[發明專利]一種工業生產設備故障預測分析方法及模型

有效

• 申請號: 202011212500.3
• 申請日: 2020-11-03
• 公開（公告）號: CN112462734B
• 公開（公告）日: 2022-06-17
• 發明（設計）人: 劉作國;廖一星;綦云華;徐亮;王亮;肖開余;姬科盛;唐信軍;何城橋
• 申請（專利權）人: 貴州江南航天信息網絡通信有限公司
• 主分類號: G05B23/02
• 分類號: G05B23/02
• 代理公司: 重慶百潤洪知識產權代理有限公司 50219
• 代理人: 陳萬江

1.一種工業生產設備的故障預測分析方法，其特征在于，包括以下步驟：

步驟S1：劃分設備級別并采集運行數據；對一般設備采集各個周期內的故障率、故障類別、故障原因；對關鍵設備，實時采集設備運行數據；

步驟S2：執行設備故障預測分析；對一般設備執行步驟S2.1，對關鍵設備執行步驟S2.2；

步驟S2.1：執行一般設備故障預測；

步驟S2.1.1：設原始時序特征為x⁽⁰⁾＝(x⁽⁰⁾(1),x⁽⁰⁾(2),…,x⁽⁰⁾(n))，采用灰色系統理論對其進行一次加權累加，生成新的數據序列：x⁽¹⁾＝(x⁽¹⁾(1),x⁽¹⁾(2),…,x⁽¹⁾(n))，其中0＜α＜1為距離權重；

步驟S2.1.2：GM(1,1)模型的背景值為z⁽¹⁾＝(z⁽¹⁾(2),z⁽¹⁾(3),…,z⁽¹⁾(n))，其中z⁽¹⁾(k)＝0.5(x⁽¹⁾(k)+x⁽¹⁾(k-1))；

步驟S2.1.3：設GM(1,1)的發展系數和灰色作用量分別是a,b，時序序列的預測結果為

步驟S2.2：執行關鍵設備故障預測；

步驟S2.2.1：使用Embedding技術對設備運行參數進行特征選擇，將相關特征輸入一個孿生網絡，得到每個設備參數的Embedding向量，再通過余弦相似度計算結果，去除無效的冗余參數；

步驟S2.2.2：將預測設備故障的任務看做一個多分類問題，使用單向長短期記憶模型LSTM接收設備運行狀態，輸出潛在故障因素，LSTM模型從故障數據庫中抽取訓練樣例進行訓練，并使用Softmax分類器識別是否發生故障并劃分故障類別；

步驟S2.2.3：為防止訓練過度而導致過擬合，在LSTM中使用了Dropout策略，使用隨機函數drop(h_t)＝h_t|0將LSTM記憶細胞的輸出值h_t隨機置零；

步驟S3：故障分析系統將故障預測結果發送給故障預警單元，故障預警單元根據故障類型、等級向相應的人員和監控設備發出預警；

步驟S4：故障發生以后，系統將故障信息記錄入故障數據庫。

2.一種用于權利要求1所述的工業生產設備的故障預測分析方法的工業生產設備的故障預測分析模型，其特征在于，包括：設備端、故障分析系統和監控端，所述設備端包括物聯網接口和設備運行參數，所述故障分析系統包括故障曲線單元、灰色GM(1,1)模型、時序參數單元、LSTM神經網絡單元和故障數據庫單元，所述監控端包括故障預警單元。

3.根據權利要求2所述的一種工業生產設備的故障預測分析模型，其特征在于：所述故障分析系統采用分散式共享策略，集中部署的同類設備共享一個故障分析單元，統一實施故障監控；不同的故障分析單元相互獨立，互不干擾。

4.根據權利要求2所述的一種工業生產設備的故障預測分析模型，其特征在于：所述故障分析系統根據設備的種類和級別將設備分為一般設備和關鍵設備。