发明内容

本发明的目的是为了解决现有技术的不足，提供了一种准确全面的泵站故障树建立方法来帮助泵站运维人员更好的分辨处理表现形式类似的泵站故障，避免由于故障判断错误而引发的事故，具体为基于混沌算法的泵站故障树建立方法。

本发明的目的是通过以下技术方案实现的，一种基于混沌算法的泵站故障树建立方法，其特征是，包括以下步骤：

(1)选取一个顶事件；

(2)将顶事件逐渐分解为底事件，建立基本故障树；

(3)基本故障树建立后选取故障原因不同但表现类似的难以判别的故障，并且该故障的故障信息具有混沌特性；

(4)相空间重构要确定时间延迟τ和嵌入维数m，计算时间延迟；。

(5)嵌入维数的意义是选择合适的维数，使看似无序的时间序列规律容易被看见，嵌入维数的选择非常重要，嵌入维数过低，复杂的信息不能在相应的最佳维度展开，可能导致相空间重构的失败；

(6)选择好时间延迟τ和嵌入维数m后进行相空间重构，之后需要进而求取关联维数；对于嵌入维数m,时间延迟τ,重构的相空间向量X_i的关联积分定义为:

式中，h为Heaviside函数；X_i-X_j是两相点X_i和X_j的距离；C(r)表示相空间中两点之间距离小于r的概率；N为自然数集；In C(r)和In r的斜率对应关联系数；D为关联维数；通过线性拟合方法可得关联维数；

(7)通过分析归类得出不同故障类别的关联维数的关系，将其嵌入到故障树中细化完善故障树。

步骤(1)中，选出想要分析的某一个影响最大的故障事件作为顶事件，影响最大的故障事件包括泵站停止运行。

步骤(2)中，将故障可能原因逐级分解为中间事件，直至底事件。

步骤(3)中，某些因为不同原因可能引起的相同故障通过混沌理论进行分析细化，如电器故障中的电机故障，电机故障原因可能分为电机断条、电机偏心启动或电机过载原因，但是从故障表现难以准确定位故障原因，故需要收集故障定子电流信息，选取合适的时间延迟τ和嵌入维数进行相空间重构，进而求取关联维数，通过比对不同情况的关联维数来判断电机故障原因，并将其写入故障树内，之后可以通过检索故障树比对来快速定位故障原因。

步骤(4)中，计算时间延迟可通过自相关函数法或复自相关法或Shaw互信息量法或C—C算法。

步骤(5)中，嵌入维数的方法有：试算法、虚假邻点法、Cao法、关联积分法、奇异分解法等，其中，Cao法是较为成熟的方法，不同方法有不同的优点，可以根据情况进行选择。

步骤(6)中，关联维数是描述混沌系统的重要指标，Grass-berger和Procaccia提出的GP方法，简化了关联维数的计算。

本发明方法先进科学，通过本发明，首先选出想要分析的某影响最大的故障事件作为顶事件，如泵站停止运行，之后将故障可能原因逐级分解为中间事件，直至底事件。将某些因为不同原因可能引起的相同故障通过混沌理论进行分析细化，如电器故障中的电机故障，电机故障原因可能分为电机断条、电机偏心启动或电机过载等原因，但是从故障表现难以准确定位故障原因，故需要收集故障定子电流信息，选取合适的时间延迟τ和嵌入维数进行相空间重构，进而求取关联维数，通过比对不同情况的关联维数来判断电机故障原因，并将其写入故障树内，之后可以通过检索故障树比对来快速定位故障原因。

本方法结合混沌理论对泵站故障进行分析判别，将泵站故障与关联维数的关系嵌套入故障树中，以此建立更加全面准确的泵站故障树。

混沌理论是一种兼具质性思考与量化分析的方法，用来探讨动态系统中必须用整体、连续的而不是单一的数据关系才能加以解释和预测的行为。

相空间重构的过程是基于F.Takens和R.Mane的延迟嵌入定理实现的。重构时间序列的相空间分两步:第一步是计算时间序列的时间延迟τ,第二步是估计嵌入维数。计算时间延迟的意义在于将时间序列的信息全部表露出来，在理想情况下，τ是可以任意选择的，但时间数据存在不同程度的误差。延时的选择对于重构相空间至关重要。嵌入维数的意义是选择合适的维数,使看似无序的时间序列规律容易被看见。

通过本发明，可更加方便、快捷的建立更加全面的泵站故障树。泵站故障诊断分析是泵站运行中十分重要的一环，由于泵站故障种类繁多，原因复杂多样，故泵站故障树的建立是一个难点，因此一种可靠全面的泵站故障树建立方法是十分必要的，是被市场所需要的。

有益效果：本发明基于混沌理论，可以对泵站故障原因进行更好的分析与归类，从而提高了泵站故障树的准确性与全面性，对泵站运维人员判断处理故障和泵站安全运行有很大的帮助。