[发明专利]一种基于HTM的传送带故障预测方法、系统及装置

说明书

本发明公开了一种基于HTM的传送带故障预测方法、系统及装置，该方法包括：采集传送带设备的状态数据；将传送带设备的状态数据输入至HTM算法模型进行处理，从而输出异常分数。该系统包括：采集单元和处理单元。该装置包括存储器以及用于加载存储器中的程序以执行上述基于HTM的传送带故障预测方法。本发明的传送带故障预测方案无需人工预先定义好规则，无需人工对大量状态进行状态间的规则关联挖掘，无需人工更新规则，大大减少了运营人员的工作量和工作负担，提高工作效率和操作使用便利性，而且还极大地提高了故障预测的准确性和实时有效性。本发明作为一种基于HTM的传送带故障预测方法、系统及装置可广泛应用于机场传送设施中。

技术领域

本发明涉及故障预测技术，尤其涉及一种基于HTM算法的传送带(机场行李传送带)故障预测方法、系统及装置。

背景技术

技术词解释：

HTM：Hierarchical Temporal Memory，分层时间记忆算法。

针对机场行李传送带这一会存在老旧、甚至是过时设备的生产设施而言，它们的维护程序经常会导致不必要的费用，比如，因运行停机而造成的损失、能源浪费和人力成本等。通常，按照传统的维护程序可知，其需要定期进行日常维护，这就意味着操作人员很有可能在对一些并不需要维护的设备进行保养，这就意味着造成了时间和资源的浪费；或者，更换掉那些仍具有使用价值的设备。此外，使用传统的维护程序，如果一个设备没有按规定进行日常维护，那即使有某些征兆显示其要发生事故，也可能被忽视，故障预测实时性差。为了改变目前设备维护不及时这个现状，在大数据的驱动下，预测性维护就应运而生。

预测性维护(Predictive Maintenance，简称PdM)是以状态为依据的维修，在机器运行时，对它的主要(或需要)部位进行定期(或连续)的状态监测和故障诊断，判定装备所处的状态，从而预测装备状态未来的发展趋势，依据装备的状态发展趋势和可能的故障模式，预先制定预测性维修计划，确定机器应该修理的时间、内容、方式和必需的技术和物资支持。可见，所述预测性维修是集装备状态监测、故障诊断、故障(状态)预测、维修决策支持和维修活动于一体，一种新兴的维修方式。

就目前的预测性维护而言，技术上多数是采用“状态监测+规则匹配”的方法来实现故障预测。其中，所述状态监测的方法可依据状态检测手段的不同而分成许多种，常用的包括有振动监测法、噪声监测法、温度监测法、压力监测法、油液分析监测法、声发射监测法等，通过将这些方法采集到的数据与事先定好的规则相匹配，如果匹配中了，就说明存在故障风险，例如，通过温度监测法，得知目前发动机温度为60摄氏度，通过振动监测法，得知目前机器的振动频率为30下/分钟，那么根据定义好的规则“当发动机温度超过55摄氏度，机器振动频率大于18下/分钟时，机器将会发生故障”可知，该规则与状态监测到的结果相吻合，因而该传送带设备被预测为故障，需要被维护。然而，采用“状态监测+规则匹配”的方法来实现故障预测，这却存在不少缺点，例如：1、需要事先根据运营人员经验定义好若干规则，涉及过多人为操作，导致工作人员的工作量大，而且预测准确性低下，容易出现预测失误；2、如果有新的故障类型出现，原规则没法正确匹配，则需要去人为更新规则，更新迭代的时效性低；3、当状态较多时，人工难以发现状态间存在的规则关联，因此，人工定义的规则难以精准地匹配对应各种状态，从而导致故障预测的精准度低下。

发明内容

为了解决上述技术问题，本发明的目的是提供一种基于HTM的传送带故障预测方法、系统及装置，可避免过多的人为操作，极大地提高预测的实时有效性和精准度。

本发明所采用的第一技术方案是：一种基于HTM的传送带故障预测方法，包括以下步骤：

采集传送带设备的状态数据；

将传送带设备的状态数据输入至HTM算法模型进行处理，从而输出异常分数。