[發(fā)明專利]一種綜合管廊預(yù)測性智能運維系統(tǒng)及方法

在審

• 申請?zhí)枺?/td>: 202011497473.9
• 申請日: 2020-12-17
• 公開（公告）號: CN112884170A
• 公開（公告）日: 2021-06-01
• 發(fā)明（設(shè)計）人: 吳忠輝;王展英;許成;鮑袖明;胡偉;李樹鑫;江文清;張宗衛(wèi);馬有亮;陳雷;張婷
• 申請（專利權(quán)）人: 上海智大電子有限公司;中國二十冶集團有限公司
• 主分類號: G06Q10/00
• 分類號: G06Q10/00;G06Q10/04;G06Q50/26;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 上海天翔知識產(chǎn)權(quán)代理有限公司 31224
• 代理人: 劉常寶

1.綜合管廊預(yù)測性智能運維系統(tǒng)，其特征在于，包括基于時間序列和人工神經(jīng)網(wǎng)絡(luò)的故障預(yù)測模塊，以及基于貝葉斯方法的故障診斷模塊；

所述故障預(yù)測模塊基于記錄的綜合管廊中設(shè)備故障狀態(tài)數(shù)據(jù)，通過時間序列和人工神經(jīng)網(wǎng)絡(luò)自主學(xué)習(xí)故障模式，并對綜合管廊中設(shè)備進行故障預(yù)測；

所述故障診斷模塊基于記錄的故障維修數(shù)據(jù)以及故障預(yù)測模塊預(yù)測的故障結(jié)果，通過基于貝葉斯方法對故障根因進行計算確定。

2.根據(jù)權(quán)利要求1所述的綜合管廊預(yù)測性智能運維系統(tǒng)，其特征在于，所述故障預(yù)測模塊包括：

屬性集單元，用于提取與設(shè)備故障有關(guān)聯(lián)的可在線測量的屬性，構(gòu)建相應(yīng)的屬性集；

擴充屬性集單元，與屬性集單元數(shù)據(jù)交互，基于屬性集單元提取構(gòu)建的設(shè)備屬性集，將其時間序列進行組合從而擴充設(shè)備故障預(yù)測的屬性集；

樣本矩陣單元，基于記錄的故障維修和設(shè)備屬性歷史數(shù)據(jù)，建立用于訓(xùn)練預(yù)測模型的樣本矩陣；

樣本規(guī)范化單元，用于對樣本矩陣單元建立的樣本矩陣中的樣本進行規(guī)范化處理；

神經(jīng)網(wǎng)絡(luò)建模單元，基于擴充屬性集單元構(gòu)建的擴充屬性集，構(gòu)成相應(yīng)的神經(jīng)網(wǎng)絡(luò)模型；

神經(jīng)網(wǎng)絡(luò)離線學(xué)習(xí)單元，利用樣本矩陣單元構(gòu)建的樣本矩陣對神經(jīng)網(wǎng)絡(luò)建模單元構(gòu)建的神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練，以獲得設(shè)備故障預(yù)測模型；

神經(jīng)網(wǎng)絡(luò)在線預(yù)測單元，獲取設(shè)備相關(guān)的實時數(shù)據(jù)，通過經(jīng)過神經(jīng)網(wǎng)絡(luò)離線學(xué)習(xí)單元訓(xùn)練的設(shè)備故障預(yù)測模型進行計算，完成對設(shè)備獲障預(yù)測。

3.根據(jù)權(quán)利要求1所述的綜合管廊預(yù)測性智能運維系統(tǒng)，其特征在于，所述故障診斷模塊包括：

故障根因集單元，匯總故障根因數(shù)據(jù)；

故障根因經(jīng)驗向量空間單元將維修記錄中的故障根因進行量化；

故障根因概率計算單元基于貝葉斯公式對經(jīng)過故障根因經(jīng)驗向量空間單元量化的故障根因進行故障根因概率計算；

故障診斷單元基于概率值排序，對經(jīng)過故障根因概率計算單元進行概率后的故障根因進行確定。

4.綜合管廊預(yù)測性智能運維方法，其特征在于，包括：

首先，基于記錄的綜合管廊中設(shè)備故障狀態(tài)數(shù)據(jù)，通過時間序列和人工神經(jīng)網(wǎng)絡(luò)自主學(xué)習(xí)故障模式，并對綜合管廊中設(shè)備進行故障預(yù)測；

接著，基于記錄的故障維修數(shù)據(jù)以及故障預(yù)測模塊預(yù)測的故障結(jié)果，通過基于貝葉斯方法對故障根因進行計算確定。

5.根據(jù)權(quán)利要求4所述的綜合管廊預(yù)測性智能運維方法，其特征在于，進行故障預(yù)測時，包括：

提取與設(shè)備故障有關(guān)聯(lián)的可在線測量的屬性，構(gòu)建相應(yīng)的屬性集；

基于構(gòu)建的設(shè)備屬性集，將其時間序列進行組合從而擴充設(shè)備故障預(yù)測的屬性集；

基于記錄的故障維修和設(shè)備屬性歷史數(shù)據(jù)，建立用于訓(xùn)練預(yù)測模型的樣本矩陣；

對樣本矩陣中的樣本進行規(guī)范化處理；

基于擴充屬性集單元構(gòu)建的擴充屬性集，構(gòu)成相應(yīng)的神經(jīng)網(wǎng)絡(luò)模型；

利用構(gòu)建的樣本矩陣對構(gòu)建的神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練，以獲得設(shè)備故障預(yù)測模型；

獲取設(shè)備相關(guān)的實時數(shù)據(jù)，通過訓(xùn)練的設(shè)備故障預(yù)測模型進行計算，實現(xiàn)對設(shè)備獲障預(yù)測。

6.根據(jù)權(quán)利要求4所述的綜合管廊預(yù)測性智能運維方法，其特征在于，進行故障診斷時，包括：

首先匯總故障根因數(shù)據(jù)；

接著將維修記錄中的故障根因進行量化；

接著基于貝葉斯公式對經(jīng)過量化的故障根因進行故障根因概率計算。

接著基于概率值排序，對故障根因進行確定。