[发明专利]基于工业大数据的装备集群健康状态评估方法

说明书

技术领域

本发明属于工程技术领域，涉及装备健康状态建模与评估，具体是一种基于集群建模的装备集群健康状态评估方法，可用于装备集群健康状态的差异性量化评估。

背景技术

装备健康状态评估主要是指根据安装的传感器测量的数据、人工测量的数据、历史数据、实验数据等进行分析，综合考虑装备的使用、环境、维修等因素的影响，利用各种评估算法建立模型，按照指定的评估指标体系对装备的健康状态进行评估，明确装备健康状态的一种技术。正确进行装备的健康状态评价并准确预测装备的剩余寿命对于有效的避免停机停产事故、保证设备安全运行、确保正常有序的生产和提高经济效益有着巨大的意义。

随着近年来国家装备制造业的飞速发展，大型复杂装备呈现出集群化、规模化的发展趋势。以地下工程施工装备盾构机为例，目前全国盾构行业有1000多台盾构机，每天同时工作的盾构机多达300多台，装备集群十分庞大。这些集群内的装备具有结构上的相似性，然而，由于其工作环境复杂，往往分布于不同的地理区域，使得其在不同工况下，甚至在相同工况下由于使用情况不同其健康状态也具有很大的差异。因此，单工况下对单台装备建模评估的方式已经远远不能满足大型装备集群差异性状态实时性评估和预测性维护的要求，面向集群装备的健康状态评估方法很有必要。

针对装备结构复杂、数量庞大所带来的集群健康状态评估问题，传统基于单台装备数据分析的健康评估方法已无法满足大型装备集群的实时健康状态评估和性能预测需求。并且随着大型复杂装备集群配备的传感器和数据采集系统能够采集越来越多的装备服役阶段的状态参数、运行工况、使用情况和环境参数等数据，为装备集群健康状态评估提供了可靠的大数据环境。因此提出一种基于工业大数据的装备集群健康状态评估方法，来对装备健康状态评估和预测。

发明内容

本发明的目的旨在解决大型集群装备的差异性量化评估问题，针对现有技术的不足，提出一种基于工业大数据的装备集群健康状态评估方法。

本发明是一种基于大数据集群建模的装备集群健康状态评估方法，其特征在于，集群健康状态评估方法基于装备集群全服役周期产生的装备大数据环境，包括设备的运行状态参数、设备运行的工况数据、设备使用过程中的环境参数、设备维护和保养记录和绩效类数据，以上数据来自装备传感器、人工记录和后续统计；装备集群健康状态评估包括有如下步骤：

步骤一：搭建大数据平台用于海量装备数据的存储和分析，该大数据平台包括Hadoop/Spark平台和Storm平台，Hadoop/Spark平台用于存储结构化与半结构化数据，Storm平台用于存储动态海量数据；

步骤二：运用实体状态切片化管理方法对装备大数据进行数据预处理，按照与装备状态水平的相关程度对装备大数据进行分类，数据主要分为两类：第一类为故障数据和维修保养记录数据，第二类为状态参数数据；根据不同类数据，选择不同的实体状态切片化管理方法，针对第一类数据，直接将其作为装备状态更新的参照节点；针对第二类数据，对装备集群的连续多变量运行数据进行异常状态的监测，采用工况参数子序列提取方法提取装备集群运行过程中具有显著变化的状态特征，以此作为状态更新的变化节点；

步骤三：基于时间序列分析方法，对装备的运行参数进行工况自动聚类，按照工况相似性聚类得到的簇作为集群的最小单位，又叫装备集，装备集内部采用相同的建模方法，方便进行统一分析；

步骤四：利用回归建模方法，根据历史数据对不同工况集群建立各自装备集群状态表达的镜像模型，进行装备集群健康状态量化，得到各自装备集群健康状态；

步骤五：进行数据融合重组得到单个装备的健康状态，并利用多项式插值法得到其健康状态衰退曲线，利用该衰退曲线进行装备剩余寿命预测，给出预测结果。

本发明基于装备集群全服役周期产生的大数据环境，运用大数据集群建模方法进行数据分析与建模，提出从数据预处理到数据建模再到集群分析的一整套流程，从而对集群装备的健康状态进行量化评估。本发明方法具有集群建模分析能力，克服以往建模方法只能分析单工况、单台设备的缺陷，充分利用集群产生的海量、多源、多种类数据，并借助大数据平台的存储和分析能力，准确、高效的对集群健康状态进行评估。

本发明与现有技术相比，具有以下优点：

(1)本分析方法涵盖了从数据预处理，数据建模到集群分析的一整套流程，方法主要包括三个核心步骤：实体状态信息切片化管理，建立实体系统镜像模型和集群状态量化模型，生成装备剩余寿命曲线，分别用于解决装备集群大数据集群建模中的数据预处理、数据建模和集群分析三个方面的问题。