本发明涉及计算机和废水处理技术领域，具体为一种基于贝叶斯网络废水处理装备群故障诊断方法。
背景技术：
对于废水处理过程而言，工业废水处理工程的建设主要是解决排水系统污水随意排放的问题，改善和治理污水对当地生态的严重污染问题，工业系统的排水质量对于人们的生活环境，社会的可持续发展，都有着至关重要的影响。
目前，基于概率推理的贝叶斯网络(bayesiannet-work)是近几年发展起来的、为解决不确定性、不完整性问题而提出的一种技术，它对于解决复杂设备不确定性和互连性引起的故障有很大的优势，作为一种对概率关系有向图解的描述方法，结合了先验信息，使用概率的相关理论解决在描述由于系统不同信号以及信号关联而产生的不确定性问题，通过贝叶斯定理计算出后验概率，可以应用于依赖多种控制因素的决策，目前贝叶斯网络已经开始用于故障诊断领域。
仅仅通过简单的实时监测废水水质的含量，还需要去进行水质含量对比，从而对发生故障的设备进行诊断猜测，非常麻烦，且操作起来非常不方便，将贝叶斯网络应用于废水处理目前还尚未尝试。
技术实现要素：
本发明的目的在于提供一种基于贝叶斯网络废水处理装备群故障诊断方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种基于贝叶斯网络废水处理装备群故障诊断方法，包括以下步骤：
s1、筛选装备群：筛选出废水处理装备群中的易出故障的装备，找出故障装备的废水内杂质故障特征，建立基于贝叶斯网络的废水处理装备群故障诊断模型；
装备出现故障后，该装备对废水的处理过程失效，废水中对应的污染物不会被处理掉，此时的废水内杂质含量即为废水内杂质故障特征；
s2、输入贝叶斯网络：将废水处理装备群中的所有装备以及易出故障设备的废水内杂质故障特征，全部输入进入上述故障诊断模型中；
s3、贝叶斯网络算法学习：通过贝叶斯网络算法，实现贝叶斯网络参数的训练和学习；
s4、故障诊断：应用训练学习完备的贝叶斯网络，通过废水内杂质故障特征的实时状态，对故障的发生节点进行推断，找出废水处理装备群中发生故障的装备；
s5、诊断逆向反馈：找出废水处理装备群的故障装备后，将故障装备的故障特征逆向输入进贝叶斯网络中，如果符合训练和学习的贝叶斯网络参数，即准确找出了装备群故障装备。
优选的，当废水内杂质故障特征高于极限值时，即可直接诊断出故障装备；
当废水内杂质故障特征处于标准值和极限值之间时，即可间接预测出故障设备。
优选的，在fullbnt-1.04平台上运用matlab辅助工具初步建立电梯系统故障诊断的贝叶斯网络算法模型图。
优选的，故障设备与故障装备的废水内杂质故障特征相关联。
与现有技术相比，本发明的有益效果是：
本发明通过将贝叶斯网络应用于废水处理领域之中，通过实时得到的废水内杂质故障特征的状态，对故障发生的节点进行诊断，从而反向找出发生故障的废水处理设备群中的故障设备，实用性很强，非常值得推广。
附图说明
图1为本发明的诊断方法流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，本发明提供一种技术方案：
一种基于贝叶斯网络废水处理装备群故障诊断方法，包括以下步骤：
s1、筛选装备群：筛选出废水处理装备群中的易出故障的装备，设备群一般包括多组废水处理设备，废水处理过程中，废水中污染物的种类和含量大小是决定采用那种处理工艺的关键指标，按照存在的形态，废水中的污染物可分为漂浮物、悬浮固体、胶体、低分子有机物、无机离子、溶解性气体、微生物等，按照危害特征，废水中的污染物可以分为漂浮物、悬浮固体、石油类、耗氧有机物、难降解有机物、植物营养物质、重金属、酸碱、放射性污染物、病原体、热污染等，找出故障装备的废水内杂质故障特征，装备出现故障后，该装备对废水的处理过程失效，废水中对应的污染物不会被处理掉，此时的废水内杂质含量即为废水内杂质故障特征，当装备群里的某一个装备发生故障时，例如金属锂的处理设备，当其发生故障时，废水中对应的锂元素的含量并没有被处理掉，此时废水中锂元素含量过高，即是废水内杂质的一个故障特征，故障设备与故障装备的废水内杂质故障特征相关联，并且通过该故障特征，得到与之故障特征相关联的故障设备，即锂杂质的处理设备，然后建立基于贝叶斯网络的废水处理装备群故障诊断模型。
s2、输入贝叶斯网络：将废水处理装备群中的所有装备以及易出故障设备的废水内杂质故障特征，全部输入进入上述故障诊断模型中；
s3、贝叶斯网络算法学习：在fullbnt-1.04平台上运用matlab辅助工具初步建立电梯系统故障诊断的贝叶斯网络算法模型图，通过贝叶斯网络算法，实现贝叶斯网络参数的训练和学习；
s4、故障诊断：应用训练学习完备的贝叶斯网络，通过废水内杂质故障特征的实时状态，对故障的发生节点进行推断，找出废水处理装备群中发生故障的装备；
s5、诊断逆向反馈：找出废水处理装备群的故障装备后，将故障装备的故障特征逆向输入进贝叶斯网络中，如果符合训练和学习的贝叶斯网络参数，即准确找出了装备群故障装备。
当废水内杂质故障特征高于极限值时，即可直接诊断出故障装备，当锂元素被设备群处理后，锂杂质的含量高于正常设备群处理后的含量极限值，那么可以肯定的得出该锂元素处理设备发生了故障；
当废水内杂质故障特征处于标准值和极限值之间时，即可间接预测出故障设备，当锂元素被设备群处理后，锂杂质的含量处于正常设备群处理后的标准值和极限值之间，即可提前推断预测出发生故障的设备为锂元素处理设备，提早的对可能发生故障的设备进行维修处理，提前规避掉废水处理不合格的风险。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。