[发明专利]一种支持机电设备预测性维护的激励测试方法及系统

说明书

本发明公开了一种支持机电设备预测性维护的激励测试方法及系统，包括以下步骤：步骤1：定义机电设备线上场景安全诱因，构建覆盖完整工况的激励数据集；步骤2：将步骤1中的激励数据集中的数据转译为物理量语言；步骤3：根据测试设施所投射的物理信号对机电设备进行加载；步骤4：根据步骤3中的测试得到测试结果，形成覆盖完整工况的安全基线数据库；步骤5：根据步骤4中的安全基线数据库即可完成机电设备的预测性维护；本发明克服机理解析和经验检测的困难，通过工况覆盖和表象诊断实现激励测试。

技术领域

本发明涉及机电设备故障诊断与健康维护技术领域，具体涉及一种支持机电设备预测性维护的激励测试方法及系统。

背景技术

机电设备作为一个由复杂构件组成、在复杂环境中服役、完成具有时空分布特征的多功能服务整体，是一个复杂大系统，其安全行为的决定要素众多、耦合复杂、涌现丰富。因此，机电设备安全相关要素辨识、要素间关联影响机理、涌现规律、异常行为预测及基于预警的风险评估，已成为支持机电设备安全行为理解、安全运维保障的重大问题。

在机电设备全生命周期的故障诊断与健康维护中，主要面临着两个方面的挑战。一是机理解析难，相关设备设施多依赖于外部第三方制造，机理规律解析下的精细化测试力实在是不从心；二是经验检测难，小样本/零工况环境呈随机分布存在，经验故障模式下的被动性测试往往是束手无策。

因此，在克服机理解析和经验检测的两难困境下，探索支持工况覆盖和表象诊断的激励测试新方法新系统，是主动化安全、预测性维护的未来发展方向。工况覆盖，即将机电设备在线上应用场景中可能会经历的全部工况，事先在线下提前经历，形成对线上安全研判的基础依据；表象诊断，即忽略内部原理构造，将基于大数据分析的维护决策手段转化为基于测试功能是否实现的表象观测上。

发明内容

本发明针对现有技术存在的问题提供一种支持机电设备预测性维护的激励测试方法及系统。

本发明采用的技术方案是：

一种支持机电设备预测性维护的激励测试方法，包括以下步骤：

步骤1：定义机电设备线上场景安全诱因，构建覆盖完整工况的激励数据集；

步骤2：将步骤1中的激励数据集中的数据转译为物理量语言；

步骤3：根据测试设施所投射的物理信号对机电设备进行加载；

步骤4：根据步骤3中的测试得到测试结果，形成覆盖完整工况的安全基线数据库；

步骤5：根据步骤4中的安全基线数据库即可完成机电设备的预测性维护。

进一步的，所述步骤1中安全诱因分解为彼此互不相容的“元诱因”，安全诱因分解为“元诱因”方法为：抛开机电设备的外在属性，以自身服役安全保障的共性需求为标准，将设备拆分n类构件，选择可支持诊断构件相应问题的征兆参数作为“元诱因”。

进一步的，所述步骤2中转译方法是基于物理量数据字典工况激励数据映射为物理量语言；映射过程是利用搜索树算法在物理量数据字典中寻找匹配相应的健值记录。

进一步的，所述步骤3中加载过程是基于工况激励数据中蕴含的正序时间过程，调用物理量数据字典中的测试设施进行加载。

进一步的，所述步骤3中加载过程中通过等比例压缩时间序列的方法加速加载过程。

进一步的，所述步骤4中测试结果按照工况激励数据中的正序时间关系以“时点+时长”为主键，将此时间范围内所有的安全诱因作为预测性维护的条件字段；测试反应数据作为预测性维护的结果字段，进行数据的一一对偶标识，形成覆盖完整工况的安全基线数据库。

一种支持机电设备预测性维护的激励测试方法的激励测试系统，包括：