[實用新型]帶有風險控制的設備維修預警裝置

無效

• 申請號: 201020517175.7
• 申請日: 2010-09-01
• 公開（公告）號: CN201898519U
• 公開（公告）日: 2011-07-13
• 發明（設計）人: 劉晶;朱清香;季海鵬;滕麗麗;張蕾
• 申請（專利權）人: 燕山大學
• 主分類號: H04L12/24
• 分類號: H04L12/24;G06N3/02
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本實用新型涉及一種設備維修預警裝置，尤其涉及一種帶有風險控制的設備維修預警裝置。

背景技術

現代設備具有復雜、精密、價格高、功率大的特點，其安全性和可靠性要求比較高。因此，對設備系統實時在線監控，建立有效、準確的故障診斷及預警系統顯得十分重要。

現有的方法在實際的應用中都取得了一定的效果，但是存在著一些局限性，主要如下：1、各種信息檢測手段和預警方法都未能將診斷對象看成一個有機的整體，未能有效的考慮設備的各個部件之間可能存在的相互聯系和影響。2、難以處理多種故障并存的復雜情況。在實際的設備故障演變過程中，系統的各個部件之間有著緊密的聯系，各種故障經常同時發生，因此現有技術方法還很難得到較為準確的預測值。

風險維修(Risk?Based?Maintenance，簡稱RBM)是基于風險分析和評價而制訂維修策略的方法。風險維修也是以設備或部件處理的風險為評判基礎的維修策略管理模式。設備維修模式以及技術體系的發展分為四個階段，即：事后維修、計劃維修、狀態維修和風險維修，由此可見，風險維修作為下一代的以可靠性為中心的維修方法(Reliability?Centered?Maintenance，簡稱RCM)，是現代設備維修管理的發展方向。

關聯規則(Association?Rule)是為了挖掘出隱藏在數據之間的相互關系，找出所有能把一組事件或數據項與另一組事件或數據項聯系起來的規則。

挖掘關聯規則的基本思路：給定一個事務集，挖掘關聯規則的任務就是生成支持度(support)和置信度(confidence)分別大于用戶給定的最小支持度(minsupp)和最小置信度(minconf)的關聯規則。滿足最小支持度、最小置信度和相關度要求的規則稱為強規則。尋找出所有有效的強規則就是關聯規則數據挖掘要完成的任務。

神經網絡有很強的非線性擬合能力，可映射任意復雜的非線性關系，而且學習規則簡單，便于計算機實現。具有很強的魯棒性、記憶能力、非線性映射能力以及強大的自學習能力，因此有很大的應用市場。

BP(Back?Propagation)神經網絡，即誤差反傳誤差反向傳播算法的學習過程，由信息的正向傳播和誤差的反向傳播兩個過程組成。輸入層各神經元負責接收來自外界的輸入信息，并傳遞給中間層各神經元；中間層是內部信息處理層，負責信息變換，根據信息變化能力的需求，中間層可以設計為單隱層或者多隱層結構；最后一個隱層傳遞到輸出層各神經元的信息，經進一步處理后，完成一次學習的正向傳播處理過程，由輸出層向外界輸出信息處理結果。當實際輸出與期望輸出不符時，進入誤差的反向傳播階段。誤差通過輸出層，按誤差梯度下降的方式修正各層權值，向隱層、輸入層逐層反傳。周而復始的信息正向傳播和誤差反向傳播過程，是各層權值不斷調整的過程，也是神經網絡學習訓練的過程，此過程一直進行到網絡輸出的誤差減少到可以接受的程度，或者預先設定的學習次數為止。

發明內容

本實用新型的主要目的在于提供一種可以通過對監測設備的數據進行分析和處理達到預測其設備潛在故障風險值的裝置，當達到或超過規定的閾值時，裝置報警并顯示故障類型及故障風險值。

在實際的生產中，設備的狀態變化是一個連續的過程，在到達當前的狀態下繼續運行，其設備各個部件的磨損概率是不同的，即會產生有選擇的磨損。本實用新型提出一種帶有風險控制的設備維修預警裝置，通過對監測設備的數據進行分析和處理達到預測其設備潛在故障風險值的目的。該裝置采用實時動態決策方法，根據設備運行過程中的信息實時預測的設備潛在故障風險值，使其更符合實際情況。該實用新型在實際中有很強的應用價值。

本實用新型解決其技術問題所采用的技術方案是：帶有風險控制的設備維修預警裝置，包括外部系統監測接口模塊以及連接外部系統監測接口模塊的設備故障預警裝置，其中外部系統監測接口模塊將被監測設備的相關數據發送給設備故障預警裝置，所述設備故障預警裝置包括：數據處理器、模式匹配模塊、后果預測模塊、關聯挖掘模塊、BP神經網絡模塊、風險預測模塊和輸出顯示裝置，其中，

數據處理器：用于連接外部系統監測接口模塊，接收外部系統監測接口模塊發送的被監測設備的相關數據，規范數據提取特征值，并發送給模式匹配模塊；