[发明专利]设备故障的检修方法、装置、计算机设备和存储介质有效
| 申请号: | 201910084325.5 | 申请日: | 2019-01-29 |
| 公开(公告)号: | CN109782739B | 公开(公告)日: | 2021-02-09 |
| 发明(设计)人: | 张大海;黄玉娴;王晓雄;林伟波 | 申请(专利权)人: | 中国能源建设集团广东省电力设计研究院有限公司 |
| 主分类号: | G05B23/02 | 分类号: | G05B23/02 |
| 代理公司: | 广州华进联合专利商标代理有限公司 44224 | 代理人: | 周清华 |
| 地址: | 510663 广东省*** | 国省代码: | 广东;44 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 设备 故障 检修 方法 装置 计算机 存储 介质 | ||
1.一种设备故障的检修方法,其特征在于,包括:
建立设备故障检测模型,其中,获取正常设备运行参数;对所述正常设备运行参数进行数据降维,生成降维矩阵;确定所述降维矩阵的主元个数;根据所述主元个数,计算设备正常运行时的霍特林统计量和Q统计量;求取设备正常运行时的所述霍特林统计量和所述Q统计量在99%置信度下所对应的控制限作为安全控制限,并建立所述设备故障检测模型;以及,获取设备运行参数;
将所述设备运行参数输入至所述设备故障检测模型;
获取设备异常信息;所述设备异常信息为当所述设备运行参数异常,所述设备故障检测模型输出的设备异常信息;其中,所述设备异常信息包括设备故障类型;所述获取设备异常信息,包括:预先依据所述设备故障时的设备运行参数,建立设备故障族群类别模型矩阵;当所述设备运行参数异常时,通过所述设备故障检测模型,计算所述设备的异常运行参数与所述故障族群类别模型矩阵之间的欧氏距离;确定所述欧氏距离对应的设备故障类型;
查询所述设备异常信息对应的可视化检修指引;
展示所述可视化检修指引,以指引检修人员进行设备检修;所述可视化检修指引包括检修操作流程图、待检修设备图、检修示意音频、检修示意幻灯片和检修示意动画中的至少一种。
2.根据权利要求1所述的方法,其特征在于,所述建立设备故障检测模型,包括;
获取正常设备运行参数;
对所述正常设备运行参数进行数据降维,生成降维矩阵;
确定所述降维矩阵的主元个数;
根据所述主元个数,计算所述正常设备运行参数的正常主元统计量;
确定所述正常主元统计量的安全控制限,并建立设备故障检测模型。
3.根据权利要求1所述的方法,其特征在于,所述设备异常信息包括异常参数类型;
所述获取设备异常信息,包括:
计算所述设备运行参数的当前主元统计量;
判断所述当前主元统计量是否超过所述安全控制限;
若是,获取所述当前主元统计量的统计量贡献图;
根据所述统计量贡献图,确定所述异常参数类型。
4.根据权利要求1所述的方法,其特征在于,所述设备异常信息包括设备故障类型;
所述获取设备异常信息,包括:
获取设备故障族群类别模型矩阵;
计算所述设备运行参数与故障族群类别模型矩阵之间的欧氏距离;
确定所述欧氏距离对应的设备故障类型。
5.根据权利要求1所述的方法,其特征在于,还包括:
获取所述设备运行参数的实时趋势曲线;
生成所述实时趋势曲线的异常类型预测结果;
查询所述异常类型预测结果的可视化预检指引;
展示所述可视化预检指引,以指引检修人员进行设备预检;所述可视化预检指引包括预检操作流程图和待预检设备图。
6.根据权利要求5所述的方法,其特征在于,所述生成所述实时趋势曲线的异常类型预测结果的步骤包括:
获取历史趋势曲线;所述历史趋势曲线具有对应的候选异常类型;
匹配所述历史趋势曲线和所述实时趋势曲线,得到目标历史趋势曲线;
获取所述目标历史趋势曲线对应的候选异常类型,作为所述异常类型预测结果;所述异常类型预测结果用于提前预判设备情况避免故障发生。
7.根据权利要求1所述的方法,其特征在于,还包括:
当所述设备运行参数异常,计算所述设备运行参数与预设的参数阈值之间的参数差值;
确定所述参数差值的异常严重等级;
获取所述异常严重等级的报警外观特征;
展示所述报警外观特征。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国能源建设集团广东省电力设计研究院有限公司,未经中国能源建设集团广东省电力设计研究院有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910084325.5/1.html,转载请声明来源钻瓜专利网。





