[发明专利]一种工业生产设备故障预测分析方法及模型

说明书

本发明公开了一种工业生产设备的故障预测分析方法及模型。包括以下步骤：步骤S1：划分设备级别并采集运行数据；对一般设备采集各个周期内的故障率、故障类别、故障原因；对关键设备，实时采集设备运行数据；步骤S2：执行设备故障预测分析；对一般设备执行步骤S2.1，本发明涉及工业生产设备技术领域，该工业生产设备的故障预测分析方法及模型通过设备端对数据进行采集，然后将数据传输至故障分析系统，通过故障分析系统对故障的原因进行分析，然后通过故障预警单元接收故障预警信息，并将警报发送给对应的人员和设备，从而可以快速、精准的找到故障，方便工作人员对故障进行维修，从而避免故障影响生产设备的正常运行。

技术领域

本发明涉及工业生产设备技术领域，具体为一种工业生产设备的故障预测分析方法及模型。

背景技术

目前国内大部分生产制造企业对生产系统和生产设备的监管还是停留在人工管理的水平，尤其是对设备故障的维修，只能采取事后抢修的方式，不仅无法发现故障隐患，也不利于及时检修，故障检修效率低下，开销巨大，严重地影响企业生产效益。

故障预测与健康管理系统PHM(Prognostic and Health Management)是目前进行设备故障预警和诊断的有效工具，PHM系统可使用集中式、分散式、分层式等多种部署策略，通过算法和模型来预测和管理系统健康状况，当前工业设备故障预测分析研究的主要瓶颈在于：

(1)设备运行参数难以采集，由于工业设备类型多种多样，每种设备都有各自的运行参数，采集设备运行数据代价巨大，难以对所有设备参数进行有效监控；

(2)设备监控的实时性要求较高，工业设备往往需要长时间不间断运作，因此需要实时监控设备运行参数，一旦发现故障隐患立即处理，这要求算法和模型具有快速、精准的能力；

(3)设备故障难以排查，很多工业设备系统非常复杂，轻微的设备故障不容易被察觉，而且工业设备受到复杂的环境因素影响，导致难以明确发生故障的原因。

发明内容

针对现有技术的不足，本发明提供了一种工业生产设备的故障预测分析方法及模型，解决了设备运行中的故障预警、故障原因分析的问题。

为实现以上目的，本发明通过以下技术方案予以实现：一种工业生产设备的故障预测分析方法，包括以下步骤：

步骤S1：划分设备级别并采集运行数据；对一般设备采集各个周期内的故障率、故障类别、故障原因；对关键设备，实时采集设备运行数据；

步骤S2：执行设备故障预测分析；对一般设备执行步骤S2.1，对关键设备执行步骤S2.2；

步骤S2.1：执行一般设备故障预测；

步骤S2.1.1：设原始时序特征为x⁽⁰⁾＝(x⁽⁰⁾(1),x⁽⁰⁾(2),…,x⁽⁰⁾(n))，采用灰色系统理论对其进行一次加权累加，生成新的数据序列：x⁽¹⁾＝(x⁽¹⁾(1),x⁽¹⁾(2),…,x⁽¹⁾(n))，其中0＜α＜1为距离权重；

步骤S2.1.2：GM(1,1)模型的背景值为z⁽¹⁾＝(z⁽¹⁾(2),z⁽¹⁾(3),…,z⁽¹⁾(n))，其中 z⁽¹⁾(k)＝0.5(x⁽¹⁾(k)+x⁽¹⁾(k-1))；

步骤S2.1.3：设GM(1,1)的发展系数和灰色作用量分别是a,b，时序序列的预测结果为

步骤S2.2：执行关键设备故障预测；