[發明專利]基于工業大數據的裝備集群健康狀態評估方法

在審

• 申請號: 201710543984.1
• 申請日: 2017-07-05
• 公開（公告）號: CN107358347A
• 公開（公告）日: 2017-11-17
• 發明（設計）人: 孔憲光;王繼虎;常建濤;劉堯
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06F17/50;G06F17/30
• 代理公司: 陜西電子工業專利中心61205
• 代理人: 程曉霞,王品華

技術領域

本發明屬于工程技術領域，涉及裝備健康狀態建模與評估，具體是一種基于集群建模的裝備集群健康狀態評估方法，可用于裝備集群健康狀態的差異性量化評估。

背景技術

裝備健康狀態評估主要是指根據安裝的傳感器測量的數據、人工測量的數據、歷史數據、實驗數據等進行分析，綜合考慮裝備的使用、環境、維修等因素的影響，利用各種評估算法建立模型，按照指定的評估指標體系對裝備的健康狀態進行評估，明確裝備健康狀態的一種技術。正確進行裝備的健康狀態評價并準確預測裝備的剩余壽命對于有效的避免停機停產事故、保證設備安全運行、確保正常有序的生產和提高經濟效益有著巨大的意義。

隨著近年來國家裝備制造業的飛速發展，大型復雜裝備呈現出集群化、規?；陌l展趨勢。以地下工程施工裝備盾構機為例，目前全國盾構行業有1000多臺盾構機，每天同時工作的盾構機多達300多臺，裝備集群十分龐大。這些集群內的裝備具有結構上的相似性，然而，由于其工作環境復雜，往往分布于不同的地理區域，使得其在不同工況下，甚至在相同工況下由于使用情況不同其健康狀態也具有很大的差異。因此，單工況下對單臺裝備建模評估的方式已經遠遠不能滿足大型裝備集群差異性狀態實時性評估和預測性維護的要求，面向集群裝備的健康狀態評估方法很有必要。

針對裝備結構復雜、數量龐大所帶來的集群健康狀態評估問題，傳統基于單臺裝備數據分析的健康評估方法已無法滿足大型裝備集群的實時健康狀態評估和性能預測需求。并且隨著大型復雜裝備集群配備的傳感器和數據采集系統能夠采集越來越多的裝備服役階段的狀態參數、運行工況、使用情況和環境參數等數據，為裝備集群健康狀態評估提供了可靠的大數據環境。因此提出一種基于工業大數據的裝備集群健康狀態評估方法，來對裝備健康狀態評估和預測。

發明內容

本發明的目的旨在解決大型集群裝備的差異性量化評估問題，針對現有技術的不足，提出一種基于工業大數據的裝備集群健康狀態評估方法。

本發明是一種基于大數據集群建模的裝備集群健康狀態評估方法，其特征在于，集群健康狀態評估方法基于裝備集群全服役周期產生的裝備大數據環境，包括設備的運行狀態參數、設備運行的工況數據、設備使用過程中的環境參數、設備維護和保養記錄和績效類數據，以上數據來自裝備傳感器、人工記錄和后續統計；裝備集群健康狀態評估包括有如下步驟：

步驟一：搭建大數據平臺用于海量裝備數據的存儲和分析，該大數據平臺包括Hadoop/Spark平臺和Storm平臺，Hadoop/Spark平臺用于存儲結構化與半結構化數據，Storm平臺用于存儲動態海量數據；

步驟二：運用實體狀態切片化管理方法對裝備大數據進行數據預處理，按照與裝備狀態水平的相關程度對裝備大數據進行分類，數據主要分為兩類：第一類為故障數據和維修保養記錄數據，第二類為狀態參數數據；根據不同類數據，選擇不同的實體狀態切片化管理方法，針對第一類數據，直接將其作為裝備狀態更新的參照節點；針對第二類數據，對裝備集群的連續多變量運行數據進行異常狀態的監測，采用工況參數子序列提取方法提取裝備集群運行過程中具有顯著變化的狀態特征，以此作為狀態更新的變化節點；

步驟三：基于時間序列分析方法，對裝備的運行參數進行工況自動聚類，按照工況相似性聚類得到的簇作為集群的最小單位，又叫裝備集，裝備集內部采用相同的建模方法，方便進行統一分析；

步驟四：利用回歸建模方法，根據歷史數據對不同工況集群建立各自裝備集群狀態表達的鏡像模型，進行裝備集群健康狀態量化，得到各自裝備集群健康狀態；

步驟五：進行數據融合重組得到單個裝備的健康狀態，并利用多項式插值法得到其健康狀態衰退曲線，利用該衰退曲線進行裝備剩余壽命預測，給出預測結果。

本發明基于裝備集群全服役周期產生的大數據環境，運用大數據集群建模方法進行數據分析與建模，提出從數據預處理到數據建模再到集群分析的一整套流程，從而對集群裝備的健康狀態進行量化評估。本發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單工況、單臺設備的缺陷，充分利用集群產生的海量、多源、多種類數據，并借助大數據平臺的存儲和分析能力，準確、高效的對集群健康狀態進行評估。

本發明與現有技術相比，具有以下優點：

(1)本分析方法涵蓋了從數據預處理，數據建模到集群分析的一整套流程，方法主要包括三個核心步驟：實體狀態信息切片化管理，建立實體系統鏡像模型和集群狀態量化模型，生成裝備剩余壽命曲線，分別用于解決裝備集群大數據集群建模中的數據預處理、數據建模和集群分析三個方面的問題。