[发明专利]寿命预测及维护决策方法和装置、以及存储介质、计算机

说明书

一种智能装备寿命预测及维护决策方法，包括以下步骤：获取智能装备的运行数据及专家知识数据库；用低维特征向量对智能装备进行表示，通过建立所述运行数据及专家知识数据库与低维特征向量的对应关系，从而确定所述智能装备的低维特征向量；构建基于神经网络模型的寿命预测及维护决策模型；利用预先训练的寿命预测及维护决策模型，根据所述低维特征向量，确定所述智能装备的寿命预测及维护决策结果。本发明通过结合设备的运行数据及专家知识数据库对设备使用寿命进行预测，从而提高预测结果的准确性和可靠性，大限度优化设备的使用期限和产品质量，降低停机时间和维修保障费用，提高智能装备的效率和价值，也为设备针对性采买提供了依据。

技术领域

本发明涉及设备检测技术领域，具体涉及了一种智能装备寿命预测及维护决策方法及装置、以及存储介质、计算机。

背景技术

随着高新技术的快速发展，工业生产、机械制造等领域的自动化装备呈现出大规模和复杂化的趋势，同时也对这类设备的可靠性和安全性提出了更苛刻的要求。实际工程设备(例如化工生产、机械制造)在使用过程中，由于原料侵蚀、设备之间的冲击磨损、长期处于高温出现的蠕变等原因，不可避免地会存在性能退化，并可能最终演化成故障。为确保智能装备安全稳定运行，预测与健康管理作为受到了学术界和工业界的广泛关注。预测与健康管理技术主要包含两大块内容：寿命预测、健康管理。

预测与健康管理技术可以提高设备的完好率和任务的完成率；降低停机时间和维修保障费用；对于工业领域特别是化工生产和机械制造等可靠性和产品质量要求较高的领域显得尤为重要。因此如何建立装备的寿命预测及维护决策模型，提高预测结果的准确性和可靠性，最大限度优化设备的使用期限和产品质量，提高智能装备的效率和价值是至关重要的问题。

发明内容

本发明目的在于克服现有技术的缺点与不足，提供了一种智能装备寿命预测及维护决策方法，能够提高了预测结果的准确性和可靠性，最大限度优化设备的使用期限和产品质量，提高了智能装备的效率和价值。

为实现上述目的，本发明采用的技术方案如下：

一种智能装备寿命预测及维护决策方法，包括以下步骤：

获取智能装备的运行数据及专家知识数据库；

用低维特征向量对智能装备进行表示，通过建立所述运行数据及专家知识数据库与低维特征向量的对应关系，从而确定所述智能装备的低维特征向量；

构建基于神经网络模型的寿命预测及维护决策模型；

利用预先训练的寿命预测及维护决策模型，根据所述低维特征向量，确定所述智能装备的寿命预测及维护决策结果。

由上可知，本发明方法首先获取智能装备的运行数据及专家知识数据库，进而根据所述运行数据及专家知识数据库与低维特征向量的对应关系，确定所述智能装备的特征向量，然后利用预先训练的寿命预测模型，根据低维特征向量，确定所述智能装备的维护决策及寿命优化预测结果。由此，通过利用神经网络模型，结合设备的运行数据及专家知识数据库对设备使用寿命进行预测，对是否需要维护及维护方法给出优化决策，从而提高预测结果的准确性和可靠性，最大限度优化设备的使用期限和产品质量，降低停机时间和维修保障费用，提高智能装备的效率和价值，也为设备针对性采买提供了依据。

进一步地，所述运行数据中分别包括正在使用的智能装备的运行参数、已报废的智能装备设备的运行参数、停机损耗、维护情况及使用和标称寿命；

所述专家知识数据库包括：

专家知识预测使用寿命数据库和专家知识维护意见数据库。

作为本发明的一种改进，所述步骤“构建基于神经网络模型的寿命预测及维护决策模型”包括以下子步骤：