[发明专利]一种面向大型旋转机组健康管理的数据处理方法及系统

说明书

本发明提供了一种面向大型旋转机组健康管理的数据处理方法及系统，该系统包括源数据层，数据明细层，数据增维层和算法应用展示层，分别用于获取旋转机组运转过程中的运行状态数据；将获得的运行状态数据进行数据清洗修复处理，得到数据明细表；将清洗修复后的运行状态数据进行维度扩展处理和维度信息匹配处理，得到增维且信息匹配后的全量明细数据宽表；对全量明细数据宽表中各个维度的运行状态数据，分别匹配对应的深度学习算法模型进行数据计算和聚合统计分析，并对数据计算和聚合统计分析结果进行可视化展示。使用本发明的方法及系统，降低了深度学习算法中数据的耦合性，增加了中间数据的复用性，减少了健康管理过程中数据处理的人力、时间成本。

技术领域

本发明涉及设备信息监测及大数据技术领域，具体涉及一种面向大型旋转机组健康管理的数据处理方法及系统。

背景技术

随着对机械设备安全性和可靠性的要求日益提高，健康管理和智能运维技术的重要性不断提升，面向大型旋转机组的健康管理智能运维技术发展愈发迅速。大型旋转机组健康管理智能运维即通过收集旋转机组运行过程数据，利用深度学习的方法对机械设备进行故障预测、寿命预测和维修决策。传统的深度学习方式往往要经过繁琐的数据处理流程，形成大量中间数据，健康管理智能运维数据存在耦合性强的特点，难以针对多种算法模型进行数据复用，造成大量的人力、时间成本浪费。因此，有必要建立面向大型旋转机组的健康管理的数据仓库，构建具有高复用性的健康管理数据。

传统数据仓库采用维度建模，通常分为数据准备层，数据明细层，数据汇总层，数据集市层，数据应用层。传统数据仓库领域建模往往以业务流程为导向进行数据分层，面向业务需求进行统计分析，而大型旋转机组健康管理智能运维所需数据主要面向不同深度学习模型的不同需求，因此传统的数据仓库建模方式在大型旋转机组健康管理智能运维中难以适用，需要针对大型旋转机组健康管理智能运维的特点建立面向大型旋转机组健康管理智能运维的数据仓库。

发明内容

针对上述现有技术的不足，本发明实际需要解决的问题是：如何一种面对大型旋转机组健康管理智能运维的数据处理方法及系统，以解决目前旋转机组健康管理智能运维过程中所使用的数据耦合性强，数据复用率低，人力、时间成本浪费高的问题。

为解决上述技术问题，本发明采用了如下的技术方案：

一种面向大型旋转机组健康管理的数据处理方法，包括如下步骤：

步骤1：获取旋转机组运转过程中的运行状态数据；

步骤2：将获得的运行状态数据进行数据清洗修复处理，得到数据明细表；

步骤3：将清洗修复后的运行状态数据进行维度扩展处理和维度信息匹配处理，得到增维且信息匹配后的全量明细数据宽表；

步骤4：对全量明细数据宽表中各个维度的运行状态数据，分别匹配对应的深度学习算法模型进行数据计算和聚合统计分析，并对数据计算和聚合统计分析结果进行可视化展示。

上述面向大型旋转机组健康管理的数据处理方法中，作为优选，所述步骤2具体为：

对获得的运行状态数据按照不同的数据维度进行数据切片处理，得到运行状态数据在不同数据维度的数据明细；

对各维度的运行状态数据进行数据清洗处理，清除掉其中的无效数据；

对各维度的运行状态数据进行异常数据排查，并对排查到的异常数据进行修复处理；

对清洗修复后的各维度的运行状态数据进行整理，得到数据明细表。

上述面向大型旋转机组健康管理的数据处理方法中，作为优选，所述步骤3具体为：

对清洗修复后的运行状态数据进行时频分析和参数指标提取，将时频分析所得的数据维度和参数指标提取所得的数据维度均添加至数据明细表中，进行维度扩展处理，得到增维数据宽表；

匹配与运行状态数据相关联的其它设备，将与运行状态数据相关联的其它设备参数信息作为新的数据维度，添加至增维数据宽表中，得到全量明细数据宽表。