[发明专利]一种设备故障元件排查方法及系统

说明书

本发明公开了一种设备故障元件排查方法及系统，通过获取元件状态异常数据和设备故障维修数据，建立故障‑元件‑传感器贝叶斯信念网络模型，并基于故障‑元件‑传感器贝叶斯信念网络模型，计算与元件相连的传感器检测到元件异常时元件实际异常的概率；将此概率按照从大到小的顺序依次排列，得到排列后的元件实际异常的概率，并通过排列后的元件实际异常的概率的顺序对应排列元件，则排列在前的元件为优先排查的元件。即采用本发明提供的方法或者系统，能够系统的建立故障、元件以及传感器三者之间的关系式，并根据此关系式能够快速的得到设备故障发生时最有可能出现故障的元件，避免人为主观进行故障排查，提高设备故障元件排查效率。

技术领域

本发明涉及设备维修技术领域，特别是涉及一种设备故障元件排查方法及系统。

背景技术

目前液压机设备故障大多基于故障现象进行人为主观判断的故障排查，该方法容易受人主观意识以及技术人员自身技能限制，且故障排查靠经验进行，并不是基于一定的先后顺序进行排查，因此，容易造成一定的时间与精力的浪费，从而导致设备故障元件排查效率低。所以，如何提高设备故障元件排查效率，是设备维修技术领域急需要解决的问题。

发明内容

本发明的目的是提供一种设备故障元件排查方法及系统，利用传感器检测到元件异常数据与故障维修数据进行数据分析，得到设备故障发生时最有可能出现故障的元件，辅助故障排查，提高设备故障元件排查效率。

为实现上述目的，本发明提供了如下方案：

一种设备故障元件排查方法，所述设备故障元件排查方法，包括：

获取元件状态异常数据和设备故障维修数据；

根据所述元件状态异常数据和所述设备故障维修数据，建立故障-元件-传感器贝叶斯信念网络模型；所述故障-元件-传感器贝叶斯信念网络模型包括：传感器、元件以及设备设定故障；在所述故障-元件-传感器贝叶斯信念网络模型中，所述传感器与所述元件相连，所述元件与所述设备设定故障相连；所述传感器与所述元件相连表示所述传感器检测所述元件是否异常；所述元件与所述设备设定故障相连表示所述元件发生异常时引起所述设备设定故障；

根据所述故障-元件-传感器贝叶斯信念网络模型，计算与所述元件相连的传感器检测到元件异常时所述元件实际异常的概率；

将与所述元件相连的传感器检测到元件异常时所述元件实际异常的概率按照从大到小的顺序依次排列，得到排列后的元件实际异常的概率，并根据所述排列后的元件实际异常的概率的顺序对应排列所述元件，排列在前的所述元件为优先排查的元件。

可选的，所述根据所述元件状态异常数据和所述设备故障维修数据，建立故障-元件-传感器贝叶斯信念网络模型，具体包括：

根据所述元件状态异常数据，构建所述传感器异常-元件表；所述传感器异常-元件表包括传感器检测元件异常且元件实际异常的概率；所述元件状态异常数据包括传感器检测元件异常且元件实际异常的次数、传感器检测元件异常且元件实际未异常的次数以及传感器检测元件未异常且元件实际异常的次数；所述传感器检测元件异常且元件实际异常的概率表示所述传感器检测元件异常且元件实际异常的次数与元件异常次数的比；所述元件异常次数为传感器检测元件异常且元件实际异常的次数、传感器检测元件异常且元件实际未异常的次数、传感器检测元件未异常且元件实际异常的次数之和；

根据所述设备故障维修数据，生成故障字典；所述故障字典包括每个元件的第一概率；所述第一概率为所述元件发生异常时引起设备设定故障的概率；所述设备故障维修数据包括每个元件发生异常时引起的设备设定故障的次数；所述第一概率表示所述元件发生异常时引起设备设定故障的次数与所述每个元件发生异常时引起设备设定故障的次数之和的比；

根据所述故障字典和所述传感器异常-元件表，采用贝叶斯信念网络，建立故障-元件-传感器贝叶斯信念网络模型。