[发明专利]一种设备健康状态预警方法及其系统

说明书

本发明涉及一种设备健康状态预警方法及其系统，具体公开了一种基于高维(Hyper Dimension,HD)‑支持向量回归机(Support Vector Regression,SVR)技术的大数据设备预警方法。根据设备运行历史健康数据建立设备的健康集，采集设备当前状态的运行数据作为观测向量，并由健康集得到的对应状态的预测向量，通过残差向量即观测向量与预测向量之差来判定当前设备运行状态健康程度，以实现实时的高维数据监测、异常工况预警。同时利用支持向量回归机对设备进行故障预测。

技术领域

本发明涉及一种设备健康状态预警方法及其系统，属于工业设备安全及故障预测、诊断领域。

背景技术

反映设备健康状态的信号往往是多维的，而设备在不同的负载、工况下，反映其健康程度的信号往往也是不同的。这就造成设备的健康识别、预测和诊断有一定的复杂性。目前的设备故障诊断方法多是单维的，对各维度之间的数量关系考虑得不够充分，也并没有考虑设备在不同负载、工况下不同的健康指标。

此外，独立地考虑设备的各个检测信号时往往设备是健康的，但当综合考虑这些信号是可能就会发现设备处于非正常的运转状态。因此，综合考虑高维信号，对设备故障监测、预警的意义重大。

发明内容

本发明的目的是提供一种设备健康状态预警方法及其系统，用以解决现有技术中，对工业设备故障的诊断和预测考虑不充分，结果不准确的问题。

为实现上述目的，本发明的方案包括：

本发明的一种设备健康状态预警方法，包括方法方案：

方法方案一，包括以下步骤：

1)采集设备在各工况下运行时产生的高维运行数据；

2)筛选出能够反映设备运转良好的健康数据，并处理成能够反映设备所有健康状态的健康数据集；

3)采集设备当前运行状态下的实时数据集，并与所述健康数据集对比，获得当前状态下设备的健康度。

方法方案二，在方法方案一的基础上，还包括步骤：

4)当所述健康度低于设定的阈值时报警，并根据步骤3)中的所述对比的结果定位故障位置。

方法方案三，在方法方案二的基础上，将所述健康度处理后，用于训练支持向量回归机，进而预测设备的健康趋势。

方法方案四，在方法方案三的基础上，所述运行数据全面而不冗余的覆盖了设备的运行状态。

方法方案五，在方法方案四的基础上，步骤3)和步骤4)中，所述对比包括计算残差值；所述残差值为，由所述实时数据集得到观测向量，由健康数据集得到设备对应状态下的预测向量，所述观测向量和所述预测向量的差为残差向量，由残差向量获得残差值。

方法方案六，在方法方案四的基础上，所述残差值越小，设备健康度越高。

方法方案七，在方法方案六的基础上，步骤4)中，所述阈值设定为能够反映设备运转良好的健康数据的最小值。

方法方案八，在方法方案六的基础上，步骤4)中，定位故障位置的方法为，所述残差值大于设定值的数据，反映发生故障的位置。

方法方案九，在方法方案一或方法方案二或方法方案三的基础上，所述处理为将健康度进行拟合和/或平稳化处理。

本发明的一种设备健康状态预警系统，包括采集单元和处理器，所述采集单元用于采集设备在各工况下运行时产生的高维运行数据；所述处理器用于执行实现上述方法方案一到方法方案九方法的指令。

本发明的有益效果为：