[發明專利]一種基于物聯網邊緣計算的工業設備健康預測方法

在審

• 申請號: 202210281870.5
• 申請日: 2022-03-22
• 公開（公告）號: CN114611372A
• 公開（公告）日: 2022-06-10
• 發明（設計）人: 劉洋;謝穎;付曉晨
• 申請（專利權）人: 合肥金人科技有限公司
• 主分類號: G06F30/25
• 分類號: G06F30/25;G06F30/27;G06K9/62;G06N3/00
• 代理公司: 合肥洪雷知識產權代理事務所(普通合伙) 34164
• 代理人: 趙可

本發明公開了一種基于物聯網邊緣計算的工業設備健康預測方法,該方法的步驟為樣本數據集采集，對缺失的數據進行填補；將采集和填補的數據按不同比例進行分類；利用改進粒子群優化模型對參數進行初始化；利用支持向量機中的參數代表粒子，并計算適應度值；對各個粒子的個體極值以及個體極值中的最優值進行比較與更新；更新各個粒子的速度與位置以及更新慣性權重初始值與最終值；對終止條件進行判斷；利用分類模型對設備的狀態數據進行分類；對預測結果進行定性評價；該發明利用灰色動態預測模型進行填補，保證數據的完整性，利用改進的粒子群算法對工業設備健康狀態進行預測，設立預測標準對預測結果評估，保證預測結果的準確性。

技術領域

本發明涉及工業設備健康領域,尤其涉及一種基于物聯網邊緣計算的工業設備健康預測方法。

背景技術

“工業4.0”改革加速了傳感器技術、無線通信技術及計算系統發展，大量的監測數據涌入工業制造領域，同時也為設備健康監測系統研究帶來了前所未有的挑戰。隨著現代化工業技術的蓬勃發展，工業設備的可靠性和維護水平已成為保證系統正常運行的必要條件。在實際生產過程中，隨著設備使用時間的增加，設備的性能在不斷衰退，若不進行有效的維護，設備可能會失靈或者發生故障，從而會影響企業的生產效益．所以在設備的健康狀態嚴重之前，對設備進行實時的處理，可以避免一些成本高昂的維修，降低設備的維護成本，提高設備的利用率。

發明專利申請CN109635958A公開了一種基于邊緣計算的預測性工業設備維護方法及維護系統，包括以下步驟:S1:采集工業數據;S2:對工業數據進行預處理,得到標準工業數據;S3:進行特征選擇,得到最終特征;S4:構建異常檢測模型,并將標準工業數據及最終特征輸入異常檢測模型,對標準工業數據進行異常檢測;S5:構建健康預測模型,判斷標準工業數據對應的工業設備是否產生健康,若是則下發預警信息,若否則進入步驟S1。一種維護系統,包括依次連接的工業設備,邊緣網關和服務器。

現有方法中對所采集的工業設備數據僅進行預處理，并未考慮當采集的設備數據出現部分丟失，造成樣本量少且存在樣本量不均衡的情況，同時也并未設立預測標準對預測結果進行評估，最終導致后續的預測不準確。

發明內容

為了克服現有技術存在的缺點與不足,本發明提供一種基于物聯網邊緣計算的工業設備健康預測方法。

本發明所采用的技術方案是，步驟為：

步驟S1：對工業設備的狀態數據進行收集構成樣本數據集A，兩個缺失數據間的所有數據組成部分數據集B，利用灰色動態預測模型對采集缺失的數據進行填補，對前向填補值和后向填補值進行加權平均；

步驟S2：將采集和填補的數據按不同比例分成訓練集、驗證集與測試集，不同的數據集里數據比例不同，利用訓練集里的數據來訓練模型；將訓練好的模型在驗證集上進行驗證，利用測試集上的誤差作為最終模型在應對現實場景中的泛化誤差；

步驟S3：利用改進粒子群優化模型減小非線性多分類均衡支持向量機樣本量不平衡引起的誤差，然后對參數進行初始化；

步驟S4：利用支持向量機中的參數代表改進粒子群優化模型的粒子，利用核函數計算各個粒子的適應度值，對樣本數少的粒子，增大均衡因子抵消由于樣本數不平衡引起的偏差；

步驟S5：對各個粒子的個體極值以及個體極值中的最優值進行比較與更新；

步驟S6：更新各個粒子的速度與位置以及更新慣性權重初始值與最終值，在更新開始時的慣性權重大于在更新后期的慣性權重；

步驟S7：對終止條件進行判斷，當終止條件達到最大迭代次數，則終止迭代，同時將最優解進行輸出；當終止條件沒有達到最大迭代次數，返回步驟S4繼續迭代；

步驟S8：迭代結束后，將最優解代入支持向量機中重新進行訓練，再利用分類模型對設備的狀態數據進行分類；

步驟S9：對步驟S8的預測結果利用健康度對工業設備進行定性評價，評價結果分為三種健康、亞健康、損壞。