技术摘要：
本发明公开了本发明提供了一种基于随机森林算法的农田水泵故障诊断方法及装置，包括以下步骤：采集农田水泵的实时运行数据，将实时运行数据输入随机森林模型，得到运行状态的分布情况；根据运行状态的分布情况，分析得出水泵是否发生故障的概率，进而预测该水泵是否发  全部
背景技术：
水泵被用于输送液体或提升液体压力，是工农业生产中非常重要的设备。在农业 灌溉及排涝系统中，水泵运行状况的好坏直接影响着农业生产能否正常进行。随着运行时 间的积累，水泵将会发生缓慢的退化，轴承被磨损，润滑油被污染，管道腐蚀、结垢，最终造 成轴承发热、性能下降、零部件损坏及管路堵塞、泄漏等故障，在故障检修完成前，所有相关 的生产将被迫中止，导致巨大的损失。而如果能够提前预测可能出现故障的水泵，分析水泵 故障的类型，然后及时对其进行检修，不仅可以缩短故障排查的时间，减少人力财力的投 入，还能降低由设备和人员闲置造成的巨大损失，提高设备运行的稳定性。 随着信号分析技术、计算机技术、模糊和人工智能技术的发展，水泵系统的故障诊 断技术有了很大程度的进步，但仍存在针对性低，大量故障检修数据未得到合理利用等问 题。因此，有必要根据水泵的流量、压力、温度等数据，预测水泵是否发生故障。然后结合大 量的故障检修数据，辨别故障水泵的故障类型，及时派专业人员对其检修，提高故障检修的 效率，减少故障引起的损失。
技术实现要素：
为了克服现有技术上的不足，本发明提供了一种基于随机森林算法的农田水泵故 障诊断方法及装置，解决现有农田水泵故障诊断方法针对性低，工作量大，大量故障检修数 据未得到合理利用的技术问题，以提高农田水泵故障诊断的工作效率，降低无效工作量。 为了解决上述技术问题，本发明提供了一种基于随机森林算法的农田水泵故障诊 断方法，其特征是，包括以下步骤： 采集农田水泵的历史运行数据，将历史运行数据与对应的运行状态构成训练集， 利用训练集训练得到由多个决策树组成的随机森林模型； 采集农田水泵的实时运行数据，将实时运行数据输入随机森林模型，得到运行状 态的分布情况； 根据运行状态的分布情况，分析得出水泵是否发生故障的概率，进而预测该水泵 是否发生故障。 进一步的，所述农田水泵的运行数据包括流量、扬程、功率、转速、温度以及工作压 力六类特征。 进一步的，所述运行状态包括不存在故障和存在故障两类。 进一步的，所述根据运行状态的分布情况分析得出水泵是否发生故障的概率，包 括： 存在故障的概率为各特征存在故障的概率与其对应的权重乘积之和； 3 CN 111582362 A 说　明　书 2/7 页 不存在故障的概率为各特征不存在故障的概率与其对应的权重乘积之和。 进一步的，预测该水泵是否发生故障包括： 若存在故障的概率大于等于不存在故障的概率，则判断该水泵发生故障；否则判 断该水泵未发生故障。 相应的，本发明还提供了一种基于随机森林算法的农田水泵故障诊断装置，其特 征是，包括随机森林模型训练模块、实时运行状态计算模块和故障诊断模块，其中： 随机森林模型训练模块，用于采集农田水泵的历史运行数据，将历史运行数据与 对应的运行状态构成训练集，利用训练集训练得到由多个决策树组成的随机森林模型； 实时运行状态计算模块，用于采集农田水泵的实时运行数据，将实时运行数据输 入随机森林模型，得到运行状态的分布情况； 故障诊断模块，用于根据运行状态的分布情况，分析得出水泵是否发生故障的概 率，进而预测该水泵是否发生故障。 进一步的，所述农田水泵的运行数据包括流量、扬程、功率、转速、温度以及工作压 力六类特征。 进一步的，所述运行状态包括不存在故障和存在故障两类。 进一步的，故障诊断模块中，所述根据运行状态的分布情况分析得出水泵是否发 生故障的概率，包括： 存在故障的概率为各特征存在故障的概率与其对应的权重乘积之和； 不存在故障的概率为各特征不存在故障的概率与其对应的权重乘积之和。 进一步的，故障诊断模块中，所述预测该水泵是否发生故障包括： 若存在故障的概率大于等于不存在故障的概率，则判断该水泵发生故障；否则判 断该水泵未发生故障。 与现有技术相比，本发明的有益效果为：本发明方法简单，提高农田水泵故障诊断 的工作效率，降低无效工作量。、 附图说明 图1为本发明的方法流程图。