阅读说明：本技术 故障诊断装置和故障诊断系统 (Trouble-shooter and fault diagnosis system ) 是由 李胜国 刘瑶 陈涛涛 钱迪 陈飞 于 2019-09-27 设计创作，主要内容包括：本公开提供一种故障诊断装置,用于检测高压燃气调压器的故障,其特征在于,所述故障诊断装置包括：声发射传感器,其吸附在连接至所述高压燃气调压器的管道上,并用于采集所述高压燃气调压器的声发射信号；毕托管,其安装在所述管道上,用于采集所述管道中的流量数据；数据采集卡,用于接收所述声发射信号,并将所述声发射信号进行放大、滤波和模数转换,以得到声发射数据；现场数据记录仪,用于定时采集所述流量数据；移动式数据存储器,用于从所述现场数据记录仪和所述数据采集卡分别获取并存储所述声发射数据和所述流量数据；数据处理和故障诊断主机,用于根据所述声发射数据、所述流量数据和压力的组合来判断所述高压燃气调压器的故障。(The disclosure provides a kind of trouble-shooter, for detecting the failure of high-pressure gas pressure regulator, it is characterized in that, the trouble-shooter includes: acoustic emission sensor, it is adsorbed on the pipeline for being connected to the high-pressure gas pressure regulator, and the acoustic emission signal for acquiring the high-pressure gas pressure regulator；Pitot tube is mounted on the pipeline, for acquiring the data on flows in the pipeline；Data collecting card for receiving the acoustic emission signal, and the acoustic emission signal is amplified, is filtered and analog-to-digital conversion, to obtain sound emission data；Data recording field instrument, for data on flows described in timing acquiring；Movable data memory, for being obtained respectively from the data recording field instrument and the data collecting card and storing the sound emission data and the data on flows；Data processing and fault diagnosis host, for judging the failure of the high-pressure gas pressure regulator according to the combination of the sound emission data, the data on flows and pressure.)

故障诊断装置和故障诊断系统

技术领域

本申请涉及燃气故障诊断技术领域，更具体地，涉及一种高压燃气调压器的故障诊断装置和故障诊断系统。

背景技术

高压燃气调压器在实际使用中会出现故障，表现为其进出口的气体压强的变化。为了保证高压燃气调压器的运行安全，就需要对高压燃气调压器产生的数据实时采集，定期处理。

近年来，声发射技术因其高灵敏度和高辨识率已广泛用于管道或阀门泄露等的中低压安全监测当中。高压燃气调压器发生小的故障时进、出口气体压强变化不大，但是诸如裂纹、气体泄露等故障在运行当中会产生异常明显的声发射信号，而异常信号的频谱范围广阔，约束着声发射检测技术在高压调压器检测当中的应用。

因此，需要一种能够提高故障诊断的准确率的装置。

发明内容

一方面，本公开提供一种故障诊断装置，用于检测高压燃气调压器的故障，其特征在于，所述故障诊断装置包括：

声发射传感器，其吸附在连接至所述高压燃气调压器的管道上，并用于采集所述高压燃气调压器的声发射信号；

毕托管，其安装在所述管道上，用于采集所述管道中的流量数据；

数据采集卡，用于接收所述声发射信号，并将所述声发射信号进行放大、滤波和模数转换，以得到声发射数据；

数据处理和故障诊断主机，用于根据所述声发射数据、所述流量数据和所述高压燃气调压器显示的压力数据的组合来判断所述高压燃气调压器的故障。

根据本公开的实施例，所述数据处理和故障诊断主机按照特定的数据处理算法，将所述声发射数据进行特征提取并与所述流量数据、所述压力数据合并成组合特征，并且根据所述组合特征来判断所述高压燃气调压器的故障。

根据本公开的实施例，所述数据处理和故障诊断主机还被构造为利用小波包变换算法来提取小波包系数的能量进行所述特征提取。

根据本公开的实施例，对所述声发射数据进行4层小波包变换，并且计算第4层分量的小波包系数的能量，作为声发射特征。

根据本公开的实施例，所述数据处理和故障诊断主机还被构造为根据所述组合特征训练神经网络，以得到训练模型，所述训练模型的输入为所述组合特征，输出为故障诊断结果，其中，所述训练模型通过以下处理获得：

将所述组合特征作为输入，获取卷积神经网络的输出；

根据所述卷积神经网络的输出与所述组合特征对应的标注结果，计算所述卷积神经网络的损失函数；

根据所述损失函数调整所述卷积神经网络的参数，直至损失函数收敛，得到所述训练模型。

本公开还提供一种故障诊断系统，其特征在于，包括：

高压燃气调压器，其设置在高压燃气管道之间，用于检测所述高压燃气管道的压力；

声发射传感器，其吸附在所述高压燃气管道上，并用于采集所述高压燃气调压器的声发射信号；

毕托管，其安装在所述高压燃气管道上，用于采集所述高压燃气管道中的流量数据；

数据采集卡，用于接收所述声发射信号，并将所述声发射信号进行放大、滤波和模数转换，以得到声发射数据；

数据处理和故障诊断主机，用于根据所述声发射数据、所述流量数据和所述高压燃气调压器检测的压力数据的组合来判断所述高压燃气调压器的故障。

附图说明

通过参照附图详细描述示例性实施例，特征对于本领域普通技术人员将变得显而易见，其中：

图1为根据本公开的实施例的基于流量、声发射和压力的高压燃气调压器故障诊断装置结构。

具体实施方式

现在将参照在附图中示出的示例实施例，其中，相同的标号始终表示相同的部件。

图1为根据本公开的实施例的基于流量和声发射的高压燃气调压器故障诊断装置结构。

根据本公开的实施例的故障诊断装置是基于流量和声发射的故障诊断装置，用于检测高压燃气调压器的故障。在实施例中，故障诊断装置包括声发射传感器5、毕托管3、数据采集卡6、现场数据记录仪4、数据处理和故障诊断主机8。

在实施例中，高压燃气调压器2设置在高压燃气管道1之间，用于检测高压燃气管道的压力。声发射传感器5可以吸附在高压燃气调压器2上，用于采集高压燃气调压器的声发射信号，并将检测到的声发射信号传输到数据采集卡6。例如，声发射传感器的频率响应范围为0.1Hz至15kHz。数据采集卡中可以设置有模数转换器，以将模拟的声发射信号转换为数字信号。在将模拟的声发射信号进行模数转换之前，该模拟的声发射信号可以被放大和滤波，以提高声发射信号的信噪比。模数转换器的分辨率为24bit，采样率为128K/s。毕托管3安装在高压燃气调压器2一侧的高压燃气管道1上，用于采集高压燃气管道的流量数据，并将采集到的流量数据定时传送至现场数据记录仪4。毕托管是一种流量计，在安装时只需在管道合适的位置上打一个相当的孔，并将其探针***管道中心，即可方便地进行安装。毕托管的测量范围广，流量在0.2t/h～50000t/h都可以精确测量。对低流速、小流量、大管径测量效果尤佳。

在实施例中，现场数据记录仪4和数据采集卡6中还设置有存储器，用于分别存储声发射信号和流量数据。

在实施例中，故障诊断装置还可以包括，移动式数据存储器7，用于从现场数据记录仪4和数据采集卡6中获取数据，并存储用于进一步处理。移动式数据存储器7可以将数据复制到数据处理和故障诊断主机8。

根据本公开的实施例，虽然图中未示出，但是燃气调压器可以将其检测到的燃气管道的压力数据提供给数据处理和故障诊断主机8。

数据处理和故障诊断主机8按照特定的数据处理算法，将声发射信号提取特征后与流量、压力数据合并组成组合特征。

根据本公开的实施例，数据处理和故障诊断主机8还被构造为根据所述组合特征训练神经网络，以得到训练模型，所述训练模型的输入为所述组合特征，输出为故障类型，其中，所述训练模型通过以下处理获得：

将所述组合特征作为输入，获取卷积神经网络的输出；

根据所述卷积神经网络的输出与所述组合特征对应的标注结果，计算所述卷积神经网络的损失函数；

根据所述损失函数调整所述卷积神经网络的参数，直至损失函数收敛，得到所述训练模型。

可以理解的是，声发射可以定义为物理现象，通过物体或材料内的能量的快速释放产生瞬时弹性波，材料的形变或破裂是因为受内力或外力而以弹性波的形式释放应变能。声发射技术是一种基于声发射现象的动态无损检测方法，用于判断结构的内部损伤程度，非常适合长期实时设备故障检测。因此，本步骤通过获取燃气调压器的声发射信号来进行对燃气调压器的故障检测。

根据本公开的实施例，数据处理和故障诊断主机8可以对所述声发射信号进行小波包变换，并提取小波包系数的能量作为声发射特征。

其中，小波包算法是从小波分析中延伸出来的一种对信号进行更加细致的分析与重构的方法，它能够对小波分析不能细分的高频部分进行进一步分解。与小波变换相比，小波包变换具有更高的分辨率，可以聚焦到分析对象的任意细节，提取更多的反映信号特征的信息，因此被广泛用于故障诊断领域。

具体地，对声发射信号进行小波包变换来提取小波包系数的能量作为声发射特征时，可以采用以下方式：对声发射信号进行4层小波包变换；计算第4层分量的小波包系数的能量作为声发射特征。若本步骤对声发射信号进行4层小波包变换，则第4层分量的小波包系数的能量可以是8维能量特征。

根据本公开的实施例，可以将8维能量特征与压力、流量合并组成10维特征。

根据本公开的实施例，可以合并燃气调压器的压力特征(即，压力数据)、流量特征(即，流量数据)以及声发射特征，从而得到燃气调压器的组合特征。可以理解的是，本步骤可以通过调取燃气传输管道的出口压力历史数据、出口流量历史数据，来获取位于燃气传输管道上的燃气调压器的压力特征以及流量特征。

因此，由于组合特征维数较多，富含更加丰富的信息，组合特征能更加准确地反映燃气调压器的实际状况，从而实现更加准确地检测燃气调压器是否发生故障的目的。

根据本公开的实施例，组合特征训练卷积神经网络，从而得到燃气调压器故障训练模型。

其中，卷积神经网络为5层，包括输入层、卷积层、池化层、全连接层以及输出层。其中，卷积神经网络的输入层用于获取输入至卷积神经网络的输入，卷积层用于对所输入的数据进行特征提取，池化层用于对所提取的特征进行局部采样，全连接层则对采样结果进行映射，输出层将映射结果进行输出。例如，可以将10维特征(包括压力特征、流量特征以及8维的声发射特征)输入至5层卷积神经网络中来训练网络以对故障进行判别。

具体地，本步骤在根据组合特征训练卷积神经网络时，可以采用以下方式：将组合特征作为输入，获取卷积神经网络的输出；根据卷积神经网络的输出与组合特征对应的标注结果，计算卷积神经网络的损失函数；根据计算得到的损失函数调整卷积神经网络的参数，直至损失函数收敛，训练得到燃气调压器故障训练模型。

也就是说，本步骤训练卷积神经网络的目标为使得卷积神经网络的损失函数收敛。其中，损失函数收敛可以为损失函数达到预设阈值，也可以为本次损失函数与前次损失函数之间的差值小于预设阈值的次数超过预设次数，等等。

其中，组合特征对应的标注结果可以为，若燃气调压器出现故障，则对应的标注结果为0，若燃气调压器未出现故障，则对应的标注结果为1。因此，通过上述过程训练得到的训练模型，便能够根据所输入的组合特征输出相应的数值，进而根据所输出的数值即可实现准确判断燃气调压器是否出现故障的目的。

举例来说，若燃气调压器故障训练模型的输出结果越接近0，表示燃气调压器出现故障的概率越大，若燃气调压器故障训练模型的输出结果越接近1表示正常的概率就越大。

因此，在根据燃气调压器故障训练模型来判断燃气调压器是否出现故障时，可以采用以下方式：获取燃气调压器的输出结果；将所获取的输出结果与预设阈值进行比较，若超过预设阈值，则确定燃气调压器未出现故障，否则确定燃气调压器出现故障。

举例来说，若预设阈值为0.3，当若燃气调压器故障训练模型的输出结果为0.4时，表明燃气调压器正常，若燃气调压器故障训练模型的输出结果为0.2，则表面燃气调压器出现故障。

因此，本发明通过合并燃气调压器的流量、压力以及声发射特征所得到的组合特征，来训练得到燃气调压器故障训练模型，使得训练得到的燃气调压器故障训练模型能够根据更为丰富的信息进行故障检测，从而有效解决使用单一特征检测所导致的检测错误的问题，从而提高故障检测的准确率。

该故障诊断装置能够覆盖调压器故障可能产生的所有声发射信号的频率范围，可以实现对高压燃气调压器的安全数据进行实时采集并处理，自动诊断故障的技术功能。

虽然已经参见本发明构思的实施例具体示出和描述了本发明构思，但是应当理解，在不脱离本公开的精神和范围的情况下，可以在形式和细节上进行各种改变。