Resumen

Teniendo en cuenta las características del diagnóstico de averías en estaciones de bombeo, como su compleja estructura, múltiples mapeos y numerosas incertidumbres, se propone un nuevo enfoque que combina el árbol de fallos de puerta difusa T-S y la red bayesiana (BN). Por un lado, el método tradicional de árbol de fallos necesita la relación lógica entre los eventos y el valor de probabilidad de los eventos y sólo puede representar los eventos con dos estados. El método de árbol de fallos de puerta difusa T-S puede resolver estas desventajas, pero aún tiene debilidades en el razonamiento complejo y sólo razonamiento unidireccional. Por otro lado, la BN es adecuada para el diagnóstico de averías en estaciones de bombeo por su gran capacidad para tratar con información incierta. Sin embargo, es difícil determinar la estructura y las tablas de probabilidad condicional de la BN. Por lo tanto, el método propuesto integra las ventajas de los dos métodos. Por último, se verifica la viabilidad del método mediante un modelo de diagnóstico de fallos del rotor de la unidad de bombeo, se comprueba la precisión del método comparándolo con los métodos basados en la red bayesiana tradicional y la red neuronal BP, respectivamente, cuando los datos históricos son suficientes, y los resultados son más superiores a los dos anteriores cuando los datos históricos son insuficientes.

• Materias:Ingeniería electrónica Redes Inalámbricas Ingeniería Eléctrica Procesamiento de señales asistido por computador Sistemas de comunicación Informática
• Subjects:Electronic engineering Wireless Networks Electrical Engineering Signal processing computer-assisted Communication systems Computing
• Palabras claves:sucesos, método, diagnóstico de fallos, datos históricos, árbol de fallos de compuerta difusa, método del árbol de fallos de compuerta difusa, método tradicional del árbol de fallos, tablas de probabilidad condicional, modelo de diagnóstico de fallos, red bayesiana tradicional
• Keywords:events, method, fault diagnosis, historical data, fuzzy gate fault tree, fuzzy gate fault tree method, traditional fault tree method, conditional probability tables, fault diagnosis model, traditional bayesian network