一种差压式流量计多变量融合诊断方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN116010807A(43)申请公布日2023.04.25(21)申请号202211729458.1G06F17/18(2006.01)(22)申请日2022.12.30(71)申请人上海自动化仪表有限公司地址200072上海市静安区灵石路709号36号楼申请人中国核电工程有限公司(72)发明人宁亮吴萍赵勇李玉荣叶敏郭林包伟华冯素梅(74)专利代理机构上海唯源专利代理有限公司31229专利代理师汪家瀚(51)Int.Cl.G06F18/2135(2023.01)G06F18/214(2023.01)G06F17/16(2006.01)权利要求书2页说明书7页附图2页(54)发明名称一种差压式流量计多变量融合诊断方法(57)摘要本发明公开了一种差压式流量计多变量融合诊断方法，包括数据获取、数据预处理、基本可信度调整、特征数据降维、构建历史数据库并建立MPCA模型、统计控制量与统计控制指标比对等步骤。本发明采用集成压力/差压传感器、温度传感器、位置传感器、电导率传感器等多参数差压式流量计获取多个流量测量相关变量，并采用了D‑S证据理论、PCA主元分析法等多种数据融合技术，将多个流量测量变量的信息融合，提供统一的决策结果，确定管网流量测量在具体节点处是否有异常发生，可以提升系统判断的准确性，提高故障检测能力、诊断精度和准确性。CN116010807ACN116010807A权利要求书1/2页1.一种差压式流量计多变量融合诊断方法，其特征在于：包括，步骤1，数据获取：选用集成压力/差压传感器、温度传感器、位置传感器、电导率传感器等多参数差压式流量计，获取所述各传感器的原始数据，提取其中对流量测量会产生影响的环境变量和设备变量；步骤2，数据预处理：将不同传感器的数据分别进行正则归一化，消除量级及量纲带来的误差；步骤3，基本可信度调整：通过D‑S证据理论，考虑所述变量间的相互关系，计算所有变量联合作用下的基本可信度分配和信度区间，得到修正后的特征数据；步骤4，特征数据降维：使用主元分析法对所述特征数据进行降维，计算统计控制量SPE、T2；步骤5，构建历史数据库并建立MPCA模型：选取一定数量且有样本代表性的流量检测过程，构成历史数据库，据此建立MPCA非线性多元统计数学模型；步骤6，统计控制量与统计控制指标比对：在软件流程中加入故障诊断模块，根据实时采集的传感器数据统计控制量是否落在MPCA模型的95％控制指标内，输出正常信号或报警信号。2.根据权利要求1所述的一种差压式流量计多变量融合诊断方法，其特征在于：所述步骤1中所述的集成压力/差压传感器、温度传感器、位置传感器、电导率传感器等多参数差压式流量计还包括嵌入式微处理器、模数转换电路、电源及基准电路、通信接口、存储器、诊断模块、显示模块；所述嵌入式微处理器与所述显示模块连接，用以在LCD屏幕上显示仪表信息；所述嵌入式微处理器与所述存储器连接，用以存储数据；所述嵌入式微处理器与所述诊断模块连接，用以在软件流程中加入过程诊断部分；所述嵌入式微处理器经由所述通信接口依据相应协议与上层控制系统连接，用以进行数据交互；所述压力/差压传感器、温度传感器、位置传感器、电导率传感器经过信号处理后，由所述模数转换电路通过UART串行接口与所述嵌入式微处理器进行数据通信，用于接收并处理信号；所述电源及基准电路与所述嵌入式微处理器、所述通信接口连接，用于为其他电路供电。3.根据权利要求1所述的一种差压式流量计多变量融合诊断方法，其特征在于：所述步骤2数据预处理的具体方法为，获取所述流量计各传感器原始数据后，提取其中影响流量测量的环境变量和设备变量，不同传感器的数据由公式(1)分别进行正则归一化，消除量级及量纲带来的误差，式中A为原始数据，为正则归一化后的特征数据，Amax与Amin为原始数据中的最大值与最小值。4.根据权利要求1所述的一种差压式流量计多变量融合诊断方法，其特征在于：所述步骤3基本可信度调整的具体方法为，通过D‑S证据理论，考虑所述变量间的相互关系，计算所有变量联合作用下的基本可信度分配和信度区间，对步骤2得到的所述特征数据进行修正；2CN116010807A权利要求书2/2页其中：m(A)与m(B)是关于变量A和B的基本置信分配，wi为其间连接的权值。5.根据权利要求1所述的一种差压式流量计多变量融合诊断方法，其特征在于：所述步骤4特征数据降维具体方法为，使用主元分析法对所述修正后的特征数据进行降维，由PCA算法对步骤3中得到的所述特征向量做降维处理，提取95％主要成分的特征向量，保留特征数据的显著信息，去除特征中的冗余数据，具体为：通过处理后，形成m×n的矩阵数据X如下：数据中包含m个样本向量，每个向量维数为n，由公式(3)计