本发明涉及的是一种神经网络应用领域的技术，具体是一种面向多参量耦合的工业设备运行状态评估系统。
背景技术：
1、工业设备运行状态评估有助于确保设备的稳定运行、提高生产效率和质量，然而当下的工业设备状态评估方法存在以下不足：一方面，大型工业设备结构机理复杂、参量繁多且强耦合，数据通常具有高维度、非线性、非平稳的特点，现有方法往往局限于单一或部分参量，缺乏全过程状态参量的考量，而且忽略了参量间的相互影响；另一方面，大型工业设备故障表象众多，具有不确定性和多故障耦合的特点，现有方法的评价导则多依赖专家经验，主观因素占比大，难以反映设备真实运行状态。
技术实现思路
1、本发明针对现有大型工业设备参量繁多且强耦合、设备评估缺乏客观性和方法可解释性低的问题以及现有监督学习方式、依赖高质量标注数据才能实施的不足，提出一种面向多参量耦合的工业设备运行状态评估系统，依据设备手册、历史维修记录和历史运行数据通过因果挖掘建立故障因果图挖掘参量间耦合关系并评估各故障单元重要性。在线状态评估时，对设备检测的实时数据进行划分并基于时序重构模型进行自适应异常检测，最后根据故障因果图和故障单元重要性权重对设备进行状态评分和故障分析，生成设备运行状态综合诊断报告。
2、本发明是通过以下技术方案实现的：
3、本发明涉及一种面向多参量耦合的工业设备运行状态评估系统，包括：预处理模块、时间序列重构模块、异常检测与故障诊断模块、故障单元重要性挖掘模块、故障单元划分模块和评估报告生成模块，其中：故障单元划分模块在离线阶段分别对设备手册和设备历史维修记录进行基于bert的因果语词识别得到因果先验知识、对设备历史运行数据进行时间对齐与离散化处理，得到设备历史标注数据，经过故障结构搜索与评分得到故障因果结构图，再经连通分量挖掘生成若干独立故障单元并分别输出至预处理模块、评估报告生成模块和故障单元重要性挖掘模块，故障单元重要性挖掘模块在离线阶段根据独立故障单元，进行基干关键词识别的故障代价统计并构建故障代价二元权分配型判断矩阵，通过求解判断矩阵权向量，得到故障单元重要性权重后输出至评估报告生成模块，预处理模块在在线阶段根据设备监测实时数据，进行空值处理、时间对齐和数据划分处理，得到填充后完整的时间序列，时间序列重构模块根据原始输入的完整时间序列，通过图神经网络和时序神经网络进行参量互信息和时间特征挖掘并进行时序重构，得到重构后的时间序列，异常检测与故障诊断模块在在线阶段根据原始输入和重构后时间序列的差异，进行异常判定和故障诊断，得到异常与故障类型结果，评估报告生成模块在在线阶段根据异常与故障类型信息，进行运行状态评分和故障分析，得到运行状态评估报告。
4、技术效果
5、本发明基于k2评分因果结构挖掘的设备故障单元划分方式、基于图注意力网络和lstm相结合的自适应异常检测方式和基于故障因果图游走的故障诊断方式；采用基于最优化f-measure的自适应阈值方法确定异常判定的阈值，相较于传统基于专家经验或统计学pot理论固定阈值的方法，可根据真实判定记录动态调整阈值，适用性好；采用基于因果图游走的方式挖掘故障原因和潜在危害生成设备评估报告，利于运维人员排查修复，方法可解释性强；上述故障单元划分、时间序列重构、异常检测及设备评估报告生成模块均以数据为主导，人工参与程度和专家经验依赖程度低，方法移植性好。
1.一种面向多参量耦合的工业设备运行状态评估系统，其特征在于，包括：预处理模块、时间序列重构模块、异常检测与故障诊断模块、故障单元重要性挖掘模块、故障单元划分模块和评估报告生成模块，其中：故障单元划分模块在离线阶段分别对设备手册和设备历史维修记录进行基于bert的因果语词识别得到因果先验知识、对设备历史运行数据进行时间对齐与离散化处理，得到设备历史标注数据，经过故障结构搜索与评分得到故障因果结构图，再经连通分量挖掘生成若干独立故障单元并分别输出至预处理模块、评估报告生成模块和故障单元重要性挖掘模块，故障单元重要性挖掘模块在离线阶段根据独立故障单元，进行基干关键词识别的故障代价统计并构建故障代价二元权分配型判断矩阵，通过求解判断矩阵权向量，得到故障单元重要性权重后输出至评估报告生成模块，预处理模块在在线阶段根据设备监测实时数据，进行空值处理、时间对齐和数据划分处理，得到填充后完整的时间序列，时间序列重构模块根据原始输入的完整时间序列，通过图神经网络和时序神经网络进行参量互信息和时间特征挖掘并进行时序重构，得到重构后的时间序列，异常检测与故障诊断模块在在线阶段根据原始输入和重构后时间序列的差异，进行异常判定和故障诊断，得到异常与故障类型结果，评估报告生成模块在在线阶段根据异常与故障类型信息，进行运行状态评分和故障分析，得到运行状态评估报告。
2.根据权利要求1所述的面向多参量耦合的工业设备运行状态评估系统，其特征是，所述的故障单元划分模块包括：因果谓词识别单元、故障结构搜索与评分单元和连通分量挖掘单元，其中：因果谓词识别单元对文本数据进行清洗替换、分句分词和词性标注的预处理操作后，根据词性和句法模式匹配提取出由两个名词和一个动词构成的<主语，谓语，宾语>三元组，最后进行因果关系的识别；故障结构搜索与评分单元根据基于因果先验知识初始化图中节点及节点间优先顺序后，贪心搜索因果图结构，使其具有最优结构评分并输出具有最高评分的因果结构图；连通分量挖掘单元将故障因果结构图转化为无向图后，对整个图进行深度优先遍历，直至所有节点均被访问，过程中同一批次被访问的节点被划分为同一故障单元，最后恢复节点间有向边关系输出彼此独立的故障单元集。
3.根据权利要求2所述的面向多参量耦合的工业设备运行状态评估系统，其特征是，所述的文本数据包括：设备手册和历史维修记录；
4.所述的故障单元重要性挖掘模块包括：故障代价统计单元、故障代价矩阵构建单元和权向量求解单元，其中：故障代价统计单元以设备维修记录文本数据为输入，根据预先设计的关键词集从时间、金钱、人力三方面提取每个故障单元的平均修复代价，分别记为costtime，i、costmoney，i、costmanpower，i，经归一化处理后输出每个故障单元的平均故障代价故障代价矩阵构建单元根据每个故障单元的平均修复代价costaverage，i，构造k*k的二元分配型矩阵m；权向量求解单元根据调整后二元分配型判断矩阵m，通过建立最优化目标函数并求解后得到权重向量。
5.根据权利要求4所述的面向多参量耦合的工业设备运行状态评估系统，其特征是，所述的关键词识别中，时间方面关键词包括{维修时长、停机时长、响应时间、发生时间、修复时间、影响时长、耗时、小时、分钟}；金钱方面关键词包括{维修费用、设备折旧、备件费用、劳务费用、支出、花费、元}；人力方面关键词包括{人力投入、人员配置、维修人员数量、人}；
6.根据权利要求1所述的面向多参量耦合的工业设备运行状态评估系统，其特征是，所述的数据预处理模块包括：空值处理单元、时间对齐单元和数据划分单元，其中：空值处理单元考虑到原始监测数据存在部分时间点数值缺失的问题，采用前值填充即前一时间点的数值填补空缺时间点的监测值；时间对齐单元统一时间刻度并确定每个时间点的监测数值，即取各监测参量在此时间点之前最近的监测值；数据划分单元根据支撑产物中每个故障单元内包含的具体参量节点，将对齐后各参量监测数据划分到k个独立的故障单元中，作为后续各单元进行融合时空信息重构的数据输入；
7.根据权利要求1所述的面向多参量耦合的工业设备运行状态评估系统，其特征是，所述的时间序列重构模块包括：对应k个独立的故障单元的k个并行且类似的重构单元，每个重构单元均为包含参量互信息挖掘层、时序特征提取层和时序解码重构层的网络模型，其中：参量互信息挖掘层采用图注意力神经网络，其接收一个k*t的多参量时间序列矩阵i，同样输出一个k*t的矩阵o，时序特征提取层采用长短期记忆递归神经网络，在将挖掘后的特征矩阵映射到特定隐向量空间z；时序解码重构层采用长短期记忆网络将隐向量解码重构生成新的多参量时间序列矩阵i'。
8.根据权利要求7所述的面向多参量耦合的工业设备运行状态评估系统，其特征是，所述的图注意力神经网络中：k表示该单元包含的参量数目，t表示时间序列的长度，输出矩阵o中每个元素表示在第j个时间点第i个参量融合其他参量信息后的特征值，其中σ是激活函数，αim是网络参数；
9.根据权利要求1所述的面向多参量耦合的工业设备运行状态评估系统，其特征是，所述的异常检测与故障诊断模块，包括：异常判定单元和故障诊断单元，其中：异常判定单元通过重构误差评估和阈值自适应更新实现异常判定；故障诊断单元根据判定为异常的数据进行故障分类和故障样本库的更新；
10.一种基于权利要求1-9中任一所述评估系统的应用系统，其特征在于，包括：web端应用、所述评估系统和基础设施层，其中：web端应用采用react框架搭建前端页面，对传入的实时数据进行渲染展示，并以定时器的方式定期调用后端服务接口进行设备运行状态的评估，并对后端生成的运行报告以文件的形式进行导出；工业设备运行状态评估系统向上响应交互层的调用，向下通过调用结构化数据传输mysql接口(pymysql封装实现)、图数据传输neo4j接口(py2neo封装实现)和文件i/o接口，满足内部功能的数据处理和模型依赖；基础设施层用于数据的持久化存储，根据数据类型的不同分为三部分，其中mysql数据用来存储历史运行数据、历史故障案例；neo4j作为图数据库用于存储各故障单元的因果结构图；本地文件系统用于存储设备手册、设备历史维修记录、训练好的时序重构模型。
