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！

龙图腾网恭喜河南科技大学申请的专利残差-知识-数据联合驱动的故障复合诊断方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115508119B 。

龙图腾网通过国家知识产权局官网在2025-03-11发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211166632.6，技术领域涉及：G01M99/00；该发明授权残差-知识-数据联合驱动的故障复合诊断方法及系统是由王占伟;李修真;周西文;谈莹莹;王林;马爱华;周赛;袁俊飞;任秀宏;王雨;梁博阳设计研发完成，并于2022-09-23向国家知识产权局提交的专利申请。

本残差-知识-数据联合驱动的故障复合诊断方法及系统在说明书摘要公布了：残差‑知识‑数据联合驱动的故障复合诊断方法及系统，所述方法中，第一步，构建概率图模型，包括确定概率图模型的结构和参数，第二步，在线应用概率图模型，对在线实时监测数据经过计算，将获得的残差节点中特征的残差数据、数据节点中特征的直接监测数据、以及知识节点中特征的状态，一并输入到概率图模型中，得到诊断层节点各状态的后验概率，将诊断层中有着最大后验概率的那个状态输出为故障诊断结果；所述系统包括存储器和处理器，处理器执行计算机程序，实现上述方法。本发明将残差驱动、知识驱动和数据驱动三类方法的优势整合在同一个诊断体系中，实现了彼此优势互补，获得了更优的诊断性能。

本发明授权残差-知识-数据联合驱动的故障复合诊断方法及系统在权利要求书中公布了：1.残差-知识-数据联合驱动的故障复合诊断方法，用于冷水机组的故障诊断，其特征在于，包括如下步骤：（1）获取冷水机组在正常和故障运行工况下的数据，将正常和故障数据中的异常和非稳态数据进行稳态过滤，获得冷水机组在正常和故障运行工况下的稳态数据，选择用于确定冷水机组运行工况的指示特征；（2）确定概率图模型的结构；所述概率图模型的结构包括三层，自上而下，分别是诊断层、故障层和征兆层，其中诊断层是一个离散型节点D，有着n+1个状态，分别代表n种已知故障状态和1种新故障状态；所述故障层包括n个故障节点，每个故障节点表示某个具体的已知故障Fi，设有“True”和“False”两种状态，分别表示已知故障Fi发生和不发生；所述征兆层中，每个已知故障Fi均连接着三类节点，分别是1个残差节点R、1个数据节点X和若干个知识节点K，残差节点R和数据节点X为由表征冷水机组健康状态的m个特征组成的m维连续型节点，其数据服从m维高斯分布，每个知识节点K都代表着一个特征，设有分别表示该特征实测值相对于冷水机组正常运行时的该特征基准值“显著升高”、“基本不变”和“显著下降”的三种状态；知识节点K的具体种类由故障与特征之间的关联规则确定；（3）确定概率图模型的参数；所述概率图模型的参数包括诊断层节点D的n+1个状态的先验概率、故障层中已知故障Fi两个状态的条件概率、征兆层中残差节点R和数据节点X的条件概率分布、以及征兆层中知识节点K的条件概率；所述诊断层节点D的n+1个状态的先验概率由专家经验或统计机组历史发生故障的频率获得；所述故障层中已知故障Fi两个状态的条件概率依据如下3条规则进行赋值：规则1：；规则2：；规则3：；其中NF表示新故障；所述征兆层中残差节点R的条件概率分布由已知故障Fi为“True”状态时各特征的残差数据通过极大似然估计得到；所述征兆层中数据节点X的条件概率分布由已知故障Fi为“True”状态时各特征的直接监测稳态数据通过极大似然估计得到；所述征兆层中知识节点K在三个状态下的条件概率由专家经验或获取的故障运行工况下历史数据统计获得；（4）选择用于确定知识节点K中特征基准值的基准值模型，将组成知识节点K的特征作为模型的输出，冷水机组运行工况的指示特征作为模型的输入，使用获取的冷水机组正常工况下的稳态数据，对基准值模型进行训练，获得构建好的基准值模型；（5）选择特征变化显著性判断方法，对知识节点K中特征相对于基准值变化是否显著进行判断，确定特征变化显著性判断方法的判断阈值；（6）获取冷水机组运行时的实时数据，经过稳态过滤和特征选择后，得到征兆层中残差节点R中特征的残差数据、数据节点X中特征的直接监测数据、以及知识节点K中特征的状态，一并作为证据，输入构建好的概率图模型中，进而计算诊断层节点D各个状态的后验概率，依此判断冷水机组发生了什么故障。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人河南科技大学，其通讯地址为：471000 河南省洛阳市涧西区西苑路48号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。