买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：宁波析昶环保科技有限公司

摘要：基于水处理超标事故动态仿真的故障模式与影响分析方法，涉及数据分析技术领域，将污水处理过程划分为若干流程子序列，获取各流程子序列的水质数据，构建仿真模型；根据各个流程子序列的历史发生数据获取各个流程子序列在不同场景下产生的各类型故障的故障概率以及各类型故障对应的致命度指数；基于机器学习构建SVR模型，基于图卷积神经网络构建全过程最终出水预测模型，生成污水处理过程的最终出水水质预测结果；根据各个流程子序列在不同场景下产生的各类型故障的故障概率以及致命度指数生成各个流程子序列的影响度等级，根据影响度等级对各流程子序列对应的污水处理设备进行提前检修，从而在污水处理设备故障成熟之前采取预防措施。

主权项：1.基于水处理超标事故动态仿真的故障模式与影响分析方法，其特征在于，包括以下步骤：步骤S1：根据污水处理设备的工艺流程特性将污水处理过程划分为若干流程子序列，获取各流程子序列的水质数据，根据各个流程子序列的水质数据，各污水处理设备的配置信息以及各污水处理设备之间的装配顺序以及装配关系构建仿真模型；步骤S2：根据各个流程子序列的历史发生数据获取各个流程子序列的污水处理设备在不同场景下产生的各类型故障的故障概率以及各类型故障对应的致命度指数；根据各个流程子序列的历史发生数据获取各个流程子序列的污水处理设备在不同场景下产生的各类型故障的故障概率以及各类型故障对应的致命度指数的过程包括：获取各个流程子序列的污水处理设备在若干历史监测周期内发生故障的历史发生数据，根据所述历史发生数据获取各个流程子序列的污水处理设备在不同场景下产生的各类型故障、各类型故障对应的累计次数以及各类型故障对应的水质监测数据，所述场景包括实际运行条件强度和实际运行条件环境，根据不同场景下各类型故障对应的累计次数获取各个流程子序列的污水处理设备在不同场景下产生的各类型故障的故障概率；基于模仿学习思想，使用模拟器生成各个流程子序列的污水处理设备在不同场景下产生的各类型故障以及各类型故障对应的水质监测数据的仿真数据，将仿真数据代入仿真模型进行模型测试，获取在各个流程子序列的污水处理设备在不同场景下的各类型故障对应的致命性故障发生并产生实际影响的条件概率、致命性故障总数以及各类型故障总数，并根据各个流程子序列的污水处理设备在不同场景下的各类型故障对应的致命性故障发生并产生实际影响的条件概率、致命性故障总数、各类型故障总数以及各类型故障的故障概率，获取各个流程子序列的污水处理设备在不同场景下的各类型故障对应的致命度指数；其中，根据各类型故障对应的累计次数获取各个流程子序列的污水处理设备产生的各类型故障的故障概率的计算公式为：P＝ρC；其中，P为故障概率，ρ为转化系数，C为累计次数;致命度指数的计算公式为： CTq为致命度指数，表示第T个流程子序列的污水处理设备每百万次运行由第q类型故障造成的致命性故障的次数；nq表示流程子序列的第q类型故障总数；q表示流程子序列的类型故障的编号；λq表示流程子序列的第q类型故障的故障概率；KAq表示流程子序列的第q类型故障的故障概率与实际运行条件强度修正系数；KBq表示流程子序列的第q类型故障的故障概率与实际运行条件环境修正系数；106表示单位调整系数；αq表示第q类型故障对应的致命性故障总数与故障总数之比；βq表示第q类型故障对应的致命性故障发生并产生实际影响的条件概率；步骤S3：基于机器学习构建SVR模型，基于图卷积神经网络构建全过程最终出水预测模型，将SVR模型输出的各流程子序列当前监测周期的水质预测数据时序序列输入全过程最终出水预测模型，生成污水处理过程的最终出水水质预测结果；基于图卷积神经网络构建全过程最终出水预测模型，将SVR模型输出的各流程子序列当前监测周期的水质预测数据时序序列输入全过程最终出水预测模型，生成污水处理过程的最终出水水质预测结果的过程包括：通过图注意力网络对仿真模型中的功能框图进行学习，根据SVR模型获取各流程子序列当前监测周期的水质预测数据时序序列，将各流程子序列的当前监测周期的水质预测数据时序序列导入图注意力网络；通过注意力机制获取功能框图各个其他节点对目标节点的影响权重，将所述影响权重分配到各其他节点，利用图注意力网络的相邻聚合生成特征的聚合表示，生成污水处理过程的最终出水水质预测结果；其中，通过图注意力网络对SVR模型中的功能框图进行学习，在功能框图目标节点i及其他节点j之间影响值eij为：eij＝sigmoidLTconcactwei，wej；其中，sigmoid表示激活函数，concact表示特征向量拼接，w表示特征变换参数矩阵，LT表示状态转移矩阵，ei，ej表示功能框图中目标节点i与其他节点j的低维向量表示；通过功能框图中目标节点i与其他节点j之间影响值eij和目标节点i及所有其他节点的影响值的总和的比值获取影响权重Zij，将所述影响权重进行归一化处理后，利用邻居聚合机制对目标节点i的特征进行更新表示；ei*＝ReLUwei+∑Zijwej；其中，ei*表示目标节点i的最终更新表示，致命度指数，ReLU表示激活函数；根据上述公式，生成节点i的向量表示ei*后，进行下一相连节点的向量表示，以此类推，将功能框图中所有节点进行表示后，计算节点的向量内积获取污水处理过程的最终出水水质预测结果；步骤S4：若最终出水水质预测结果不位于预设的最终出水水质阈值区间内，则根据各个流程子序列的污水处理设备在不同场景下产生的各类型故障的故障概率以及致命度指数生成各个流程子序列的影响度等级，根据影响度等级对各流程子序列对应的污水处理设备进行提前检修。

全文数据：

权利要求：

百度查询： 宁波析昶环保科技有限公司 基于水处理超标事故动态仿真的故障模式与影响分析方法