一种精密分析仪器的分层故障诊断方法、系统及设备

本发明涉及仪器故障诊断领域，尤其是涉及一种精密分析仪器的分层故障诊断方法、系统及设备。

背景技术：

1、质谱仪、色谱仪、电子显微镜等精密分析仪器，广泛用于科研测试、工业检测、环境监测、生命科学和能源化工等场景。该类仪器通常由多个功能部件、传感单元、执行单元和控制单元组成，并在多工况、长周期或连续运行条件下完成测量、分析或控制任务。随着仪器集成度和自动化程度提高，部件退化、结构连接异常、传递通路堵塞或泄漏、供电控制异常以及传感器漂移等问题，常表现为缓慢漂移、微弱异常或多参数联合偏移。若早期未被识别并处理，可能造成仪器输出失准、性能下降或非计划停机。

2、现有故障诊断技术存在以下技术缺陷：

3、其一，复杂仪器的运行信息来源分散，既包括测量结果、响应特征、性能指标等设备输出数据，也包括反映核心功能部件状态的电参数、温度、压力、流量、转速、真空度等监测参数，还包括环境条件、载荷工况、控制指令、报警和维护记录等信息。上述数据之间存在物理耦合、统计关联和故障规则联系，而现有诊断方法多将其作为独立特征输入，对物理机理、数据关联和先验知识缺少统一的结构化表达，导致部件退化、环境扰动和控制变化之间的关系难以被稳定利用。

4、其二，真实故障样本获取困难，尤其是早期弱故障、边界态故障、新出现的故障模式以及复合故障样本。现有的数据增强方法多基于纯统计分布进行样本扩充，生成数据往往缺少设备物理运行规律或故障演化机制的约束，对模型泛化能力的提升有限，并可能引入不准确的故障边界。

5、其三，在线监测系统多部署于嵌入式计算单元或边缘计算平台，计算资源、存储空间和能耗受限。深度学习模型通常具有较大的计算开销，若在连续监测过程中始终调用完整模型，可能影响设备的数据采集、测量分析或实时控制任务。

6、其四，现有诊断模型通常输出故障类别或概率，对异常特征、关联部件和故障模式之间的对应关系记录不足，也缺少利用新样本、人工复核结果和历史维护知识更新模型与知识库的流程。设备长期运行后，部件状态、退化阈值、工况分布和故障模式均可能变化，若诊断模型和知识库保持不变，诊断结果容易逐渐偏离实际设备状态。

7、因此需要提供一种精密分析仪器的分层故障诊断方法、系统及设备，来解决上述问题。

技术实现思路

1、本发明的目的是提供一种精密分析仪器的分层故障诊断方法、系统及设备，在同一诊断流程中组织物理机理、数据关联和先验知识，先判定传感参数能否参与部件状态推理，再依据异常触发条件选择局部敏感子图或完整异构动态图，并以物理可行域校准诊断结果，解决了背景技术中存在的问题。

2、为实现上述目的，本发明提供了一种精密分析仪器的分层故障诊断方法，包括以下步骤：

3、s1：采集精密分析仪器的参数及数据，进行时间对齐及滑动窗口分段；得到随滑动窗口更新的异构动态图；

4、s2：针对传感单元执行传感可信评估；

5、s3：从异构动态图中提取局部敏感子图，采用局部图神经网络对局部敏感子图进行推理，得到故障概率和预测不确定性，判断局部推理结果是否达到预设异常阈值；若未达到预设异常阈值，则不执行全图推理，并将局部故障概率和局部预测不确定性作为当前滑动窗口的推理结果；若达到预设异常阈值，切换至全图推理模式，采用区分不同边类型的异构图神经网络对异构动态图进行全图推理，得到全图故障概率和全图预测不确定性，并将全图故障概率和全图预测不确定性作为当前滑动窗口的推理结果；

6、s4：基于物理可行域约束进行可信故障判定，将s3中当前滑动窗口输出的故障概率、预测不确定性、传感可信度和物理可行域进行一致性校准；当s3未触发全图推理时，故障概率和预测不确定性为局部推理得到的局部故障概率和局部预测不确定性；当s3触发全图推理时，故障概率和预测不确定性为全图推理得到的全图故障概率和全图预测不确定性；若校验一致，输出当前滑动窗口的故障判定结果为诊断结果；

7、s5：若校验不一致，标记为潜在新故障模式或待复核样本，进入远程复核或专家分析流程；

8、s6：针对潜在新故障模式或待复核样本，采用受物理可行域约束的协方差相关扰动进行小样本增强，增强后重新计算数据统计边，并删除不满足故障规则、工况一致性或时序连续性的样本后，返回s3。

9、优选的，s1中参数包括部件状态参数和运行工况参数，数据包括控制事件数据和输出响应数据，按照设备实例和运行工况进行时间对齐及滑动窗口分段；在每个滑动窗口内计算窗口统计特征，形成传感特征节点；

10、对第个连续型部件参数在设备实例、运行工况参数下的采样值按进行稳健归一化；

11、其中，为历史正常运行数据的中位数，为中位绝对偏差，为不小于对应传感器分辨率的正数；每个滑动窗口包含个采样点，窗口步长为个采样点，窗口统计特征包括窗口中位数、窗口中位绝对偏差、归一化变化斜率、越限比例和缺失比例；

12、以功能部件和传感单元为物理部件节点，以故障模式和维护规则为先验知识节点，建立物理耦合边、数据统计边和知识规则边，得到随滑动窗口更新的异构动态图；

13、物理耦合边的权重表示为：；

14、其中，为关联强度，为运行工况修正系数；

15、数据统计边的权重表示为：

16、；

17、其中，为第i个连续型参数对应的标准化特征序列与第j个连续型参数对应的标准化特征序列在最优时延处的相关系数，为最大搜索时延，为共同变化一致性，clip[·,0,1]表示将数值截断至0至1；

18、知识规则边的权重表示为：；

19、其中，为规则初始置信度，和分别为经确认的命中次数和失配次数。

20、优选的，s2中将由窗口中位数、窗口中位绝对偏差、归一化变化斜率、越限比例和缺失比例组成的五维节点属性输入局部图神经网络，输出正常状态概率及依次对应传感参数的偏置、漂移、缺失、尖峰、卡滞和精度退化的传感器故障状态概率，并根据正常状态概率确定传感可信度；

21、当传感可信度不低于0.80时，将对应传感参数确定为原始可信参数；当传感可信度低于0.80、输出状态为可校正的偏置故障或漂移故障，校正后的关联估计残差不超过正常残差的3倍稳健尺度时，将校正后的传感参数确定为校正可信参数；当传感可信度低于0.80且不满足校正条件时，将对应传感参数确定为无效参数，对无效参数设置缺失掩码，阻止无效参数作为对应物理部件退化的唯一判定依据。

22、优选的，s3中以先验知识节点为种子节点，根据边权和节点贡献度从异构动态图提取局部敏感子图；调用与当前工况或目标故障类型对应的局部敏感子图，采用轻量化模型进行特征聚合，输出故障概率和不确定性估计；

23、当故障概率、预测不确定性、节点偏离度或数据统计边变化量中的任一项达到对应触发阈值时，采用区分不同边类型的异构图神经网络对异构动态图进行全图推理。

24、优选的，保留边权不低于0.35的一跳和二跳邻接节点；当节点数量超过32时，按照节点偏离度、种子节点至候选节点的路径边权乘积和历史规则命中率计算节点贡献度，按节点贡献度降序裁剪；

25、传感器局部图神经网络依次将窗口统计特征形成的节点属性向量映射为16维和8维隐状态，读取种子传感器节点的第二层隐状态进行分类；

26、部件状态局部图神经网络采用图级平均池化和分类层输出故障概率。

27、优选的，若局部敏感子图输出的故障概率不低于0.40、预测不确定性达到不确定性触发阈值、传感特征节点的绝对偏离度不低于3，或任一数据统计边相对前一滑动窗口的权重变化量不低于0.20时，切换至全图推理；

28、不确定性触发阈值取正常验证集预测不确定性的95%分位数与0.15中的较大值；异构图神经网络针对物理耦合边、数据统计边和知识规则边分别执行邻接传播，将不同边类型的传播结果拼接后进行特征变换和图级池化。

29、优选的，s3中轻量化模型的训练阶段与在线推理阶段分开执行，训练集按设备实例和连续运行片段划分，每个连续运行片段按时间顺序形成训练段、验证段和测试段，同一滑动窗口不跨越不同数据集合；分别训练传感器局部图神经网络、部件状态局部图神经网络和用于全图推理的关系类型感知异构图神经网络，保存模型权重、节点顺序、类别顺序、关系矩阵、正常运行域版本和模型摘要。

30、优选的，在线推理阶段调用冻结的模型权重，同一故障模式获得不少于3个经维修记录或人工复核确认的样本，样本来自至少两个独立运行片段后，启动独立的模型更新和验证流程。

31、一种精密分析仪器的分层故障诊断系统，包括数据处理模块、异构动态图构建模块、传感可信评估模块、分层推理模块、可信判定模块、模型版本管理模块、知识迭代模块和交互输出模块；

32、数据处理模块的输出连接至异构动态图构建模块；异构动态图构建模块的输出连接至传感可信评估模块和分层推理模块；传感可信评估模块将原始可信参数、校正可信参数或无效参数发送至分层推理模块；分层推理模块的输出连接至可信判定模块；可信判定模块将明确故障样本和边界态低置信样本发送至知识迭代模块；模型版本管理模块向异构动态图构建模块、传感可信评估模块、分层推理模块和可信判定模块提供一致的配置版本；知识迭代模块仅在独立验证通过后更新对应版本，交互输出模块接收可信判定结果及诊断证据，用于实现一种精密分析仪器的分层故障诊断方法的步骤。

33、一种电子设备，包括存储器和处理器，存储器中存储有计算机程序，处理器执行计算机程序时实现一种精密分析仪器的分层故障诊断方法的步骤。

34、因此，本发明采用上述的一种精密分析仪器的分层故障诊断方法、系统及设备，有益技术效果如下：

35、（1）本发明构建的异构动态图同时包含物理部件节点、传感特征节点和先验知识节点，并以物理耦合边、数据统计边和知识规则边记录不同信息源之间的关联，使复杂仪器的运行数据、物理结构和故障知识能够以统一结构参与推理。

36、（2）本发明引入分层切换机制，正常状态下只计算局部敏感子图，减少参与推理的节点和边数量；异常出现后再调用完整异构动态图，补充跨部件、跨特征和知识规则关联信息，适用于嵌入式和边缘计算等资源受限的在线诊断场景。

37、（3）本发明中将物理可行域约束与概率-不确定性双阈值判定共同作用于模型输出，将样本划分为明确故障、边界态低置信和正常三类，降低物理上不可行的异常模式造成误判的可能。

38、（4）本发明中将故障证据链、机理一致性校验、小样本增强和知识库增量更新形成复核后的写回流程，使诊断模型和知识库能够随设备服役过程中出现的新退化状态、新故障模式和工况分布变化进行更新。

39、（5）本发明将传感可信评估位于部件状态诊断之前，传感器异常时采用校正值或无效标记，并把校正不确定性传递至部件诊断，可减少把测量链路故障解释为被测部件退化的情况。