用户登录

|

“机理知识与数据融合的复杂设备故障诊断技术及其应用”项目通过科技成果评价

2025-07-01 浏览次数:1

机理知识与数据融合的复杂设备故障诊断技术及其应用 xiao.jpg

  2025年7月1日,中科合创(北京)科技成果评价中心组织专家,召开了由哈尔滨工程大学等单位共同完成的“机理知识与数据融合的复杂设备故障诊断技术及其应用”项目科技成果评价会。专家组审阅了项目组提供的技术资料,听取了技术总结汇报,经质询和讨论,形成如下意见:

  一、提交的项目技术资料齐全,符合科技成果评价要求。

  二、针对现有复杂设备故障诊断技术故障特征提取不深入、数据利用不充分、可解释性与准确性难兼顾、故障诊断智能化不足等技术难题,重点研究了机理知识与数据融合的复杂设备故障诊断技术,主要创新点如下:

  1.攻克了强背景噪声下的设备故障特征提取技术。提出了基于自适应变尺度随机共振与改进局部均值分解的联合特征增强方法,解决了传统模态分解方法存在的端点效应干扰与敏感分量辨识精度不足的问题,在循环水泵、发电机、汽轮机等设备的典型故障模式下,使故障信号信噪比较国内外主流方法(平均2-5dB)提升2倍。

  2.创建了基于符号有向图的复杂工业设备故障知识标准化存储模型。提出了故障知识到推理模型的映射构建策略,将故障模式及特征参数等故障知识以结构化的形式存储,建立了基于符号有向图的复杂设备标准化故障知识库,解决了当前复杂设备运维资料利用不充分的问题,实现了异常参数与故障原因的可视化关联表征。

  3.研发了复杂设备可解释贝叶斯故障推理技术。提出了基于滑动时间窗的多维特征分层映射机制,解决了模型特征相似场景诊断准确率不足的难题;研发了基于数据驱动的参数学习技术,显著降低了对专家知识完备性的依赖,在循环水泵、发电机、汽轮机等设备的典型故障模式下,故障诊断准确率大于98%。

  4.建立了复杂工业设备故障诊断平台。设计了可视化故障诊断平台,开发了一套可视化复杂设备故障建模及智能诊断系统,该系统在大亚湾核电厂得到成功应用,提高了关键敏感设备智能故障诊断平台的易用性与可解释性。

  三、该成果获授权发明专利42件,登记软件著作权28件,发表SCIE/EI论文41篇。成果已在核电生产运营设备、工业运维系统及机器人运维管理系统中得到应用,近5年累计新增产值超3亿元,取得了良好的经济和社会效益。

  专家组认为,该成果整体达到国际先进水平,其中多维特征分层贝叶斯推理技术达到国际领先水平,同意通过科技成果评价。

专家组成员

  彭开香 北京科技大学教授

  蔡伯根 北京交通大学自动化与智能学院教授

  胡晓惠 中国科学院软件研究所研究员

  啜 钢 北京邮电大学信息与通信工程学院教授

  赵晓光 中国科学院自动化研究所研究员

  王兴坚 北京航空航天大学自动化科学与电气工程学院教授

  马云龙 清华大学信息化技术中心高级工程师