能模型的设备异常检测与自诊断方法，其特征在于，导入物理设备对应的三维模型，并依据入口流道、叶轮、蜗壳或导叶、轴系、联轴器、轴承座、密封间隙及出口截面执行网格划分；将功能拓扑模型绑定至网格划分结果，建立包含入口导流功能、叶轮能量转换功能、蜗壳压力恢复功能、轴系转矩传递功能及轴承支承功能的功能有向图；

3.根据权利要求1所述的一种基于部件功能模型的设备异常检测与自诊断方法，其特征在于，基于测点映射表采集入口压力、出口压力、流量、转速及轴承座径向振动的运行时间序列，并依据各测点的统一时钟戳执行时间对齐；

4.根据权利要求1所述的一种基于部件功能模型的设备异常检测与自诊断方法，其特征在于，将时间边界、相位同步序列、三维模型网格及功能分区集输入三维流场求解；

5.根据权利要求1所述的一种基于部件功能模型的设备异常检测与自诊断方法，其特征在于，对入口压力相位同步序列与出口压力相位同步序列执行压差换算，生成实测压头序列；

6.根据权利要求5所述的一种基于部件功能模型的设备异常检测与自诊断方法，其特征在于，将实测压头序列、由出口压力相位同步序列扣除同一诊断窗口的相位均值获得的出口压力脉动序列及径向力代理序列作为实测观测序列；

7.根据权利要求1所述的一种基于部件功能模型的设备异常检测与自诊断方法，其特征在于，利用扰动响应序列与基准响应序列提取各功能节点对各观测类型的功能敏感度；

8.根据权利要求7所述的一种基于部件功能模型的设备异常检测与自诊断方法，其特征在于，依据循环对齐后的功能敏感度对诊断残差序列的平方值执行加权分配，获得残差能量序列；

9.根据权利要求1所述的一种基于部件功能模型的设备异常检测与自诊断方法，其特征在于，将节点失配量输入功能有向图，并与按功能节点存储的健康包络边界进行比对；

10.根据权利要求1所述的一种基于部件功能模型的设备异常检测与自诊断方法，其特征在于，结合异常源头节点从功能分区集中提取对应功能分区；