一种制冷循环器的故障预测方法及系统与流程

本发明涉及数据处理领域，尤其涉及一种制冷循环器的故障预测方法及系统。

背景技术：

1、在现代工业和商业领域中，制冷循环器作为关键设备，广泛应用于冷链物流、食品加工、化工生产等多个行业。制冷循环器的正常运行对于保证产品质量和生产效率至关重要。然而，由于制冷循环器结构复杂、运行环境多变，其故障发生频率较高，往往会导致生产中断和经济损失。因此，如何实现对制冷循环器的故障预测和预防性维护，成为当前研究和应用的热点问题。

2、传统的制冷循环器维护方法主要依赖于定期检查和被动维护，这种方式不仅维护成本高，而且无法及时发现潜在故障，容易导致设备突然停机，影响正常生产。随着传感器技术、数据分析技术和人工智能技术的发展，基于数据驱动的故障预测和维护方法逐渐成为研究的重点。这种方法通过实时采集设备运行数据，结合数据分析和机器学习技术，可以在故障发生前提前预警，从而实现预测性维护，降低维护成本，提高设备的运行可靠性。

3、但上述技术至少存在如下技术问题：在制冷循环器的故障预测实现过程中，对数据处理的准确性较差，预测效率较低以及预测结果不准确。

技术实现思路

1、本发明提供一种制冷循环器的故障预测方法及系统，以解决现有技术在制冷循环器的故障预测实现过程中，对数据处理的准确性较差，预测效率较低以及预测结果不准确的问题。本发明的一种制冷循环器的故障预测方法及系统，具体包括以下技术方案：

2、一种制冷循环器的故障预测方法，包括以下步骤：

3、s1、采集制冷循环器的实时运行数据，对实时运行数据进行预处理后再使用智能增强处理算法进行智能化处理；在智能增强处理算法实现中，在保留预处理后的实时运行数据特征的前提下，通过引入正弦波调制，添加复合噪声，得到增强后的实时运行数据；对增强后的实时运行数据进行偏移变换，通过引入余弦波调制，得到偏移后的实时运行数据；对偏移后的实时运行数据进行旋转变换，得到旋转后的实时运行数据；对旋转后的实时运行数据进行扩展，生成新的数据样本，得到扩展后的实时运行数据；对扩展后的实时运行数据进行特征分析，得到实时数据特征，并将实时数据特征存储在历史数据特征库中；

4、s2、基于历史数据特征库中的历史数据特征进行训练和优化，得到优化故障预测模型；在故障预测过程中，引入鲁棒特征滤波算法；将实时数据特征经过优化故障预测模型处理，得到故障预测结果；基于故障预测结果生成维护建议，根据维护建议和故障预测结果生成预警信息，并将预警信息通知给维护人员，实施预测性维护。

5、优选的，所述s1，具体包括：

6、在智能增强处理算法的实现过程中，生成增强后的实时运行数据的具体实现公式如下：

7、，

8、其中，是增强后的实时运行数据；是预处理后的实时运行数据；是噪声样本数量；是第个噪声样本的标准差；是均值为0，标准差为1的正态分布，用于生成随机噪声；用于防止对数计算中的零值问题；是正弦波调制。

9、优选的，在所述s1中，还包括：

10、在智能增强处理算法的实现过程中，对增强后的实时运行数据进行偏移变换的具体实现过程如下：

11、，

12、其中，是偏移后的实时运行数据；偏移向量；是增强后的实时运行数据的数量；表示第个增强后的实时运行数据；是余弦波调制。

13、优选的，在所述s1中，还包括：

14、在智能增强处理算法的实现过程中，对偏移后的实时运行数据进行旋转变换的具体公式如下：

15、，

16、其中，是旋转变换后的实时运行数据；为旋转矩阵；为旋转角度。

17、优选的，在所述s1中，还包括：

18、在智能增强处理算法的实现过程中，对旋转后的实时运行数据进行扩展的具体实现过程如下：

19、，

20、其中，是扩展后的实时运行数据；是第个旋转后的实时运行数据；是对旋转后的实时运行数据进行扩展的样本数量； t是转置；是第个旋转后的实时运行数据的标准差；是单位矩阵；是自然常数，用于指数变换；是第个旋转后的实时运行数据加上单位矩阵后的l2范数；是余弦波调制。

21、优选的，所述s2，具体包括：

22、将历史数据特征库中的历史数据特征，分为训练集和验证集，采用多层神经网络模型进行训练，对训练集进行归一化处理，再进行特征衍生，将衍生后的特征与归一化处理后的训练集进行合并，得到融合后的综合特征集，将综合特征集经过输入层、多层隐藏层、输出层进行处理，得到故障预测模型；利用验证集对故障预测模型进行模型性能评估。

23、优选的，在所述s2中，还包括：

24、引入鲁棒特征滤波算法，对融合后的综合特征集进行鲁棒性计算和噪声过滤；具体实现过程如下：

25、计算综合特征集中每个特征的鲁棒性：

26、，

27、其中，表示综合特征集；表示综合特征集的均值向量；表示综合特征集的标准差向量；表示特征鲁棒性矩阵；

28、对综合特征集中的每个特征进行过滤，去除噪声特征：

29、，

30、其中，表示过滤后的综合特征集；表示hadamard乘积；

31、将过滤后的综合特征集进行故障预测模型训练，得到优化故障预测模型。

32、一种制冷循环器的故障预测系统，应用于一种制冷循环器的故障预测方法，包括以下部分：

33、数据采集模块、数据智能处理模块、数据分析与存储模块、故障预测模型模块、维护决策支持模块、预警通知模块；

34、数据采集模块，采集制冷循环器的实时运行数据，并将实时运行数据发送至数据智能处理模块；

35、数据智能处理模块，对实时运行数据进行预处理后再进行智能化处理，并将智能化处理后的数据发送至数据分析与存储模块；

36、数据分析与存储模块，对智能化处理后的数据进行特征分析，得到实时数据特征，将所述实时数据特征存储在历史数据特征库中，并发送至故障预测模型模块；

37、故障预测模型模块，基于历史数据特征库中的历史数据特征进行训练和优化，得到优化故障预测模型，将实时数据特征经过优化故障预测模型处理，得到故障预测结果，将故障预测结果发送至维护决策支持模块和预警通知模块；

38、维护决策支持模块，基于故障预测结果生成维护建议，将维护建议发送至预警通知模块；

39、预警通知模块，基于故障预测结果和维护建议生成预警信息，将预警信息通知给维护人员，实施预测性维护。

40、本发明的技术方案的有益效果是：

41、1、通过智能增强处理算法，对预处理后的实时运行数据添加少量复合噪声进行增强，对增强后的实时运行数据进行偏移变换，对偏移后的实时运行数据进行旋转变换，对旋转后的实时运行数据进行扩展，提高实时运行数据的质量和多样性，以在训练时能够更好地泛化，同时保持实时运行数据的基本趋势和基本模式；通过扩展旋转后的实时运行数据，保持实时运行数据的基本结构和特征。

42、2、基于历史数据特征库中的数据，通过多层神经网络模型进行训练和优化，能够精准预测故障，并生成维护建议和预警信息，及时通知维护人员实施预测性维护；将训练集数据分割成多个小批次，并行处理以提高故障预测模型训练效率，引入并行计算框架，实现大规模数据的快速处理，大幅度缩短故障预测模型训练时间；并行计算的使用使得故障预测系统能够在处理大数据时保持高效，满足实时预测的需求；引入鲁棒特征滤波算法，有效衡量每个特征的鲁棒性，对综合特征集进行鲁棒性计算和噪声过滤，去除噪声特征，确保输入故障预测模型的数据质量，解决预测过程中的数据噪声问题，提高故障预测模型的准确性。

技术特征：

1.一种制冷循环器的故障预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种制冷循环器的故障预测方法，其特征在于，所述s1，具体包括：

3.根据权利要求2所述的一种制冷循环器的故障预测方法，其特征在于，在所述s1中，还包括：

4.根据权利要求3所述的一种制冷循环器的故障预测方法，其特征在于，在所述s1中，还包括：

5.根据权利要求4所述的一种制冷循环器的故障预测方法，其特征在于，在所述s1中，还包括：

6.根据权利要求1所述的一种制冷循环器的故障预测方法，其特征在于，所述s2，具体包括：

7.根据权利要求6所述的一种制冷循环器的故障预测方法，其特征在于，在所述s2中，还包括：

8.一种制冷循环器的故障预测系统，应用于如权利要求1所述的一种制冷循环器的故障预测方法，其特征在于，包括以下部分：

技术总结
本发明涉及数据处理领域，尤其涉及一种制冷循环器的故障预测方法及系统。内容包括：采集制冷循环器的实时运行数据，对实时运行数据进行预处理后再进行智能化处理，对智能化处理后的数据进行特征分析，得到实时数据特征，并将实时数据特征存储在历史数据特征库中；基于历史数据特征库中的历史数据特征进行训练和优化，得到优化故障预测模型，将实时数据特征经过优化故障预测模型处理，得到故障预测结果；基于故障预测结果生成维护建议，根据维护建议与故障预测结果生成预警信息，将预警信息通知给维护人员实施预测性维护。解决了现有技术在制冷循环器的故障预测实现过程中，对数据处理的准确性较差，预测效率较低以及预测结果不准确的问题。

技术研发人员：李四祥,颜厥否,吴锡灶,陈敏
受保护的技术使用者：无锡冠亚恒温制冷技术有限公司
技术研发日：
技术公布日：2024/9/23