(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211480528.4 (22)申请日 2022.11.24 (71)申请人 光微半导体 （吉林） 有限公司 地址 130102 吉林省长 春市北湖科技 开发 区明西路1759 号吉林省光电子产业孵 化器A331室 (72)发明人 毛林才　 (74)专利代理 机构 深圳众邦专利代理有限公司 44545 专利代理师 李茂松 (51)Int.Cl. G06K 9/00(2022.01) G06K 9/62(2022.01) G06N 3/08(2006.01) F04B 51/00(2006.01) (54)发明名称 一种胶泵故障诊断维护分析优化方法及系 统 (57)摘要 本发明涉及胶 泵运行监测技术领域， 具体公 开了一种胶泵故障诊断维护分析优化方法及系 统， 所述方法包括获取胶泵的设计模型， 对所述 设计模型进行载荷分析， 确定高危点位， 基于所 述高危点位设置传感器； 获取传感器数据， 根据 传感器数据确定胶泵运行表； 所述胶泵运行表包 括高危点位项和评分项； 基于胶 泵运行表确定故 障类型， 根据胶泵运行表及其故障类型训练神经 网络模型； 定时计算神经网络模型的准确率， 当 所述准确率达到预设的阈值时， 提高神经网络模 型的应用优 先级。 本发明根据神经网络模型即可 快速预测出较为准确的故障点位及类型， 极大地 降低了排 查难度， 提高了维护效率。 权利要求书3页 说明书9页 附图6页 CN 115526215 A 2022.12.27 CN 115526215 A 1.一种胶泵故障诊断维护分析优化方法， 其特 征在于， 所述方法包括： 获取胶泵的设计模型， 对所述设计模型进行载荷分析， 确定高危点位， 基于所述高危点 位设置传感器； 接收用户输入的胶泵应用场景， 根据所述胶泵应用场景确定预测载荷， 根据所述预测 载荷激活所述传感器； 所述胶泵应用场景包括 流体参数和环境 参数； 获取传感器数据， 根据传感器数据确定胶泵运行表； 所述胶泵运行表包括高危点位项 和评分项； 基于胶泵运行表确定故障类型， 根据胶泵运行表及其故障类型训练神经网络模型； 所 述神经网络模型的输入为胶泵应用场景， 输出为故障类型； 定时计算神经网络模型的准确率， 当所述准确率达到预设的阈值时， 提高神经网络模 型的应用优先级。 2.根据权利要求1所述的胶泵故障诊断维护分析优化方法， 其特征在于， 所述获取胶泵 的设计模 型， 对所述设计模型进 行载荷分析， 确定高危点位， 基于所述高危点位设置传感器 的步骤包括： 获取胶泵的设计模型， 根据设计模型中的编号信息确定连接点位； 所述编号信息的数 据结构为 树； 向所述设计模型中填充不同参数的虚拟流体， 根据虚拟流体计算各连接点位的虚拟载 荷； 获取连接点位处的形变参数， 根据所述形变参数确定高危 点位； 基于所述高危 点位确定传感器位置及 传感器类型。 3.根据权利要求1所述的胶泵故障诊断维护分析优化方法， 其特征在于， 所述接收用户 输入的胶泵应用场景， 根据所述胶泵应用场景确定预测载荷， 根据所述预测载荷激活所述 传感器的步骤 包括： 接收用户输入的流体粘度、 颗粒物均值、 颗粒物最大值和工作位置； 基于所述工作位置获取空气温度和空气湿度； 将所述流体粘度、 颗粒物均值、 颗粒物最大值、 空气温度和空气湿度输入预设的载荷判 断模型， 得到预测载荷； 所述预测载荷包 含载荷量和载荷位置； 根据所述载荷位置确定点位中心， 根据所述载荷量确定点位半径， 根据所述点位中心 和所述点位半径查询目标传感器并激活； 所述 点位中心为高危 点位的子集。 4.根据权利要求1所述的胶泵故障诊断维护分析优化方法， 其特征在于， 所述获取传感 器数据， 根据传感器数据确定胶泵运行表的步骤 包括： 获取传感器数据， 基于时间将所述传感器数据转换为离 散点群； 根据预设的拟合模型拟合离 散点群， 得到传感器的数据曲线及其 函数； 计算数据曲线及其函数的多阶导数， 获取多阶特征， 将所述多阶特征与预设的参考特 征进行比对， 得到 评分； 获取各个高危 点位对应的传感器的评分， 生成胶泵运行表。 5.根据权利要求1所述的胶泵故障诊断维护分析优化方法， 其特征在于， 所述基于胶泵 运行表确定故障类型， 根据胶泵运行表及其故障类型训练神经网络模型的步骤 包括： 将所述胶泵运行表转换为胶泵运行矩阵；权　利　要　求　书 1/3 页 2 CN 115526215 A 2依次在预设的故障特征表中读取故障特征， 基于所述故障特征在胶泵运行矩阵中进行 遍历匹配， 根据遍历匹配结果判断胶泵运行表的故障类型； 所述故障特 征为预设的矩阵； 读取用户输入的胶泵应用场景， 根据胶泵应用场景和故障类型搭建训练集， 训练神经 网络模型； 其中， 所述基于所述故障特 征在胶泵运行矩阵中进行遍历匹配的过程 为： 基于所述故障特征确定滑动 窗， 根据滑动 窗在胶泵运行矩阵中截取子矩阵， 计算故障 特征与子矩阵的卷积值， 将卷积值作为遍历匹配结果。 6.根据权利要求1所述的胶泵故障诊断维护分析优化方法， 其特征在于， 所述定时计算 神经网络模型 的准确率， 当所述准确 率达到预设的阈值时， 提高神经网络模型 的应用优先 级的步骤 包括： 当接收到胶泵应用场景时， 输入训练好的神经网络模型， 得到第一故障类型； 基于传感器数据生成的胶泵运行表确定第二故障类型； 基于所述第二故障类型计算所述第一故障类型的准确率； 当所述准确率达 到预设的阈值时， 提高神经网络模型的应用优先级。 7.一种胶泵故障诊断维护分析优化系统， 其特 征在于， 所述系统包括： 传感器设置模块， 用于获取胶泵的设计模型， 对所述设计模型进行载荷分析， 确定高危 点位， 基于所述高危 点位设置传感器； 传感器激活模块， 用于接收用户输入的胶泵应用场景， 根据所述胶泵应用场景确定预 测载荷， 根据所述预测载荷激活所述传感器； 所述胶泵应用场景包括 流体参数和环境 参数； 运行表确定模块， 用于获取传感器数据， 根据传感器数据确定胶泵运行表； 所述胶泵运 行表包括高危 点位项和评分项； 模型训练模块， 用于基于胶泵运行表确定故障类型， 根据胶泵运行表及其故障类型训 练神经网络模型； 所述神经网络模型的输入为胶泵应用场景， 输出为故障类型； 模型应用模块， 用于定时计算神经网络模型的准确率， 当所述准确率达到预设的阈值 时， 提高神经网络模型的应用优先级。 8.根据权利要求7所述的胶泵故障诊断维护分析优化系统， 其特征在于， 所述传感器设 置模块包括： 连接点位确定单元， 用于获取胶泵的设计模型， 根据设计模型中的编号信息确定连接 点位； 所述编号信息的数据结构为 树； 虚拟载荷计算单元， 用于向所述设计模型中填充不同参数的虚拟流体， 根据虚拟流体 计算各连接点位的虚拟载荷； 高危点位选取单元， 用于获取连接点位处的形变参数， 根据所述形变参数确定高危点 位； 处理执行单元， 用于基于所述高危 点位确定传感器位置及 传感器类型。 9.根据权利要求7所述的胶泵故障诊断维护分析优化系统， 其特征在于， 所述传感器激 活模块包括： 数据接收单元， 用于接收用户输入的流体粘度、 颗粒物均值、 颗粒物最大值和工作位 置； 环境信息获取 单元， 用于基于所述工作位置获取空气温度和空气湿度；权　利　要　求　书 2/3 页 3 CN 115526215 A 3