[發明專利]一種故障預測系統以及預測方法

在審

• 申請號: 201910012072.0
• 申請日: 2019-01-07
• 公開（公告）號: CN109739213A
• 公開（公告）日: 2019-05-10
• 發明（設計）人: 陳玉豐;任斌;黃江東;鄭國煙
• 申請（專利權）人: 東莞百宏實業有限公司
• 主分類號: G05B23/02
• 分類號: G05B23/02
• 代理公司: 東莞市華南專利商標事務所有限公司 44215
• 代理人: 劉克寬

1.一種故障預測系統，其特征在于：包括數據采集模塊、數據分析模塊、預測模塊、設備控制模塊以及多部織帶機；

所述數據采集模塊用于采集多部織帶機的工作數據并將該工作數據傳輸給數據分析模塊；

所述數據分析模塊用于對工作數據進行分析計算，獲取織帶機下一次故障前的連續工作時間，并將該連續工作時間傳輸給預測模塊；

所述預測模塊用于根據連續工作時間進行預測匹配計算，預測出執行當前任務的最佳的織帶機；

所述設備控制模塊用于根據預測模塊的預測結果控制多部織帶機進行工作或者停止工作。

2.根據權利要求1所述一種故障預測系統，其特征在于：所述數據采集模塊包括無線數據采集器和數據終端，所述無線數據采集器用于實時采集織帶機的開關機的時間數據并傳輸到數據分析模塊，所述數據終端用于記錄織帶機的故障記錄并傳輸到數據分析模塊。

3.根據權利要求1所述一種故障預測系統，其特征在于：所述故障預測系統還包括用于顯示數據采集模塊、數據分析模塊以及預測模塊的工作數據的人機操作模塊。

4.一種基于權利要求1所述的故障預測系統的故障預測方法，其特征在于：包括以下步驟

A.通過數據采集模塊采集織帶機的工作數據，工作數據包括織帶機的開關機時間、織帶機的工作總時長以及故障記錄，故障記錄包括故障部件的名稱和故障的發生時間；

B.建立初始神經網絡模型，以采集到的織帶機的工作數據為輸入數據，對初始神經網絡模型進行訓練，得到一個可進行故障預測的目標神經網絡模型；

C.將采集到的織帶機的工作數據輸入步驟B中得到的目標神經網絡模型，預測出全部閑置的織帶機在下一次發生故障前的最大連續運行時間；

D.將獲得的最大連續工作時長與多部織帶機的使用時長進行對比匹配，獲取完成當前任務最適合的織帶機。

5.根據權利要求4所述一種故障預測方法，其特征在于：步驟A中，對多部織帶機進行編號，第i部織帶機的編號設為R_i，織帶機R_i的第j次開關機的時間分別表示為T_{ij_s}和T_{ij_e}，第k個部件發生的故障表示為F_k，將采集到的開關機時間T_{ij_s}和T_{ij_e}以及發生的故障F_k通過無線數據傳輸的方式上傳輸入神經網絡模型。

6.根據權利要求5所述一種故障預測方法，其特征在于：將織帶機R_i的工作數據分為5個維度，其包括工作總時長T_i、總啟停次數Num_{i_se}、總故障次數Num_{i_F}、當前故障與上一次同類故障之間的使用時長T_ik以及設備在T_ik期間的啟停次數Num_{ik_se}，其中t_ikm＝T_{ij_e}-T_{ij_s}，通過所述5個維度獲得織帶機R_i發生故障F_k的歷史向量信息V_ik＝[T_iNum_{i_se}Num_{i_F}T_ikNum_{ik_se}]，以歷史向量信息V_ik作為神經網絡的輸入數據，以織帶機R_i的最后一次發生故障前的連續運行時間T_{ik_last_seg}為初始神經網絡的訓練目標，對初始神經網絡進行訓練。

7.根據權利要求6所述一種故障預測方法，其特征在于：對歷史向量信息V_ik進行歸一化處理，獲得歸一化歷史向量信息其中N為織帶機的總部數，將該歸一化歷史向量信息V_{ik_std}輸入初始神經網絡模型，預測出故障部件F_k下一次發生故障前的最大連續工作時長t_{ik_next}。

8.根據權利要求7所述一種故障預測方法，其特征在于：步驟D中，待分配任務與織帶機R_i之間的匹配系數公式為：

其中，T_i為織帶機R_i的工作總時長，T_{i_next}為織帶機R_i在發生下一次故障前的最大連續工作時長，T_{i_task}為當前任務所需織帶機的工作時長，多部織帶機中最大的工作總時長；當P_i在[0,1]之間取值時，使P_i取得最小值的織帶機R_i即為當前任務的最佳分配織帶機