[發(fā)明專利]工程機械的部件剩余壽命預測系統(tǒng)及方法

無效

• 申請?zhí)枺?/td>: 201110354197.5
• 申請日: 2011-11-10
• 公開（公告）號: CN102402727A
• 公開（公告）日: 2012-04-04
• 發(fā)明（設計）人: 費勝巍;李明;李昱;趙亮;吳飛
• 申請（專利權）人: 中聯(lián)重科股份有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/02
• 代理公司: 上海波拓知識產權代理有限公司 31264
• 代理人: 楊波

技術領域

本發(fā)明涉及工程機械故障預測與維持技術領域，尤其涉及工程機械的部件剩余壽命預測系統(tǒng)及方法。

背景技術

當前工程機械的部件的剩余壽命預測采用的是單一的可靠性分析技術，缺乏實時性的信息以及壽命動態(tài)性的考慮，預測精度低，難以有效實現(xiàn)預警作用及降低維護費用，從而影響故障控制效果。

發(fā)明內容

因此，本發(fā)明提供工程機械的部件剩余壽命預測系統(tǒng)及方法，可較精確地預測部件的剩余壽命，以有效實現(xiàn)預警作用及降低維護費用，從而提升故障控制效果。

具體地，本發(fā)明實施例提出的一種工程機械的部件剩余壽命預測系統(tǒng)，包括可靠性分析模塊、數(shù)據(jù)預處理模塊以及剩余壽命預測模塊。其中，可靠性分析模塊包括剩余壽命范圍獲取模塊以及當前評估對象確定模塊，而剩余壽命范圍獲取模塊利用動態(tài)可靠性分析模型獲取部件的剩余壽命范圍，當前評估對象確定模塊將剩余壽命范圍的下限值小于預設的閾值的部件確定為當前評估對象。數(shù)據(jù)預處理模塊接收實時采集的作為當前評估對象的部件的特征參數(shù)信息、提取特征參數(shù)信息中的特征參數(shù)值、并對提取的特征參數(shù)值進行預處理以構建樣本數(shù)據(jù)集。剩余壽命預測模塊利用神經網絡預測模型根據(jù)樣本數(shù)據(jù)集獲取預測的特征參數(shù)值、并利用預測的特征參數(shù)值參照作為當前評估對象的部件處于故障狀態(tài)的特征參數(shù)值以獲取部件的剩余壽命。

在本發(fā)明實施例中，上述部件剩余壽命預測系統(tǒng)還可包括通訊接口，連接數(shù)據(jù)預處理模塊，以使得數(shù)據(jù)預處理模塊通過此通訊接口以遠程通訊方式接收特征參數(shù)信息。

在本發(fā)明實施例中，上述部件剩余壽命預測系統(tǒng)還可包括數(shù)據(jù)采集模塊，實時采集作為當前評估對象的部件的特征參數(shù)信息供數(shù)據(jù)預處理模塊接收。

在本發(fā)明實施例中，上述神經網絡預測模型例如為徑向基函數(shù)(Radical?Basis?Function，RBF)神經網絡模型或反向傳播(Back?Propagation，BP)神經網絡模型。

在本發(fā)明實施例中，上述部件剩余壽命預測系統(tǒng)還可包括數(shù)據(jù)庫，連接可靠性分析模塊與剩余壽命預測模塊，以儲存利用動態(tài)可靠性分析模型進行動態(tài)可靠性分析所需數(shù)據(jù)、部件處于故障狀態(tài)的特征參數(shù)值、以及剩余壽命預測模塊輸出的部件的剩余壽命。

此外，本發(fā)明實施例還提出一種工程機械的部件剩余壽命預測方法，包括以下步驟：利用動態(tài)可靠性分析模型對部件進行動態(tài)可靠性分析以獲取部件的剩余壽命范圍，并將剩余壽命范圍的下限值小于預設的閾值的部件確定為當前評估對象；實時采集作為當前評估對象的部件的特征參數(shù)信息；提取特征參數(shù)信息中的特征參數(shù)值并進行預處理以構建樣本數(shù)據(jù)集；以及利用神經網絡預測模型對樣本數(shù)據(jù)集進行回歸擬合與趨勢預測獲取預測的特征參數(shù)值，并利用預測的特征參數(shù)值參照作為當前評估對象的部件處于故障狀態(tài)的特征參數(shù)值獲取此部件的剩余壽命。

在本發(fā)明實施例中，上述利用動態(tài)可靠性分析模型對部件進行動態(tài)可靠性分析以獲取部件的剩余壽命范圍的步驟可包括：引入隨機過程和極值分布原理計算并建立部件的可靠度和失效率隨使用時間變化的動態(tài)過程曲線，以確定部件的壽命周期范圍；以及根據(jù)部件的當前已用工時與所確定的壽命周期范圍，獲取此剩余壽命范圍。

在本發(fā)明實施例中，利用神經網絡預測模型對樣本數(shù)據(jù)集進行回歸擬合與趨勢預測獲取預測的特征參數(shù)值是通過徑向基函數(shù)神經網絡算法或反向傳播神經網絡算法實現(xiàn)。

在本發(fā)明實施例中，在利用動態(tài)可靠性分析模型對部件進行動態(tài)可靠性分析以獲取部件的剩余壽命范圍，并將剩余壽命范圍的下限值小于預設的閾值的部件確定為當前評估對象之前還可包括步驟：依據(jù)重要度、易損性及性能衰退過程易檢性選取該部件。此外，上述部件剩余壽命預測方法還可包括步驟：將獲取的部件的剩余壽命作為對包含該部件的工程機械進行維護的依據(jù)。

本發(fā)明上述實施例通過利用神經網絡預測模型結合動態(tài)可靠性分析模型來獲取工程機械的部件的剩余壽命，能準確預測出部件的剩余壽命，借此可確保壽命即將到期的部件得到及時更換，實現(xiàn)工程機械的預維護，確保了設備的安全運行。

上述說明僅是本發(fā)明技術方案的概述，為了能夠更清楚了解本發(fā)明的技術手段，而可依照說明書的內容予以實施，并且為了讓本發(fā)明的上述和其他目的、特征和優(yōu)點能夠更明顯易懂，以下特舉較佳實施例，并配合附圖，詳細說明如下。

附圖說明

圖1是相關于本發(fā)明實施例的一種工程機械的部件剩余壽命預測系統(tǒng)的架構示意圖。

圖2是相關于本發(fā)明實施例的一種工程機械的部件剩余壽命預測方法的步驟流程圖。

具體實施方式