[發(fā)明專利]一種面向機器學習的裝備部件健康管理方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201810760936.2
• 申請日: 2018-07-11
• 公開（公告）號: CN108960654A
• 公開（公告）日: 2018-12-07
• 發(fā)明（設(shè)計）人: 張彩霞;王向東;胡紹林;王新東
• 申請（專利權(quán)）人: 佛山科學技術(shù)學院
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q10/00
• 代理公司: 廣州嘉權(quán)專利商標事務(wù)所有限公司 44205
• 代理人: 王國標

1.一種面向機器學習的裝備部件健康管理方法，其特征在于，包括以下步驟：

A、建立裝備部件的狀態(tài)趨勢分析體系；

B、建立裝備部件的健康評估體系；

C、建立裝備部件的決策優(yōu)化體系，根據(jù)裝備部件的多維變量，對健康狀態(tài)不佳的裝備或某個部件系統(tǒng)提出建議。

2.根據(jù)權(quán)利要求1所述的一種面向機器學習的裝備部件健康管理方法，其特征在于，所述步驟A具體包括：

進行裝備部件的狀態(tài)趨勢分析，通過自主關(guān)聯(lián)部件的相關(guān)多維變量，提取部件的狀態(tài)趨勢變化特征，結(jié)合正常和異常狀態(tài)機器學習技術(shù)得到的知識體系，建立狀態(tài)趨勢分析體系，判斷部件狀態(tài)健康程度。

3.根據(jù)權(quán)利要求2所述的一種面向機器學習的裝備部件健康管理方法，其特征在于，所述進行裝備部件的狀態(tài)趨勢分析具體還包括：

根據(jù)裝備系統(tǒng)的特征，選擇趨勢預(yù)測模型：

當已知對象為精確的數(shù)學模型，且系統(tǒng)復(fù)雜度較低時，采用基于模型的趨勢預(yù)測模型；

當無需精確的數(shù)學模型，且知識復(fù)雜度較低時，采用基于知識的趨勢預(yù)測模型；

當完全不考慮對象模型特征，且關(guān)鍵數(shù)據(jù)比較明確時，采用基于數(shù)據(jù)的趨勢預(yù)測模型。

4.根據(jù)權(quán)利要求1所述的一種面向機器學習的裝備部件健康管理方法，其特征在于，所述步驟B具體包括：

定義整體裝備或其中某個部件的健康評估模型，自主加載知識管理系統(tǒng)中的專家知識，關(guān)聯(lián)健康評估模型相關(guān)信息，對所述整體裝備或其中某個部件在評估階段表現(xiàn)的健康進行評估。

5.根據(jù)權(quán)利要求4所述的一種面向機器學習的裝備部件健康管理方法，其特征在于，所述定義整體裝備或其中某個部件的健康評估模型具體包括：

定義裝備健康狀態(tài)，確定不同對象的健康標準；

確定評估的原則，包括標準各級健康狀態(tài)選擇原則、健康指標選取原則、評估體系選取原則、外部網(wǎng)絡(luò)影響評估原則；

建立制造過程健康狀態(tài)的評估指標體系，先建立制造過程的部件健康狀態(tài)指標，再基于制造過程的部件健康狀態(tài)指標建立制造過程的分系統(tǒng)指標、繼而逐級往上建立制造過程的裝備指標，從而形成制造過程健康狀態(tài)的評估指標體系；

建立制造過程健康評估方法，包括部件評估、分系統(tǒng)評估和裝備評估。

6.根據(jù)權(quán)利要求1所述的一種面向機器學習的裝備部件健康管理方法，其特征在于，所述步驟C具體包括：

定義裝備部件或整體決策支持任務(wù)，結(jié)合大量已有案例和機器學習后得到的知識庫，從而建立裝備部件的狀態(tài)決策體系，根據(jù)裝備部件的多維變量，對健康狀態(tài)不佳的裝備或某個部件系統(tǒng)提出建議。

7.一種面向機器學習的裝備部件健康管理系統(tǒng)，其特征在于，包括控制模塊和存儲控制指令的存儲模塊，控制模塊讀取所述指令執(zhí)行以下步驟：

A、建立裝備部件的狀態(tài)趨勢分析體系；

B、建立裝備部件的健康評估體系；

C、建立裝備部件的狀態(tài)決策體系，根據(jù)裝備部件的多維變量，對健康狀態(tài)不佳的裝備或某個部件系統(tǒng)提出建議。

8.根據(jù)權(quán)利要求7所述的一種面向機器學習的裝備部件健康管理系統(tǒng)，其特征在于，所述步驟A中控制模塊讀取所述指令具體執(zhí)行步驟為：

進行裝備部件的狀態(tài)趨勢分析，通過自主關(guān)聯(lián)部件的相關(guān)多維變量，提取部件的狀態(tài)趨勢變化特征，結(jié)合正常和異常狀態(tài)機器學習技術(shù)得到的知識體系，建立狀態(tài)趨勢分析體系，判斷部件狀態(tài)健康程度。

9.根據(jù)權(quán)利要求7所述的一種面向機器學習的裝備部件健康管理系統(tǒng)，其特征在于，所述步驟B中控制模塊讀取所述指令具體執(zhí)行步驟為：

定義整體裝備或其中某個部件的健康評估模型，自主加載知識管理系統(tǒng)中的專家知識，關(guān)聯(lián)健康評估模型相關(guān)信息，對所述整體裝備或其中某個部件在評估階段表現(xiàn)的健康進行評估。

10.根據(jù)權(quán)利要求7所述的一種面向機器學習的裝備部件健康管理系統(tǒng)，其特征在于，所述步驟C中控制模塊讀取所述指令具體執(zhí)行步驟為：

定義裝備部件或整體決策支持任務(wù)，結(jié)合大量已有案例和機器學習后得到的知識庫，從而建立裝備部件的狀態(tài)決策體系，根據(jù)裝備部件的多維變量，對健康狀態(tài)不佳的裝備或某個部件系統(tǒng)提出建議。