水質(zhì)監(jiān)控設(shè)備故障智能診斷方法與系統(tǒng)研究.pdf

1、水質(zhì)監(jiān)控設(shè)備是應用于集約化水產(chǎn)養(yǎng)殖過程中的先進物聯(lián)網(wǎng)系統(tǒng)設(shè)施，作為世界第一水產(chǎn)養(yǎng)殖大國、世界唯一水產(chǎn)養(yǎng)殖量遠遠超過捕撈量的國家，針對集約化水產(chǎn)養(yǎng)殖、工廠化水產(chǎn)養(yǎng)殖而展開的水產(chǎn)物聯(lián)網(wǎng)裝備相關(guān)的學術(shù)研究、技術(shù)積累，對我國實現(xiàn)水產(chǎn)物聯(lián)網(wǎng)、集約化水產(chǎn)養(yǎng)殖具有重要意義。為提高水產(chǎn)物聯(lián)網(wǎng)系統(tǒng)運行的穩(wěn)定性，針對水質(zhì)監(jiān)控設(shè)備故障，本文通過構(gòu)建貝葉斯診斷知識網(wǎng)絡(luò)、原因搜素算法、反饋算法，并設(shè)計實驗程序加以驗證，對水質(zhì)監(jiān)控設(shè)備故障的智能診斷方法進行研究，并

2、在此基礎(chǔ)上實現(xiàn)故障診斷系統(tǒng)、利用雙房室評估模型對該診斷系統(tǒng)的效果進行定量評估。
　　為實現(xiàn)對大量設(shè)備的故障信息處理，作者將癥狀的識別作為獨立于故障診斷的研究模塊。癥狀作為故障的表征，其實質(zhì)是數(shù)據(jù);故障作為設(shè)備異常的表現(xiàn)，其實質(zhì)是信息。癥狀的識別與故障的診斷都在診斷模型的框架內(nèi)進行。
　　以貝葉斯網(wǎng)絡(luò)為基礎(chǔ)，構(gòu)建診斷知識庫，支持率作為節(jié)點間的邏輯參數(shù)，是故障診斷過程中的邏輯基礎(chǔ)，貝葉斯網(wǎng)絡(luò)的易擴展性使得診斷模型對知識的學習與積

3、累性較強，同時可以通過修改節(jié)點間支持率優(yōu)化診斷過程。癥狀的識別分為簡單閾值識別、無確定閾值故障的識別，癥狀的識別基于結(jié)構(gòu)模式識別框架。設(shè)備采集的數(shù)據(jù)以十六進制的形式進行通訊，通過設(shè)計過濾器，可以快速分離具有簡單閾值的故障數(shù)據(jù)。對于復雜故障的表征數(shù)據(jù)，以支持向量機訓練數(shù)據(jù)樣本進行文法判斷，得出模式表達中的具體參數(shù)，然后對待識別的數(shù)據(jù)進行句法分析，實現(xiàn)故障信息的分離。在癥狀識別的基礎(chǔ)上，結(jié)合多元統(tǒng)計分析，設(shè)計RWS算法，以貝葉斯網(wǎng)絡(luò)路徑中蘊

4、含的支持率構(gòu)建多維度的正態(tài)分布，并以算法計算結(jié)果作為故障誘因的權(quán)重，權(quán)重最大的誘因作為首選診斷結(jié)果。反饋算法依據(jù)運維人員現(xiàn)場對設(shè)備故障的排除情況，對診斷結(jié)果與實際情況的偏差進行反饋，擴充診斷模型節(jié)點，實現(xiàn)對診斷結(jié)果的反饋。
　　在基于上述研究的基礎(chǔ)上，作者架構(gòu)故障診斷系統(tǒng)，并部署在水產(chǎn)物聯(lián)網(wǎng)運維平臺上。同時開發(fā)虛擬設(shè)備與服務(wù)器程序，進行了三個實驗，對診斷模型的準確性、平均耗時等屬性進行評估，診斷結(jié)果表明在對大量數(shù)據(jù)的診斷上能夠保持