[發明專利]一種設備健康評估方法、評估系統以及設備健康預測方法

有效

• 申請號: 202010431329.9
• 申請日: 2020-05-20
• 公開（公告）號: CN111639842B
• 公開（公告）日: 2023-06-20
• 發明（設計）人: 彭剛;王凱;阮景
• 申請（專利權）人: 湖北博華自動化系統工程有限公司;華中科技大學
• 主分類號: G06Q10/0639
• 分類號: G06Q10/0639;G01D21/02;G06N3/006
• 代理公司: 華中科技大學專利中心 42201
• 代理人: 尹麗媛;李智

1.一種設備健康評估方法，其特征在于，包括：

S1、在各振動采集時刻同步采集待評估設備上不同振動采集位置的振動數據，并在各溫度采集時刻同步采集該設備上不同溫度采集位置的溫度數據；

S2、對所有所述溫度數據進行均值計算，計算結果作為評估補償因子；

S3、基于所有所述振動數據，采用已訓練的振動評估狀態模型，評估得到由各評估狀態下的數據樣本條數所構成的評估狀態向量，將所述評估狀態向量中各評估狀態對應的概率密度之間加權平均，并采用所述評估補償因子補償所述加權平均的結果，得到評估值，完成設備健康評估；

所述S2包括：

對每個溫度采集位置下由所有溫度采集時刻采集構成的一組溫度數據進行標準化處理，其中，將該組溫度數據中小于標準值的溫度數據轉換為0、大于報警值的溫度數據轉換為1以及介于所述標準值和所述報警值之間的溫度數據轉換為第一差值與第二差值的比值，所述第一差值為該溫度數據和所述標準值的差值，所述第二差值為所述標準值和所述報警值的差值；

對每個溫度采集時刻下各溫度采集位置的所述標準化后的溫度數據之間取平均值，得到該溫度采集時刻下的溫度數據補償值；

將每個溫度采集時刻下的所述溫度數據補償值與該溫度采集時刻下的建議補償值相乘，并取各該乘積間的平均值作為所述補償因子。

2.根據權利要求1所述的一種設備健康評估方法，其特征在于，相鄰兩個所述溫度采集時刻的時間間距為秒級，相鄰兩個所述振動采集時刻的時間間距為毫秒級；

所述S1還包括：對所有所述溫度數據清洗去噪；對所有所述振動數據清洗以去除異常值。

3.根據權利要求1所述的一種設備健康評估方法，其特征在于，所述振動評估狀態模型為通過基于設備振動數據訓練集對CatBoost模型訓練而得到。

4.根據權利要求1所述的一種設備健康評估方法，其特征在于，在所述振動評估狀態模型的訓練過程中，采用螢火蟲算法，將模型學習率參數以及樹的最大深度參數構成一個向量，該向量代表螢火蟲的位置，定義目標函數，該目標函數的輸入為所述螢火蟲的位置、輸出為振動評估狀態模型的評價標準，通過迭代計算，同步得到所述學習率參數以及所述樹的最大深度參數的最優解。

5.根據權利要求1所述的一種設備健康評估方法，其特征在于，所述S3中，將所述評估狀態向量中各評估狀態對應的概率密度加權平均之前，根據所述評估狀態向量中每種評估狀態的概率密度以及模型診斷誤差率，從所述評估狀態向量中過濾掉部分評估狀態及其對應的數據樣本條數，得到新的評估狀態向量。

6.根據權利要求1所述的一種設備健康評估方法，其特征在于，所述S3中，采用所述評估補償因子補償所述加權平均的結果，具體為：將所述評估補償因子與所述加權平均的結果相加，以進行修正；

在所述加權平均中，每個評估狀態對應的權重為：所述評估狀態向量中該種評估狀態的數據樣本條數與總數據樣本條數的比值；或者，采用基于模糊隸屬度的加權平均法確定。

7.根據權利要求1至6任一項所述的一種設備健康評估方法，其特征在于，所述基于所有振動數據，采用已訓練的振動評估狀態模型，得到評估狀態向量，具體為：

采用局部異常因子算法對所有振動數據清洗，并采用局部均值分解算法對清洗后的振動數據進行特征提取，得到振動特征評估集；基于振動特征評估集，采用已訓練的振動評估狀態模型，得到評估狀態向量。

8.一種設備健康評估系統，其特征在于，包括：

數據采集與處理模塊，用于執行如權利要求1至7任一項所述的一種設備健康評估方法中的S1；補償因子計算模塊，用于基于所述數據采集與處理模塊得到的所有溫度數據，執行如權利要求1至7任一項所述的一種設備健康評估方法中的S2；設備健康評估模型，用于基于所述數據采集與處理模塊得到的所有振動數據以及所述補償因子計算模塊得到的評估補償因子，執行如權利要求1至7任一項所述的一種設備健康評估方法中的S3。