[發(fā)明專利]基于多狀態(tài)參數(shù)的無失效屏蔽泵故障短期多步預測方法

有效

• 申請?zhí)枺?/td>: 201911029005.6
• 申請日: 2019-10-28
• 公開（公告）號: CN110765619B
• 公開（公告）日: 2023-05-30
• 發(fā)明（設計）人: 齊建軍;王東鋒;薛勇;李玉良;王黎沁;蔣平;方世源;王俊偉;于瀟;楊瓊;周靖凱
• 申請（專利權）人: 中國人民解放軍63921部隊
• 主分類號: G06F30/20
• 分類號: G06F30/20
• 代理公司: 長沙國科天河知識產(chǎn)權代理有限公司 43225
• 代理人: 董惠文

本發(fā)明公開了一種基于多狀態(tài)參數(shù)的無失效屏蔽泵故障短期多步預測方法，包括獲取歷史數(shù)據(jù)；構(gòu)建多個多狀態(tài)參數(shù)線性回歸模型和每個狀態(tài)參數(shù)的變化趨勢預測模型；采集實時檢測數(shù)據(jù)；仿真計數(shù)；仿真生成下一時段每個狀態(tài)參數(shù)的預測值；將預測值代入多個多狀態(tài)參數(shù)線性回歸分析模型，得到各狀態(tài)參數(shù)的理論值；將理論值與預測值進行比較，若誤差大于閾值，則為故障，轉(zhuǎn)S8，否則轉(zhuǎn)S5；若達到仿真次數(shù)要求，則轉(zhuǎn)S9，否轉(zhuǎn)S4；統(tǒng)計時段t上仿真結(jié)果中出現(xiàn)故障的頻次，計算故障發(fā)生概率；t＝t+1，重復S4至S9；輸出每一時段的故障發(fā)生概率本發(fā)明能夠不需要利用故障數(shù)據(jù)，基于歷史數(shù)據(jù)和實時監(jiān)測數(shù)據(jù)對設備的當前狀態(tài)進行故障風險預測，發(fā)現(xiàn)設備的異常狀態(tài)。

技術領域

本發(fā)明屬于可靠性評估及故障預警領域，尤其涉及一種基于多狀態(tài)參數(shù)的無失效屏蔽泵故障短期多步預測方法。

背景技術

屏蔽泵具有長壽命、高可靠性、成本造價昂貴、故障數(shù)據(jù)稀缺、狀態(tài)參數(shù)多且存在相關性、性能退化趨勢不明顯的特點。實際收集的故障數(shù)據(jù)不足以支持基于故障數(shù)據(jù)的可靠性評估和故障預測，并且開展大量可靠性實驗以獲取故障數(shù)據(jù)的經(jīng)濟性成本難以承受。屏蔽泵的性能參數(shù)有多個，并且性能參數(shù)的退化趨勢并不明顯，使得性能退化方法難以有效應用，因此對于如屏蔽泵一類的無失效設備來說怎樣進行故障預測就顯得尤為重要。

傳統(tǒng)方法開展屏蔽泵的可靠性評估和故障預警，主要有下列方法：第一種方法是基于性能退化數(shù)據(jù)的分析方法，建立隨機過程模型評估設備關鍵性能參數(shù)在特定時間段達到失效閾值的概率，常用于閥門、軸承等產(chǎn)品；第二種方法是故障數(shù)據(jù)分析方法，收集足夠多的故障數(shù)據(jù)建立統(tǒng)計學模型，評估設備故障在特定時間段出現(xiàn)的概率。對于第一類方法，由于屏蔽泵存在多個狀態(tài)參數(shù)，各個狀態(tài)參數(shù)退化趨勢不明顯或者沒有表現(xiàn)出性能退化趨勢，并且狀態(tài)參數(shù)之間存在相關性，各參數(shù)的上下波動幅度較大，現(xiàn)有的研究成果很難應用于屏蔽泵的故障預測。對于第二種方法，在設備無失效數(shù)據(jù)或者失效數(shù)據(jù)極少情況下，是不能使用這種方法使用的。在實際中，當屏蔽泵在使用階段一旦出現(xiàn)故障可能會帶來災難性后果，必須有效控制屏蔽泵在任務期間的故障風險。因此，對于屏蔽泵使用方而言，需要有效解決多狀態(tài)參數(shù)的無失效屏蔽泵故障預警問題，特別是未來短時間的故障預警問題，為任務實施、設備巡檢、維修決策等工作的開展提供有力支持。

發(fā)明內(nèi)容

本發(fā)明要解決的技術問題是針對于無失效設備來說，為了提高故障預警精度，提供了一種基于多狀態(tài)參數(shù)的無失效屏蔽泵故障短期多步預測方法。

為解決該問題，本發(fā)明采用的技術方案是：

一種基于多狀態(tài)參數(shù)的無失效屏蔽泵故障短期多步預測方法，其特征在于，包括以下步驟：

步驟1：獲取屏蔽泵的歷史狀態(tài)參數(shù)數(shù)據(jù)；

步驟2：根據(jù)歷史狀態(tài)參數(shù)數(shù)據(jù)構(gòu)建多個分別由不同狀態(tài)參數(shù)作為因變量，其他狀態(tài)參數(shù)作為自變量的多狀態(tài)參數(shù)線性回歸模型，以及根據(jù)歷史狀態(tài)參數(shù)數(shù)據(jù)構(gòu)建出每個狀態(tài)參數(shù)的與任務時間相關的變化趨勢預測模型；

步驟3：采集屏蔽泵實時檢測數(shù)據(jù)；

步驟4：仿真計數(shù)；

步驟5：根據(jù)步驟2中的每個狀態(tài)參數(shù)的變化趨勢預測模型，仿真生成下一時段t上每個狀態(tài)參數(shù)的預測值；

步驟6：根據(jù)步驟2中的多個多狀態(tài)參數(shù)線性回歸分析模型，將步驟5中仿真預測出的時段t上每個狀態(tài)參數(shù)值代入多個多狀態(tài)參數(shù)線性回歸模型，得到下一時段各因變量狀態(tài)參數(shù)的理論值；

步驟7：將各因變量狀態(tài)參數(shù)的理論值與步驟5經(jīng)仿真得到的相應狀態(tài)參數(shù)預測值進行比較，如果誤差大于所設定的閾值，則判斷屏蔽泵出現(xiàn)故障，記錄故障時間t_i＝t，i為當前仿真次數(shù)，轉(zhuǎn)步驟8，否則t＝t+1，轉(zhuǎn)步驟5，直到達到所需預估的時間點為止；

步驟8：判斷是否達到仿真次數(shù)要求，如果是則轉(zhuǎn)步驟9，否則轉(zhuǎn)步驟4，并且令t＝0；