[發明專利]基于群體數據和自編碼器的設備健康評估方法及系統

在審

• 申請號: 202310100319.0
• 申請日: 2023-02-06
• 公開（公告）號: CN116401540A
• 公開（公告）日: 2023-07-07
• 發明（設計）人: 唐宇翔;陶建峰;孫浩;董暢;伏星辰;覃程錦;劉成良
• 申請（專利權）人: 上海交通大學
• 主分類號: G06F18/214
• 分類號: G06F18/214;G06F18/25;G06N3/0442;G06N3/0455;G06N3/0464;G06N20/00
• 代理公司: 上海漢聲知識產權代理有限公司 31236
• 代理人: 胡晶

本發明提供了一種基于群體數據和自編碼器的設備健康評估方法及系統，包括：獲取同一工況下多個相同設備的運行狀態信號；對所有信號進行預處理，計算信號間的差異性并生成差異性矩陣,將多時刻多時間跨度的差異性矩陣拼接成張量；利用差異性矩陣拼接成的張量作為訓練數據，訓練多尺度自編碼器以最小化重構誤差，生成機器學習模型；將經過處理的設備運行數據輸入多尺度自編碼器，通過重構誤差反映數據偏離正常狀態的程度，根據數據異常程度評估設備健康狀況。本發明通過群體數據之間的差異性判斷個體數據的異常，從而反映出設備的健康狀況，避免了高頻信號的采集和復雜工況的控制。

技術領域

本發明涉及設備異常檢測技術領域，具體地，涉及一種基于群體數據和自編碼器的設備健康評估方法及系統。

背景技術

設備的性能會隨著使用時間的增長而慢慢衰退，因此，對設備的健康狀況進行預測對于設備故障的預防以及提高設備的可靠性都是十分有必要的。

目前，通常是設備發生故障后，才會安排工作人員去維修。但是由于無法提前得知故障類型，導致故障維修時間長，效率低，且設備在發生故障后無法再繼續使用，在設備維修期間會造成較大損失。

設備健康評估目前的主要方法有健康因子法，歷史數據法和退化模型法等。對于不同的設備，其健康因子也不盡相同，并且健康因子的構建也和工況，設備型號等信息密切相關，目前絕大部分的設備都是不具有適用性很強的健康因子來描述設備的健康狀況。

歷史數據法針對同類型、同工況、同型號的設備來說比較適用，在有大量相關歷史數據的前提下，可以根據當前設備的工作狀態及其歷史狀態去歷史數據庫中選擇最相近的歷史設備曲線進行擬合，得到當前設備的健康評估曲線，其特點是需要大量的數據且難以適應設備工作環境的變化。然而很多設備缺乏足夠的歷史數據并且在實際生產過程中，故障數據的量相對來說是非常罕見的。

退化模型法是在有大量的歷史數據的前提下，通過多種信號的時頻域特征進行分析融合形成能夠表示系統性能變化的退化指標，以這樣的退化指標作為該種設備的健康因子進行健康狀態的評估，其特點是不一定能夠找到合適的退化量指標且需要一定數據的支撐，但比單純使用健康因子的適用范圍要更廣。

現有的設備評估方法存在很多局限性，例如對原始信號的質量有較高的要求，包括較高的采樣頻率和信噪比，這在復雜的工況下難以實現?，F有方法的診斷結果均在實驗室環境中驗證，與使用現場數據得出來的結論差距較大，算法不能夠覆蓋可能遇到的大部分工況。例如對于長期處于噪聲較大的工作環境的電機來說，振動信號的信噪比低，分析起來十分困難，并且由于工作環境惡劣，難以在合適位置加裝相應的傳感器。

發明內容

針對現有技術中的缺陷，本發明的目的是提供一種基于群體數據和自編碼器的設備健康評估方法及系統。

根據本發明提供的一種基于群體數據和自編碼器的設備健康評估方法，包括：

數據采集步驟：獲取同一工況下多個相同設備的運行狀態信號；

數據差異性分析步驟：對所有信號進行預處理，計算信號間的差異性并生成差異性矩陣,將多時刻多時間跨度的差異性矩陣拼接成張量；

模型訓練步驟：利用差異性矩陣拼接成的張量作為訓練數據，訓練多尺度自編碼器以最小化重構誤差，生成機器學習模型；

健康評估步驟：將經過處理的設備運行數據輸入多尺度自編碼器，通過重構誤差反映數據偏離正常狀態的程度，根據數據異常程度評估設備健康狀況。

優選地，所述運行狀態信號包括設備的基本控制信號、反饋信號和采集信號。

優選地，對運行狀態信號預處理包括：對所有信號進行異常值處理，再對所有信號進行歸一化處理。

優選地，所述信息間的差異性計算過程為：計算兩兩信號的差信號，再計算差信號的均方根。