1.一种基于粒子群优化的气动调节阀故障诊断方法，其特征在于，包括以下步骤：A、采用自适应变异的粒子群算法离线优化诊断专家系统A.1、数据采集：

在气动调节阀螺盖旁预留处和膜室外供气孔处分别安装位移传感器和压力传感器，按照25％阶跃给定4-20mA的电流输入信号，通过数据采集装置采集压力和位移数据，并通过串口通信将采集的数据传输至上位机；

气动调节阀故障分为C种，C是气动调节阀的状态类别数，包括C-1种故障状态及1种正常状态；在本专家系统参数优化部分，每个状态采集到的压力和位移数据作为一个原始样本，通过不同故障强度可以采集到同一状态不同的样本；每种状态都有Num个样本，样本总数T＝Num*6A.2、数据预处理以及离线诊断：

采集到的原始样本是一个包含压力和位移数据在内的2*N矩阵，N是采集的信号点数；

将采集到的样本数据传输至上位机，并为每个样本添加标签1-C，标签1-C分别代表气动调节阀的状态类别；使用专家系统对预处理的数据进行离线诊断；

根据专家系统离线诊断结果，求出诊断准确率，公式如下式中，Rate为诊断准确率，n(pre_label＝label)为准确诊断的样本个数，T为样本总个数；

A.3、粒子群算法优化专家系统参数：

采用自适应变异粒子群算法优化上述专家系统中的参数x1、x2、x3、x4；

A.4、离线验证粒子群优化的专家系统模型:

通过步骤A.3优化好的参数x1、x2、x3、x4更新专家系统，将采集到的样本输入到专家系统进行诊断，得到粒子群优化的专家系统的诊断结果，验证更新后的专家系统性能，实现离线故障诊断；

B、在线故障诊断：

B.1、植入故障诊断模型：

将步骤A中得到的粒子群算法优化好的专家系统植入故障诊断系统中，在数据采集装置基础上写入专家系统诊断模型B.2、在线采集实时数据：

通过数据采集装置在线采集运行状态下气动调节阀膜室压力、阀杆位移的实时数据；

B.3、故障诊断:

将所述步骤B.2中在线实时采集的样本xi，输入到已经植入的专家系统模型中进行故障诊断；

B.4、诊断结果输出：

将诊断结果输出至液晶显示模块，如果诊断结果为故障，则通过故障报警模块发出故障警告，相应故障指示灯闪烁；若诊断结果无故障，则显示屏显示无故障，不发出故障警告；

所述的步骤A.2中，专家系统具体如下：

A.2.1、阀芯磨损故障:

给定信号4mA处，只要阀杆位移小于零，则认定为此时出现阀芯磨损故障；

A.2.2、阀座异物故障:

给定信号4mA处，阀杆位移大于x1，则认定为此时出现阀座异物故障，其中x1是阀杆位移全行程的5％；

A.2.3、弹簧刚性减弱故障:

在最高信号点，膜室内的压缩空气气压与出厂时气压的差值大于最高信号点压力的

20％时，则认定此时出现弹簧刚性减弱了故障；x2＝Pm-Pn，式中，x2是最高信号点膜室压力之差，Pm调节阀最高信号点原始膜室压力，Pn调节阀最高信号点使用后膜室压力；

A.2.4、摩擦力增大故障：

压力信号由一稳定信号点向下一稳定信号点过渡时，其阶跃值超过出厂时阶跃值的

100％，则认定此时出现摩擦力增大故障； 式中x3是出厂时该段压力阶跃值的两倍，max(X)是该段压力最大值，mean(X)该段压力均值；

A.2.5、漏气故障：

停留位置膜室压力稳定后，压力峰峰值大于x4,则认为此时出现漏气故障，其中x4是最高信号点压力的2％；

A.2.6、如果未出现上述故障，则输出为无故障。

2.根据权利要求1所述的一种基于粒子群优化的气动调节阀故障诊断方法，其特征在于，所述步骤A.3中，采用自适应变异粒子群算法优化专家系统参数的具体步骤为：A.3.1、初始化粒子个数m、最大迭代次数k、粒子维数n、速度范围、位置范围、学习因子c1,c2以及终止条件，所述终止条件为迭代次数达到预设最大值或者全局最优粒子的适应度值小于预设的门限值；

A.3.2、将随机产生的m个粒子所在的位置分别设为各个粒子当前的局部最优位置，根据适应度函数计算所有粒子的适应度值，得到适应度值最小的粒子，并设为全局最优位置，适应度函数公式为：f＝-Rate,式中Rate为诊断准确率，fitness为适应度值；

A.3.3、根据速度和位置的更新方程在速度范围和位置范围内更新粒子的速度和位置，速度和位置的更新方程分别为：vij(k+1)＝vij(k)+c1r1(pij(k)-xij(k))+c2r2(pgj(k)-xij(k))；

xij＝xij+vij；

式中，i表示第i个粒子，j表示第j维度变量，pij表示粒子i的局部最优位置的j维变量对应的位置，pgj表示全局最优位置的第j维变量位置，xij表示粒子i第j变量当前的位置，vij表示粒子i的第j维变量的当前速度；r1和r2均表示范围在(0,1)之间的随机比例因子，c1和c2表示学习因子；

A.3.4、引入变异操作，以一定的概率重新初始化，扩大搜索空间，防止局部最优，产生(0,1)的随机数rand,如果rand大于0.9，按照如下公式重新初始化粒子的位置，否则，保持上述粒子位置不变：xij＝(max(xij)-min(xij))×rand+min(xij)；

式中，xij表示粒子i第j变量当前的位置，max(xij)表示粒子位置上限，min(xij)表示粒子位置下限，rand是(0,1)的随机数；

A.3.5、重新计算所有粒子的适应度值，将每个粒子重新计算的适应度值fi与该粒子局部最优位置适应度值fibest比较，如果fi

A.3.6、比较所有粒子的局部最优位置的适应度值,选取适应度值最小的局部最优位置,并将其适应度值fipbest与全局最优位置的适应度值figbest进行比较,如果fipbest

A.3.7、反复进行迭代，直到达到预设最大迭代次数或者全局最优位置的适应度值小于预设的门限值，从而确定全局最优位置。

3.根据权利要求2所述的一种基于粒子群优化的气动调节阀故障诊断方法，其特征在于，所述步骤B.3中，故障诊断具体方法为：B.3.1如果给定信号4mA处，阀杆位移小于零，则输出阀芯磨损故障；

B.3.2如果给定信号4mA处，阀杆位移大于x1，则输出阀座异物故障，x1为步骤A.3中优化好的阀座异物故障判定值；

B.3.3如果最高信号点压力与出厂时压力的差值大于x2，则输出弹簧故障，x2为步骤A.3中优化好的弹簧刚性减弱故障判定值；

B.3.4如果压力信号由一稳定信号点向下一稳定信号点过渡时，其阶跃值大于x3，则输出为摩擦力增大故障，x3为步骤A.3中优化好的摩擦力增大故障判定值；

B.3.5如果停留位置膜室压力稳定后，压力峰峰值大于x4,则输出为漏气故障，x4为步骤A.3中优化好的漏气故障判定值；

B.3.6如果未出现上述故障，则输出为无故障。