基本信息:
- 专利标题： 一种机械故障诊断模型的参数自学习方法
- 申请号：CN202111526099.5 申请日：2021-12-14
- 公开(公告)号：CN116263879A 公开(公告)日：2023-06-16
- 发明人： 刘文才 , 苗海滨 , 章珉辉 , 任新广 , 杜煜
- 申请人： 中国石油天然气集团有限公司 , 中国石油集团安全环保技术研究院有限公司
- 申请人地址： 北京市东城区东直门北大街9号;
- 专利权人： 中国石油天然气集团有限公司,中国石油集团安全环保技术研究院有限公司
- 当前专利权人： 中国石油天然气集团有限公司,中国石油集团安全环保技术研究院有限公司
- 当前专利权人地址： 北京市东城区东直门北大街9号;
- 代理机构： 北京知联天下知识产权代理事务所
- 代理人： 史光伟
- 主分类号： G06N7/01
- IPC分类号： G06N7/01 ; G06N5/04 ; G06N20/00 ; G06F17/18
摘要：
本发明属于机械故障智能诊断技术领域，具体公开了一种机械故障诊断模型的参数自学习方法，统计往复压缩机的历史数据，根据往复压缩机的历史数据确定贝叶斯网络的各节点信息并建立贝叶斯网络模型结构，结合往复压缩机的历史数据和贝叶斯网络模型确定贝叶斯网络模型相关参数初始值，根据往复压缩机的历史数据，确定设备部件的失效曲线，据往复压缩机的历史数据和失效曲线，确定贝叶斯网络先验概率值，根据先验概率值，自学习贝叶斯网络条件概率值，实现参数自学习，根据参数自学习进行往复压缩机的故障诊断。本发明基于设备部件失效曲线提出了一种贝叶斯网络模型相关参数的自学习方法，适用于多种设备的故障诊断，具有实时性、准确率高等优点。
IPC结构图谱:
| G | 物理 |
| --G06 | 计算；推算；计数 |
| ----G06N | 基于特定计算模型的计算机系统 |
| ------G06N7/00 | 基于特定数学模式的计算机系统 |
| --------G06N7/01 | .概率图解模型，例如：概率网络 |