[发明专利]机电装备故障预诊与健康管理方法及系统

说明书

技术领域

本发明涉及设备的故障预测与健康管理领域，且特别涉及一种机电装备故障预诊与健康管理方法及系统。

背景技术

随着中国社会经济的高速发展，各种机电装备的性能不断提高，向着高速化、重载化、智能化的方向不断发展，系统组成复杂性也不断增加，使机电装备的可靠性、维修性等问题日渐突出。目前对机电装备的维修多停留在离线定期检修阶段，这种方法实时性较差，维修效率较低，会造成“该修没修、不该修却修”的维修不足和维修过度的缺点。国内外相关单位在机电装备基于状态维修和预测性维修方面做了大量研究工作，提出了许多机电装备故障预测和诊断方法并搭建了相关机电装备监控系统。

然而，现有的这些故障预测和诊断方法多是针对单台设备在单一或恒定工况下进行的。而目前机电装备面临的问题是需要对多台设备在多工况下的健康状态进行监测、比较和预测，传统的故障预测和诊断方法存在一定的局限性。进一步的，已有的机电装备监控方法和系统在数据采集时只注重采集设备的状态数据，而对许多重要的信息如设备使用时的工况数据、环境参数、维护保养记录及绩效类数据没有有效同步记录，造成这些数据的调用和相互对照变得十分困难，并且在对运行状态数据进行采集时往往采用固定的和无差别的采集策略，造成消耗大部分时间采集许多无用的信息。更进一步的，已有的机电装备监控方法和系统只能根据分析计算结果给出报警、维修指导建议等信息，但是没有基于这些监测信息进行决策优化和系统重配置。

此外，由于对多台设备在多工况下的健康状态监测和预测需要存储和处理大量的数据，单纯依靠提高计算机的硬件配置来实现数据的实时处理变得越来越难，并且目前的大数据计算方法存在的问题之一是需要人工来配置处理数据的计算服务器节点数量，费时费力。并且在很多机电装备监控系统在分析过程中多依赖专家经验，存在着大量手动分析、肉眼观察、参数试凑等缺陷。

发明内容

本发明为了克服现有的机电装备无法实现多台设备多工况下的健康状态监控以及预测的问题，提供一种适用于多设备多工况的机电装备故障预诊与健康管理方法及系统。

为了实现上述目的，本发明提供一种机电装备故障预诊与健康管理方法，该方法包括：

数据获取，获取机电装备的数据信息；

自诊断，对某一台机电装备在不同运行模式和健康状态下的历史数据信息进行特征提取和模型建立，再利用建立的模型将当前状态获取的数据信息与历史数据信息进行比较，自动识别该台机电装备的当前健康状态；

健康状态预测，根据自诊断后获得的该台机电装备的当前健康状态和历史健康状态预测该台机电装备未来健康状态的变化；

集群分析，根据单台机电装备的当前健康状态对机电装备集群中的多台机电装备的数据信息进行聚类和分析比较，得到多台机电装备的健康状态等级和风险分布。

于本发明一实施例中，数据信息为机电装备的全生命周期信息，全生命周期信息包括运行状态数据。

于本发明一实施例中，在自诊断和健康状态预测过程中采用上层定制工具和底层调用工具对某一台机电装备的数据信息进行特征提取、模型建立以及健康状态识别，上层定制工具根据该台机电装备的数据信息自动调用底层调用工具中每一工具库的数据分析模型。

于本发明一实施例中，上层定制工具调用底层调用工具内每一工具库的数据分析模型的步骤包括：

上层定制工具分别将机电装备的运行状态数据和其余全生命周期信息的重要度等级进行定制；

根据机电装备的运行状态数据和其余全生命周期信息的重要度等级进行计算，获得底层调用工具中每一工具库内每一数据分析模型的权重；

选取每一工具库内权重最大的数据分析模型对该台机电装备的数据信息进行分析。

于本发明一实施例中，底层调用工具内包含特征提取工具库、状态评估工具库、故障诊断工具库、故障及寿命预测工具库。

于本发明一实施例中，在获取机电装备的数据信息时根据事件信息、活动目标和设备状态自动产生符合信息分析需求的数据采样控制信号来进行数据采集。

于本发明一实施例中，在自诊断、健康状态预测和集群分析过程中，根据获取到的数据信息的量自动配置计算服务器的节点数量。

于本发明一实施例中，机电装备故障预诊与健康管理方法还包括根据得到的多台机电装备的健康状态等级对机电装备控制模型的自重构，自重构包括对单台机电装备的控制模型的调整和/或对机电装备集群的控制模型的调整。