[发明专利]预测故障的系统和方法

权利要求书

1.一种用于促进对与采矿井中的气体提取相关联的部件的磨损和后续的故障进行预测的系统，所述系统包括：

一个或多个用户设备，所述一个或多个用户设备通信地耦接到用于气体提取的煤层气CBM井；

一个或多个传感器，所述一个或多个传感器耦接到所述采矿井中的一个或多个泵；

其中，所述一个或多个用户设备包括执行存储在存储器中的可执行指令集的一个或多个处理器，在执行所述可执行指令集时，所述处理器使所述系统：

通过数据获取引擎从所述一个或多个传感器获取数据包集合，其中，在任何同步和异步时间实例处接收所述数据包集合；

通过特征生成引擎从同步的数据包中提取属性集合，其中，所述特征生成引擎被配置为从提取的属性集合中生成特征，所述提取的属性集合与接收的数据包的插值相关联；

通过生成自适应网络GAN引擎基于所述提取的属性集合的生成特征来评估模型参数集合；

基于所述模型参数集合的评估，通过预测引擎预测与所接收的数据包集合相关联的故障。

2.根据权利要求1所述的系统，其中，所述采矿井包括任意石油、甲烷、煤层或其组合。

3.根据权利要求1所述的系统，其中，通过将所述接收的数据包转换为同步和规则时间间隔的数据包，来使所述接收的数据包同步。

4.根据权利要求1所述的系统，其中，所述GAN引擎被配置为检测与所述模型参数集合相关联的异常。

5.根据权利要求2所述的系统，其中，所述一个或多个用户设备包括SIM，其中，所述SIM包括与所述一个或多个用户设备相关联的基本文件和位置参数。

6.根据权利要求1所述的系统，其中，GAN训练引擎被配置为监测和更新一个或多个模型参数，使得所述系统被配置为训练自身以获得所述一个或多个模型参数，从而在多个时间间隔内预测异常并生成故障数据。

7.根据权利要求1所述的系统，其中，所述GAN训练引擎被配置为通过将故障前的某些天的数据标记为属于故障数据来标记所述故障。

8.一种用于促进对与采矿井中的气体提取相关联的部件的磨损和后续的故障进行预测的方法，所述方法包括：

通过数据获取引擎从一个或多个传感器获取数据包集合，其中，在任何同步和异步时间实例处接收所述数据包集合；

通过特征生成引擎从所获取的数据包集合中提取属性集合，其中，所述特征生成引擎被配置为从提取的属性集合中生成特征，所述提取的属性集合与获取的数据包的插值相关联；

通过生成自适应网络GAN引擎基于所述提取的属性集合的生成特征来评估模型参数集合；

基于所述模型参数集合的评估，通过预测引擎预测与所接收的数据包集合相关联的故障。

9.根据权利要求8所述的方法，其中，对预测的故障进行标记和分类，以进行有效的规划。

10.根据权利要求8所述的方法，其中，识别噪声和缺失数据，并且其中使用插值来估计所述噪声和缺失数据。

11.根据权利要求8所述的方法，其中，由所述GAN引擎评估的模型参数对应于召回率、精确度和准确度，其中，所述召回率与正确检测到的故障数量和实际发生的故障总数相关联，其中，所述精确度与所述正确检测到的故障数量和检测到的故障总数相关联。