本說明書涉及設(shè)備故障診斷，尤其涉及一種離心泵組故障識別方法及設(shè)備。

背景技術(shù)：

1、離心泵組作為廣泛應(yīng)用于多個領(lǐng)域的重要生產(chǎn)運行設(shè)備，其健康狀態(tài)對工業(yè)生產(chǎn)過程的效率與安全至關(guān)重要。常見的離心泵組由多個部分組成，包括離心泵、電動機、聯(lián)軸器、變頻器等。在運行過程中，這些部件常處于持續(xù)運行、負載變化、高溫高速等惡劣環(huán)境中，容易受到機械振動、疲勞磨損、流動腐蝕等因素的影響，導(dǎo)致關(guān)鍵部件產(chǎn)生損傷及故障。這些故障不僅會影響泵組的生產(chǎn)效率，增加失效風(fēng)險，還可能危及整個生產(chǎn)鏈，甚至導(dǎo)致重大安全事故，威脅人身安全。

2、因此，在實際生成過程中，為了規(guī)避上述風(fēng)險，需要對離心泵組進行較為準確及時的故障識別。

技術(shù)實現(xiàn)思路

1、本說明書一個或多個實施例提供了一種離心泵組故障識別方法及設(shè)備，用于解決背景技術(shù)提出的技術(shù)問題。

2、本說明書一個或多個實施例采用下述技術(shù)方案：

3、本說明書一個或多個實施例提供的一種離心泵組故障識別方法，所述方法包括：

4、對不同工況下包含多個部件的離心泵組進行運行模擬，所述不同工況包括標注的已知工況對應(yīng)的多源域與未標注的目標工況對應(yīng)的目標域；

5、通過相應(yīng)的傳感器對所述運行模擬進行信號采集，得到多源域運行數(shù)據(jù)與目標域運行數(shù)據(jù)；

6、對所述多源域運行數(shù)據(jù)與所述目標域運行數(shù)據(jù)分別進行處理，生成多源域特征時間序列與目標域特征時間序列；

7、將所述多源域特征時間序列與所述目標域特征時間序列輸入至多源域自適應(yīng)網(wǎng)絡(luò)模型進行訓(xùn)練，得到離心泵組故障識別模型，所述離心泵組故障識別模型通過融合informer編碼器的公共深度特征提取器，實現(xiàn)對所述多源域和所述目標域的長序列提取公共全局故障特征，建立特征間的全局時序關(guān)聯(lián)，并利用swd分別對域特定特征的整體邊緣分布和類級條件分布進行對齊，減小不同工況間的域偏移，以及進行對域特定分類器輸出對齊，減少不同分類器對同一目標工況數(shù)據(jù)的識別差異；

8、通過所述離心泵組故障識別模型對所述目標域進行故障識別。

9、需要說明的是，本說明書實施例通過上述方案，具有下述有益效果：

10、提高適應(yīng)性：通過對不同工況下的運行模擬和信號采集，模型可以學(xué)習(xí)到多源域和目標域的特征，從而提高對各種工況的適應(yīng)性。

11、增強泛化能力：融合informer編碼器的公共深度特征提取器能夠提取公共全局故障特征，建立特征間的全局時序關(guān)聯(lián)，有助于模型更好地泛化到未標注的目標域數(shù)據(jù)，并利用swd分別對域特定特征的整體邊緣分布和類級條件分布進行對齊，減小不同工況間的域偏移，以及進行對域特定分類器輸出對齊，減少不同分類器對同一目標工況數(shù)據(jù)的識別差異。

12、提高故障識別準確性：對多源域和目標域的長序列進行特征提取和關(guān)聯(lián)建立，能夠更全面地捕捉故障特征，從而提高故障識別的準確性。

13、實時性和可靠性：模型可以實時對目標域進行故障識別，及時發(fā)現(xiàn)潛在故障，提高系統(tǒng)的可靠性和穩(wěn)定性。

14、降低風(fēng)險：準確及時的故障識別可以幫助避免故障的發(fā)生或減少其影響，降低生產(chǎn)過程中的風(fēng)險。

15、保障生產(chǎn)安全：確保離心泵組的穩(wěn)定運行，有助于保障生產(chǎn)過程的安全，避免重大安全事故的發(fā)生。

16、本說明書一個或多個實施例提供的一種離心泵組故障識別設(shè)備，包括：

17、至少一個處理器；以及，

18、與所述至少一個處理器通信連接的存儲器；其中，

19、所述存儲器存儲有可被所述至少一個處理器執(zhí)行的指令，所述指令被所述至少一個處理器執(zhí)行，以使所述至少一個處理器能夠：

20、對不同工況下包含多個部件的離心泵組進行運行模擬，所述不同工況包括標注的已知工況對應(yīng)的多源域與未標注的目標工況對應(yīng)的目標域；

21、通過相應(yīng)的傳感器對所述運行模擬進行信號采集，得到多源域運行數(shù)據(jù)與目標域運行數(shù)據(jù)；

22、對所述多源域運行數(shù)據(jù)與所述目標域運行數(shù)據(jù)分別進行處理，生成多源域特征時間序列與目標域特征時間序列；

23、將所述多源域特征時間序列與所述目標域特征時間序列輸入至多源域自適應(yīng)網(wǎng)絡(luò)模型進行訓(xùn)練，得到離心泵組故障識別模型，所述離心泵組故障識別模型通過融合informer編碼器的公共深度特征提取器，實現(xiàn)對所述多源域和所述目標域的長序列提取公共全局故障特征，建立特征間的全局時序關(guān)聯(lián)，并利用swd分別對域特定特征的整體邊緣分布和類級條件分布進行對齊，減小不同工況間的域偏移，以及進行對域特定分類器輸出對齊，減少不同分類器對同一目標工況數(shù)據(jù)的識別差異；

24、通過所述離心泵組故障識別模型對所述目標域進行故障識別。

25、本說明書實施例采用的上述至少一個技術(shù)方案能夠達到以下有益效果：

26、提高適應(yīng)性：通過對不同工況下的運行模擬和信號采集，模型可以學(xué)習(xí)到多源域和目標域的特征，從而提高對各種工況的適應(yīng)性。

27、增強泛化能力：融合informer編碼器的公共深度特征提取器能夠提取公共全局故障特征，建立特征間的全局時序關(guān)聯(lián)，有助于模型更好地泛化到未標注的目標域數(shù)據(jù)，并利用swd分別對域特定特征的整體邊緣分布和類級條件分布進行對齊，減小不同工況間的域偏移，以及進行對域特定分類器輸出對齊，減少不同分類器對同一目標工況數(shù)據(jù)的識別差異。

28、提高故障識別準確性：對多源域和目標域的長序列進行特征提取和關(guān)聯(lián)建立，能夠更全面地捕捉故障特征，從而提高故障識別的準確性。

29、實時性和可靠性：模型可以實時對目標域進行故障識別，及時發(fā)現(xiàn)潛在故障，提高系統(tǒng)的可靠性和穩(wěn)定性。

30、降低風(fēng)險：準確及時的故障識別可以幫助避免故障的發(fā)生或減少其影響，降低生產(chǎn)過程中的風(fēng)險。

31、保障生產(chǎn)安全：確保離心泵組的穩(wěn)定運行，有助于保障生產(chǎn)過程的安全，避免重大安全事故的發(fā)生。

技術(shù)特征：

1.一種離心泵組故障識別方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對不同工況下包含多個部件的離心泵組故障進行運行模擬，包括：

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對所述多源域運行數(shù)據(jù)與所述目標域運行數(shù)據(jù)分別進行處理，生成多源域特征時間序列與目標域特征時間序列，包括：

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述多源域自適應(yīng)網(wǎng)絡(luò)模型的整體網(wǎng)絡(luò)架構(gòu)包括一個公共特征提取器f1，一個域特定特征分布對齊模塊和一個域特定分類器對齊模塊；其中，

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述公共特征提取器f1以informer編碼器為骨干網(wǎng)絡(luò)，所述informer編碼器包括預(yù)設(shè)基礎(chǔ)模塊，所述informer編碼器在多頭注意力層中采用概率稀疏的縮放點積自注意力機制，并在所述預(yù)設(shè)基礎(chǔ)模塊末尾增加蒸餾層網(wǎng)絡(luò)。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述縮放點積自注意力機制公式為：

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述公共特征提取器f1將多個源域和目標域的多通道多域特征長序列作為輸入，通過參數(shù)共享的informer編碼器將輸入映射到同一公共深度特征空間中，進行自適應(yīng)故障特征辨識，經(jīng)過展平層對提取的特征圖進行輸出；

8.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述方法還包括：

9.根據(jù)權(quán)利要求8所述的方法，其特征在于，所述方法還包括：

10.一種離心泵組故障識別設(shè)備，其特征在于，包括：

技術(shù)總結(jié)
本說明書實施例公開了一種離心泵組故障識別方法及設(shè)備，包括：對不同工況下包含多個部件的離心泵組進行運行模擬，不同工況包括標注的已知工況對應(yīng)的多源域與未標注的目標工況對應(yīng)的目標域；得到多源域運行數(shù)據(jù)與目標域運行數(shù)據(jù)；對多源域運行數(shù)據(jù)與目標域運行數(shù)據(jù)分別進行處理，生成多源域特征時間序列與目標域特征時間序列；將多源域特征時間序列與目標域特征時間序列輸入至多源域自適應(yīng)網(wǎng)絡(luò)模型進行訓(xùn)練，得到離心泵組故障識別模型，離心泵組故障識別模型實現(xiàn)對多源域和目標域的長序列提取公共全局故障特征，建立特征間的全局時序關(guān)聯(lián)；通過離心泵組故障識別模型對目標域進行故障識別。

技術(shù)研發(fā)人員：李汪洋,王騰江,黃文超,亓浩,陳兆瑞,劉建睿,王冬豪
受保護的技術(shù)使用者：浪潮通用軟件有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6