[發明專利]一種基于監測數據的工業設備控制優化方法及系統

有效

• 申請號: 202011421929.3
• 申請日: 2020-12-08
• 公開（公告）號: CN112198857B
• 公開（公告）日: 2021-03-02
• 發明（設計）人: 水沛;尹旭曄;馬飛
• 申請（專利權）人: 浙江中自慶安新能源技術有限公司
• 主分類號: G05B19/418
• 分類號: G05B19/418
• 代理公司: 杭州鈐韜知識產權代理事務所(普通合伙) 33329
• 代理人: 趙杰香;唐靈

本發明公開了一種基于監測數據的工業設備控制優化方法，對歷史運行狀態數據和歷史工藝數據之間不同的時間戳進行對齊，生成時間序列一致的歷史運行狀態數據集和歷史工藝數據集；對構成的特征向量樣本集進行模型訓練，構建健康診斷模型；將當前運行狀態數據和當前工藝控制數據輸入健康診斷模型，獲取當前設備健康狀態的預測概率；若該預測概率小于等于概率閾值時，將工藝控制參數集分為多組工藝控制參數集，將每一組工藝控制參數集和當前運行狀態數據組合輸入至健康診斷模型，獲取當前設備健康狀態的最大預測概率，并將最大預測概率對應的工藝控制參數集設定為當前設備的工藝控制參數。該發明能夠更加全面地對設備運行狀態進行分析。

技術領域

本發明涉及工業設備故障診斷技術領域，尤其涉及一種基于監測數據的工業設備控制優化方法及系統。

背景技術

隨著大數據技術和機器學習的發展，采用機器學習和大數據分析技術成為工業設備工藝提升的重要的研究方向。數據來源于工業設備的各個傳感器，多傳感器信息融合技術是近年來的研究熱點，它是一項結合了控制理論、信號處理、人工智能、概率和統計等各學科的綜合技術。利用多個傳感器信息在時間和空間上的冗余性，提高測量信息的精度和可靠性，獲得更加準確的識別、判斷和決策。來自不同類型的傳感器測量信息具有相關性高的特點，將這些多源信息進行有效的融合，可以提高測量信息的精度，同時對傳感器自身的故障進行診斷和隔離。但是現有技術方案中，僅僅是對于單一來源的傳感器信息進行分析，并沒有對多個來源的傳感器信息進行分析，也沒有將設備的工藝數據信息結合起來進行分析，因此對設備的運行狀態分析不全面，不能精確地掌握設備工作狀態。

專利公布號為CN110119339A的專利需要選取一個傳感器為目標傳感器，算法依據此傳感器的數據進行展開，一方面系統的精度依賴于此傳感器的精度，波動較大，另一方面系統的魯棒性較差。專利公布號CN111913443A的專利僅考慮每個數據自身的特征提取，而沒有考慮數據與數據之間的關聯性和協同特征，而且，也沒有進行數據之間的時間對齊，精度會受到影響。專利公布號為CN110377001A的專利可以通過數據融合進行模式識別，給出工業設備的各部件的故障嚴重等級，但是無法主動給出設備的工藝提升建議。專利公布號為CN108803552A的專利針對設備運行的狀態量進行采集和分析，沒有將設備DCS（Distributed Control System，分布式控制系統）數據中的工藝量也整合起來進行協同分析。

發明內容

鑒于此，本發明提供一種基于監測數據的工業設備控制優化方法及系統，將工業設備多個來源的運行狀態信息和工藝信息進行融合，能夠更加全面地對設備運行狀態進行分析。

為實現上述目的，本發明提供一種基于監測數據的工業設備控制優化方法，所述方法包括：

S1、對獲取的設備的歷史運行狀態數據和歷史工藝數據之間不同的時間戳進行對齊，生成時間序列一致的歷史運行狀態數據集和歷史工藝數據集，所述歷史運行狀態數據集包括歷史振動數據集和歷史溫度數據集，所述歷史工藝數據集包括歷史電流數據集和歷史工藝控制數據集；

S2、將獲取的所述歷史振動數據集中的時域特征向量和頻域特征向量、歷史溫度數據集以及歷史工藝數據集構成一個特征向量樣本集，基于概率分類模型對所述特征向量樣本集進行模型訓練，構建一健康診斷模型；

S3、采集設備的當前運行狀態數據和當前工藝控制數據，將所述當前運行狀態數據和當前工藝控制數據輸入所述健康診斷模型，獲取當前設備健康狀態的預測概率；

S4、若所述當前設備健康狀態的預測概率小于等于預設概率閾值時，將一預設的工藝控制參數集分為多組工藝控制參數集，將每一組工藝控制參數集和當前運行狀態數據分別進行組合并分別輸入至所述健康診斷模型，獲取當前設備健康狀態的最大預測概率，并將所述最大預測概率對應的工藝控制參數集設定為當前設備的工藝控制參數。

優選的，所述步驟S1包括：

在振動暫存周期內設置n個采樣點；