CN119475047A 基于多视角注意力的循环流化床早期故障诊断方法及装置 （湖南工商大学）

基于多视角注意力的循环流化床早期故障本发明公开一种基于多视角注意力的循环CFB机组数字孪生系统与CFB机组实时的运行状统在运行过程中的多源运行数据并进行数据融孪生数据输入至多视角注意力网络模块中以基据提取出的多尺度故障特征进行样本重构并使CFB机组系统的故障状态。本发明具有实现方法2步骤S01.构建CFB机组数字孪生系统，并将所述CFB机组数字孪生系统与CFB机组实时故障状态时的状态信息以及设备处于故障状态步骤S02.收集CFB数字孪生系统在运行过程中的多源运行数据并进行数据融合，得到步骤S03.将所述CFB融合孪生数据输入至多视角注意力网络模块中以基于注意力机制步骤S04.根据提取出的多尺度故障特征进行样本重构并使用重构样本计算SPE指标，2.根据权利要求1所述的基于多视角注意力的循环流化床早期故障诊断方法，其特征加颗粒之间的碰撞以模拟早期故障形成过程，获取各尺度故障信息特征作为故障数据集，3.根据权利要求1所述的基于多视角注意力的循环流化床早期故障诊断方法，其特征4.根据权利要求1所述的基于多视角注意力的循环流化床早期故障诊断方法，其特征35.根据权利要求1所述的基于多视角注意力的循环流化床早期故障诊断方法，其特征6.根据权利要求1~5中任意一项所述的基于多视角注意力的循环流化床早期故障诊断7.根据权利要求6所述的基于多视角注意力的循环流化床早期故障诊断方法，其特征定义目标函数py)为：4机组存在早期故障，否则判定不存在早期故障，其中控制极限s2a按照如下表达式计算得到：其中，P属于spanfBna,Bne,pmi},pfN(0,1)>Ne,(01)),ca=0.95表示标准正态分。孪生系统构建模块，用于构建CFB机组数字孪生系统，与CFB机组实时的运行状态数据进行映射，所述运行状态数据包括设备正常状态时的状态数据融合模块，用于收集CFB数字孪生系统在运行过程中的多源运行数据并进行数据多尺度故障特征提取模块，用于将所述CFB融合孪生数据输入至多视角注意力网络模5故障状态诊断模块，用于根据提取出的多尺度故障特征进行样本重计算SPE指标，根据提取出的多尺度故障特征以及SPE指标判断当前CFB机组系统的故障状理器执行时实现如权利要求1～7中任意一项所61）故障预警方法及模型与物理实体间通常是相对独立的，并没有形成紧密的联2）传统故障诊断识别方法通常仅能够实现故障发生以后的故障诊断，难以实现步骤S01.构建CFB机组数字孪生系统，并将所述CFB机组数字孪生系统与CFB机组步骤S02.收集CFB数字孪生系统在运行过程中的多源运行数据并进行数据融合，7步骤S03.将所述CFB融合孪生数据输入至多视角注意力网络模块中以基于注意力尺度通道的通道注意力权重，介尺度通道的通道注意力权重小于微尺度通道的注意力权步骤S04.根据提取出的多尺度故障特征进行样本重构并使用重构样本计算SPE指标判断当前CFB机组系统的故障状态，其中根据微尺度故障特征、介尺度故障特征以及SPE指标判断当前CFB机组是否存在早期故障，根据介尺度故障特征、宏尺度故障特征以及8定义目标函数py)为：9fN(0,1)>Ne,(01)),ca=0.95表示标准正态分;。系统与CFB机组实时的运行状态数据进行映射，所述运行状态数据包括设备正常状态时的数据融合模块，用于收集CFB数字孪生系统在运行过程中的多源运行数据并进行多尺度故障特征提取模块，用于将所述CFB融合孪生数据输入至多视角注意力网样本计算SPE指标，根据提取出的多尺度故障特征以及SPE指标判断当前CFB机组系统的故结合SPE指标重构故障特征方式判断是否存在早期故障，可以实现全面感知的智能化故障[0028]图1是本实施例基于多视角注意力的循环流化床早期故障诊断方法的实现流程示[0031]图4是本实施例中多视角注意力模块基于不同尺度注意力块实现各尺度故障特征步骤S01.构建CFB机组数字孪生系统，并将CFB机组数字孪生系统与CFB机组实时模型融入CFB机组虚拟实体，如图2所示，根据CFB机组系统物理实体的结构组成设计整个CFB机组系统的架构，基于Unity仿真平台构建CFB机组系统的虚拟故障实体，包含三维模颗粒循环模型备处于故障状态时的状态信息，进而由上述信息可以构建形成故障特征集，同时还可以将CFB机组的关键数据进行可[0036]本实施例通过针对CFB机组系统构建机组虚拟孪生体模型，能够突破物理条件的压进口气体以增加颗粒之间的碰撞以模拟早期故障形成过程，获取各尺度故障信息特征，所述故障类型包括匀风板孔堵塞、匀风板安装位置超过预设阈值（即匀风板安装位置过[0039]步骤S102、将步骤S101得到的虚拟电厂模型导入Unity软件中对其中部分所需的[0043]步骤S02.收集CFB机组系统在生产运行过程中[0051]步骤S03.将步骤S02得到CFB融合孪生数据输入至多视角注意力网络模块中以基尺度通道的通道注意力权重，介尺度通道的通道注意力权重小于微尺度通道的注意力权尺度通道的通道注意力权重依次减小，可以使得在特征提取过程中重点关注微尺度特征，[0054]本实施例首先获得三维气固流化床内提升段流场一段时[0055]提升段序列颗粒浓度信息定义为测量位置的颗粒数浓度与基准工况下的床内平基于上述加权后的宏尺度特征xma即可得到宏尺度特征，多视角注意力网络模块中宏尺度通道基于注意力机制提取出宏尺度特征的计算表达式机制全局注意力输出宏尺度颗粒故障特征yceRCX11，dr表示用于缩放的块大小,于缩减通道大小的卷积层，例如为将通道大小从2减小到1的卷积层。注意力函数具体可以在分块输入特征上使用一个核大小为Cc/2_1的深度卷积层，在深度用微尺度注意力权重矩阵wmi作为微尺度通道的通道注意力权[0068]SPE指标可以实现对具有多变量工业流程的检测，表现出某一个时刻测量值相对样本重构的核心任务是通过对错误数据应用校正，通过故障样本y;估计出在没有其中，P属于,pfN(0,1)>Ne,(01)),ca=0.95表示标准正态分系统与CFB机组实时的运行状态数据进行映射，所述运行状态数据包括设备正常状态时的数据融合模块，用于收集CFB数字孪生系统在运行过程中的多源运行数据并进行多尺度故障特征提取模块，用于将所述CFB融合孪生数据输入至多视角注意力网样本计算SPE指标，根据提取出的多尺度故障特征以及SPE指标判断当前CFB机组系统的故[0076]本实施例基于多视角注意力的循环流化床早期故障诊