一种基于边缘数采器的精密空调多源故障诊断方法与流程

本发明属于精密空调，具体而言，涉及一种基于边缘数采器的精密空调多源故障诊断方法。

背景技术：

1、精密空调是数据中心、精密制造及医药等场景的核心保障设备，其运行状态直接影响受保护对象的稳定性与可靠性。在现有技术中，针对精密空调故障诊断的主流方案通常采用固定阈值检测、传统机器学习分类器或静态深度神经网络，依赖人工提取的时域或频域统计特征对压缩机振动、冷媒压力、温度场及电流等多路传感器信号进行单一故障类型的判别。上述方案在单一稳定工况下具有一定的诊断能力，但在夏季满负荷、冬季低负荷与过渡季变频等跨域工况频繁切换的实际运行环境中，不同工况下传感器数据的统计分布发生显著偏移，冷媒泄漏与压缩机异常等多源并发故障的特征在原始特征空间中高度非线性重叠，固定权重模型无法区分工况引入的分布变化与故障本身的特征变化，导致模型在工况切换后诊断精度持续衰退，且无法在不重新全量训练的前提下恢复性能。也就是说，现有技术中存在多源并发故障在跨域工况切换下特征混叠导致诊断模型参数漂移失效的技术问题。

技术实现思路

1、有鉴于此，本发明提供一种基于边缘数采器的精密空调多源故障诊断方法，能够解决现有技术中存在多源并发故障在跨域工况切换下特征混叠导致诊断模型参数漂移失效的技术问题。

2、本发明是这样实现的：本发明提供一种基于边缘数采器的精密空调多源故障诊断方法，包括以下步骤：

3、边缘数采器采集精密空调的压缩机振动、冷媒压力、温度场及电流信号，经无锁环形队列与无等待读写指针协同机制完成多源高频流式数据的高并发稳健吞吐，输出多通道时序数据缓冲区；

4、将多通道时序数据缓冲区抽象为容量受限的网络流拓扑图，通过求解最大流最小割模型动态分配各传感器数据流的内存读取带宽与计算优先级；

5、对完成调度的多源异构数据执行流形映射，将原始特征投影至高维非线性正交子空间，建立空间正交解耦拓扑机制，实现多源并发故障特征的精准解耦隔离；

6、将解耦后的标准化时空张量输入动态重构局部激活空间演化模型，模型依据输入数据局部拓扑分布动态重构隐层算子参数，并经双向回溯门控机制检测分布偏移，调用记忆痕迹衰减分支对层权重矩阵执行增量修正，输出多源故障诊断结果；

7、根据工况熵变率计算熵漂移自适应调节函数，得到熵漂移指数，依据熵漂移指数所属区间动态更新动态重构局部激活空间演化模型的边缘侧局部权重；

8、将多源故障诊断结果与设备运行状态记录进行关联存储，经边缘数采器输出故障类型标识与告警指令。

9、其中，所述无锁环形队列，指以固定容量的环形缓冲区替代传统加锁队列，生产者与消费者线程分别持有独立的写指针与读指针，两指针之间不存在互斥等待，队列容量由实测峰值采样率与推理延迟的乘积确定，并通过迭代压力测试将丢包率调整至可接受阈值以下。

10、其中，所述无等待读写指针协同机制，指写指针与读指针均采用原子操作进行推进，任意线程在任意时刻均可直接完成读写而无需等待其他线程释放资源。

11、其中，所述容量受限的网络流拓扑图，以各传感器通道为源节点，以动态重构局部激活空间演化模型输入层为汇节点，以各通道数据缓冲区当前占用量与剩余带宽为边容量构成有向容量网络；最大流最小割模型通过福特-富尔克森算法求解，最小割对应的边集为当前时刻内存带宽的瓶颈边集，高频关键故障特征数据流的判定以故障特征能量集中频段为依据。

12、其中，所述流形映射，利用基于黎曼流形框架的非线性降维算子，以协方差矩阵的测地线距离作为特征相似性度量，通过对历史故障数据的测地线距离矩阵进行奇异值分解确定正交投影方向，将多故障特征映射至高维非线性正交子空间。

13、其中，所述空间正交解耦拓扑机制，依据各故障类型特征分布的拓扑连通性建立隔离边界，使冷媒泄漏特征子流形与压缩机异常特征子流形在子空间中的拓扑邻域不相交。

14、其中，所述动态重构局部激活空间演化模型，输入层接收维度为的标准化时空张量，其中为传感器通道数，为时间步长；输入层之后为流式动态阈值归一化层；其后为个局部激活算子堆叠的隐层；隐层设置双向回溯门控单元；输出层为全连接分类层。

15、其中，所述局部激活算子内部维护维度为的局部原型矩阵，在前向传播时计算输入特征向量与各原型的余弦相似度，以相似度作为软门控权重对原型矩阵进行加权聚合，实现算子参数随输入局部拓扑分布的动态重构；原型矩阵的空间自组织演化机制在训练阶段通过竞争学习使原型向输入数据的局部密度中心移动。

16、其中，所述双向回溯门控单元实时监测相邻层隐层状态分布的熵值，当隐层状态熵超过熵激增阈值时切断主前向通路，跳转至记忆痕迹衰减分支；记忆痕迹衰减分支维护指数衰减历史状态缓存矩阵，利用历史状态缓存矩阵对当前层权重矩阵执行增量修正，修正量通过历史状态缓存矩阵与当前隐层状态的外积计算得到。

17、其中，所述记忆痕迹衰减分支中指数衰减历史状态缓存矩阵的更新方式，指每个推理步骤结束后，缓存矩阵以衰减系数乘以当前缓存矩阵，再加上以乘以当前隐层状态矩阵，使近期状态对增量修正的贡献大于远期状态。

18、其中，所述动态重构局部激活空间演化模型的网络损失函数由交叉熵分类损失与物理约束惩罚项两部分构成，物理约束惩罚项将精密空调系统的能量守恒方程与质量守恒方程转化为残差惩罚；相邻隐层之间通过自适应步长张量拼接算子保持特征张量维度一致，拼接算子依据当前层输出张量的范数自适应调整步长。

19、其中，所述动态重构局部激活空间演化模型的显存分配以最大流最小割模型的瓶颈边集容量值作为各隐层的显存分配比例系数；层间神经元连接密度依据上一层局部激活算子输出的门控权重方差自适应剪枝；批次大小依据无锁环形队列的实时占用率动态调整。

20、其中，所述熵漂移自适应调节函数，以各工况参数的shannon熵与前一时间窗口对应参数shannon熵之差的绝对值加权均值作为熵漂移指数；当低于第一熵漂移阈值时，边缘侧局部权重保持不更新；当介于第一熵漂移阈值与第二熵漂移阈值之间时，以第一步长对边缘侧局部权重执行单步梯度下降增量更新；当不低于第二熵漂移阈值时，激活记忆痕迹衰减分支以第二步长对全部隐层权重矩阵执行多步增量修正。

21、其中，所述动态重构局部激活空间演化模型的训练，在精密空调实验台上分别模拟冷媒泄漏、压缩机轴承磨损、压缩机线圈过热及并发组合故障，在不同季节工况下各采集不少于72小时的多源传感器数据，按照训练集、验证集与测试集的比例划分形成平衡样本集，以adamw优化器迭代更新模型参数，每训练一个轮次后依据验证集熵分布调整熵激增阈值，连续轮次验证精度无提升时停止训练。

22、其中，时间步长的取值范围为64～512；局部激活算子层数的取值范围为4～12；原型数量的取值范围为8～64；衰减系数的取值范围为0.85～0.99；自适应步长张量拼接算子的步长范围为1～4；第一步长的取值范围为～；第二步长的取值范围为～，且第二步长大于第一步长；adamw优化器的学习率初始值范围为～。

23、本发明通过流形映射与空间正交解耦拓扑机制将多源并发故障特征投影至高维非线性正交子空间，使冷媒泄漏与压缩机异常的特征子流形在拓扑上不相交，从根本上消除了特征混叠对诊断的干扰。在此基础上，动态重构局部激活空间演化模型依据输入数据的局部拓扑分布动态重构隐层算子参数，双向回溯门控机制在检测到分布偏移时自动切换至记忆痕迹衰减分支并对权重执行增量修正，使模型在跨域工况切换后无需重新全量训练即可恢复诊断性能。熵漂移自适应调节函数进一步依据工况熵变率动态更新边缘侧局部权重，抑制参数漂移的累积效应。综上所述，本发明解决了背景技术中提到的多源并发故障在跨域工况切换下特征混叠导致诊断模型参数漂移失效的技术问题。