[發明專利]一種基于特征提取的實時故障程度診斷系統及方法

在審

• 申請號: 202110056171.6
• 申請日: 2021-01-15
• 公開（公告）號: CN112633614A
• 公開（公告）日: 2021-04-09
• 發明（設計）人: 何文輝;楊嘉偉;唐健;田軍
• 申請（專利權）人: 東方電氣集團科學技術研究院有限公司;東方電氣股份有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q10/00
• 代理公司: 成都天嘉專利事務所(普通合伙) 51211
• 代理人: 蔣斯琪

本發明公開了基于特征提取的實時故障程度診斷系統及方法，該系統包括運行數據采集模塊、初始特征模塊、故障程度診斷模塊、滾動特征提取模塊、實時特征模塊、歷史運行數據庫、故障預測模塊、故障診斷及運維建議模塊；通過運行數據采集模塊采集被診斷設備相關參數實時數據，將實時數據輸入初始特征模塊，得到初始特征模塊計算值，計算被監控參數偏差率，根據故障程度與被監控參數偏差率對應關系得到故障程度；再通過故障預測模塊將歷史運行數據庫中典型工況參數輸入實時特征模塊，得到典型工況被監測參數預測值；根據被監測參數預測值與報警值比較，確定安全運行工況范圍。本發明能實時診斷故障程度和故障發展趨勢，得到故障預測信息，給出運維建議。

技術領域

本發明涉及一種基于特征提取的實時故障程度診斷系統及方法，屬于故障診斷、人工智能技術領域。

背景技術

隨著科學技術的發展，現代社會生產設備復雜程度越來越高、生產系統越來越龐大。生產系統中，會因為各種原因產生眾多微小故障，當微小故障累積發展到一定程度，可能就會發生嚴重故障。一旦產生嚴重故障，特別是關鍵生產設備，則必然會導致設備停機、生產流水線暫停等情況，進而影響生產效率，完工進度，和相應高昂的經濟損失。

在眾多微小故障逐步累積的過程中，當累積到突破設備運行的臨界條件時，則會發展成嚴重故障，導致設備運行失效。這里的臨界條件，比如設備中冷卻系統的冷卻性能、絕緣材料的絕緣性能、機械結構的疲勞程度等，都是隨著設備長期運行漸進式發展的，而且這種性能指標偏離是不可避免的，當這些性能偏離設計指標就發生了故障。

現有技術中，還沒有能夠準確、可靠、實時地實現對設備故障程度診斷和故障發展趨勢判斷的系統或方法，更不能根據故障程度、故障發展趨勢和故障預測信息給出運維建議。

發明內容

本發明的目的就是為了解決現有技術存在的上述問題，提供一種基于特征提取的實時故障程度診斷系統及方法；本發明能根據初始特征實時診斷故障程度和故障發展趨勢，采用實時特征和歷史運行數據得到故障預測信息，根據故障程度、故障發展趨勢和故障預測信息做出正常運行、帶故障持續運行、帶故障減負荷運行、持續觀察、盡快維修、立即停機維修等運維建議，帶故障運行時給出安全運行范圍避免發生不可逆故障。

為了實現上述目的，本發明提供如下方案：

一種基于特征提取的實時故障程度診斷系統，用于對被診斷設備進行實時故障診斷，并給出對應的運維建議；所述實時故障程度診斷系統包括運行數據采集模塊、初始特征模塊、故障程度診斷模塊、滾動特征提取模塊、實時特征模塊、歷史運行數據庫、故障預測模塊、故障診斷及運維建議模塊。其中：

所述運行數據采集模塊，用于實時采集被診斷設備相關參數的實時運行數據；

所述初始特征模塊，是被診斷設備出廠時正常運行的特征模型；

所述故障程度診斷模塊，采用初始特征模塊計算值與所述實時運行數據之間的差異對被診斷設備進行診斷，得到診斷結果；所述診斷結果包括被診斷設備是否發生故障以及故障程度；

所述滾動特征提取模塊，用于對采集到的實時運行數據進行滾動提取被診斷設備的實時特征；

所述實時特征模塊，用于對被診斷設備進行故障預測；

所述歷史運行數據庫，用于存儲被診斷設備的歷史運行數據；

所述故障預測模塊，調用歷史運行數據庫的歷史運行數據和實時特征模塊的實時特征模型得到故障預測信息；

所述故障診斷及運維建議模塊，用于綜合利用故障程度、故障發展趨勢和故障預測信息給出運維建議。

所述運行數據采集模塊實時采集的相關參數包括被診斷設備的被監控參數和其他相關參數，并得到被監控參數測量值和其他相關參數測量值；所述其他相關參數是在機理上與被監控參數存在因果關系的參數。