一种基于群智能优化的改进机器学习故障诊断系统

1.本发明涉及机器故障诊断技术领域，具体为一种基于群智能优化的改进机器学习故障诊断系统。


背景技术：

2.机械装备监测数据目前进入“大数据”时代，监测数据具有如下特点：(1)大容量，数据容量之大仅依靠专家和专业人员手动分析不太现实，同时共享性差，需要建立庞大的数据库来共享；(2)低密度，设备在服役过程中，往往正常状态数据多，导致故障数据种类较少。故如何有效地挖掘机械大数据背后的潜在价值，成为大数据驱动下保障装备安全运行的前沿与研究热点。联邦学习作为一种分布式机器学习，可以在不建立数据库的情况下，进行数据共享，对于机械故障“大数据”进行故障诊断，具有很好的作用。近年来，电能在整个能源行业中的消耗比例逐年增长，保证电网的安全稳定运行是维持与促进经济发展的重要条件。变压器是电网中的重要装置，是实现电能变换、减少电能损耗的重要载体，及时发现其故障隐患、保证其安全运行可有效减少电网故障的发生概率。
3.随着数据挖掘技术和机器学习技术的发展，配电变压器智能故障诊断技术开始逐步得到研究应用。但是现有技术中的对配电变压器故障进行诊断时准确率比较低，不能及时的发现故障并排除故障，给人们供电带来了影响。


技术实现要素：

4.(一)解决的技术问题
5.针对现有技术的不足，本发明提供了一种基于群智能优化的改进机器学习故障诊断系统，具备及时发现故障并排除等优点，解决了对配电变压器故障进行诊断时准确率比较低的问题。
6.(二)技术方案
7.为实现上述及时发现故障并排除的目的，本发明提供如下技术方案：一种基于群智能优化的改进机器学习故障诊断系统，包括主控制器，所述主控制器的输出端电性连接有预处理单元，所述预处理单元的输出端电性连接有故障分析单元，所述故障分析单元的输出端电性连接有传感单元，所述主控制器的输出端电性连接有中央处理单元，所述中央处理单元内部电连接有信号处理单元，所述信号处理单元的输出端无线电连接有远程故障预警及智能维护中心，所述远程故障预警及智能维护中心的输出端通过无线网络连接有云服务器；
8.中央处理单元用于监测配电变压器设备的高频振动、内部温度、边缘计算网关内嵌机器学习算法，根据读取的物联网震动传感器、温度传感器和音量传感器特征值历史数据，了解配电变压器设备运行负载状态，结合传感器的特性，利用智能算法对数据进行分析，对不平衡、不对中、松动、线路老化等故障的预测，将特征值数据及初步分析结果上传至物联网数据云服务器；
9.故障采集单元用于采集故障数据，可采用以下两种方式：从结构化字段获取结构化数据；从非结构化提取特征信息来判断故障内容，故障采集单元与故障分析单元连接。
10.作为本发明的一种优选技术方案，所述主控制器用于获取和对设备信息监测，主控制器的内部设置有单片机芯片，单片机芯片采用型号为stm32f103rct6的芯片。
11.作为本发明的一种优选技术方案，所述预处理单元是将已采集的故障信息进行统一处理，包括：数据清理、数据集成、数据变换和数据归约，对各个数据信息进行采集及预处理。
12.作为本发明的一种优选技术方案，所述故障分析单元包括初步检测模块，用于对设备内部的电路及温度进行检测；故障分析模块，用于分析设备出现故障的原因和对故障的排查；故障确认模块，用于根据机器学习建立的关系图谱以及异常堆栈标注数据，诊断出故障原因。
13.作为本发明的一种优选技术方案，所述传感单元包括温度传感器、声音传感器和振动传感器，所述温度传感器、声音传感器和振动传感器均通过特征提取单元与传感单元电性连接。
14.作为本发明的一种优选技术方案，所述信号处理单元可通过无线通讯模块可采用gprs、3g、4g、wifi进行无线通讯和信息传输。
15.作为本发明的一种优选技术方案，所述云服务器的内部设置存储模块，所述存储模块用于存储记录设备损坏的次数和类型。
16.(三)有益效果
17.与现有技术相比，本发明提供了一种基于群智能优化的改进机器学习故障诊断系统，具备以下有益效果：
18.1、该基于群智能优化的改进机器学习故障诊断系统，通过传感单元中的温度传感器、声音传感器和振动传感器来检测设备内部的异常，然后经过预处理单元进行处理，若是有故障可以快速的进行反应，故障分析单元可以精准的检测到故障的原因，有利于后期的维修。
19.2、该基于群智能优化的改进机器学习故障诊断系统，通过中央处理单元利用智能算法对数据进行分析，对不平衡、不对中、松动、线路老化等故障的预测，将特征值数据及初步分析结果上传至物联网数据云服务器，有利于备份后期维修损坏数据，而且通过远程故障预警及智能维护中心可以快速的通知人们进行维修，避免影响电路里设备的供给。
附图说明
20.图1为本发明的系统框图。
具体实施方式
21.下面将结合本发明的实施例，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。
22.实施例：
23.包括主控制器，其特征在于，所述主控制器的输出端电性连接有预处理单元，所述主控制器用于获取和对设备信息监测，主控制器的内部设置有单片机芯片，单片机芯片采用型号为stm32f103rct6的芯片，所述预处理单元的输出端电性连接有故障分析单元，所述预处理单元是将已采集的故障信息进行统一处理，包括：数据清理、数据集成、数据变换和数据归约，对各个数据信息进行采集及预处理，所述故障分析单元的输出端电性连接有传感单元，所述传感单元包括温度传感器、声音传感器和振动传感器，所述温度传感器、声音传感器和振动传感器均通过特征提取单元与传感单元电性连接，所述故障分析单元包括初步检测模块，用于对设备内部的电路及温度进行检测；故障分析模块，用于分析设备出现故障的原因和对故障的排查；故障确认模块，用于根据机器学习建立的关系图谱以及异常堆栈标注数据，诊断出故障原因，所述主控制器的输出端电性连接有中央处理单元，所述中央处理单元内部电连接有信号处理单元，所述信号处理单元可通过无线通讯模块可采用gprs、3g、4g、wifi进行无线通讯和信息传输，所述信号处理单元的输出端无线电连接有远程故障预警及智能维护中心，所述远程故障预警及智能维护中心的输出端通过无线网络连接有云服务器，所述云服务器的内部设置存储模块，所述存储模块用于存储记录设备损坏的次数和类型；
24.中央处理单元用于监测配电变压器设备的高频振动、内部温度、边缘计算网关内嵌机器学习算法，根据读取的物联网震动传感器、温度传感器和音量传感器特征值历史数据，了解配电变压器设备运行负载状态，结合传感器的特性，利用智能算法对数据进行分析，对不平衡、不对中、松动、线路老化等故障的预测，将特征值数据及初步分析结果上传至物联网数据云服务器；
25.故障采集单元用于采集故障数据，可采用以下两种方式：从结构化字段获取结构化数据；从非结构化提取特征信息来判断故障内容，故障采集单元与故障分析单元连接。
26.本发明的原理及效果是：通过传感单元中的温度传感器、声音传感器和振动传感器来检测设备内部的异常，然后经过预处理单元进行处理，若是有故障可以快速的进行反应，故障分析单元可以精准的检测到故障的原因，有利于后期的维修；通过中央处理单元利用智能算法对数据进行分析，对不平衡、不对中、松动、线路老化等故障的预测，将特征值数据及初步分析结果上传至物联网数据云服务器，有利于备份后期维修损坏数据，而且通过远程故障预警及智能维护中心可以快速的通知人们进行维修，避免影响电路里设备的供给。
27.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。