[发明专利]基于相似性的工业设备故障预警方法

说明书

本发明提供一种工业设备的故障预警方法，涉及工业生产技术领域。该工业设备的故障预警方法为，服务器对设备正常运行的相关多个测点历史数据进行相似性分析，生成一个能代表正常运行状态的状态矩阵S，服务器实时采集设备运行数据，产生实时值矩阵R，通过矩阵S和实时值矩阵R做相似性计算,并优化计算结果，产生预测矩阵E，然后计算R和E之间的差值矩阵C，如果差值矩阵C的相关测点和测点组合超过阈值，称这些测点为异常点和异常点组合，如果异常点和异常点组合在滑动窗口周期内出现的比例超过阈值，则服务器判定工业设备将要出现故障并发出预警信号。本发明通过设置服务器和客户端，实时对工业设备运行数据进行分析，并判断是否将要出现故障，实现科学有效地自动监控和故障预警，有效保证工业设备的安全工作，进而提高企业的效益。

技术领域

本发明提供一种工业设备的故障预警方法，涉及工业生产技术领域，主要包括电力，石化，钢铁，煤炭流程生产行业，解决这些行业中重要生产设备(比如锅炉、发电机、引风机和蒸馏塔等)的故障预警的问题，有效保证工业设备的安全生产，进而提高企业的效益。

背景技术

工业设备故障预警方法中，大多集中在物理模型的方法，此方法是根据物理模型进行分析预测，具有较高的准确性，但是也遇到了瓶颈，即对于无法建立确定物理模型的复杂系统适用性问题。随着大数据技术和机器学习的发展，采用机器学习和大数据分析技术的故障预测成为重要的研究方向，通过对现有研究和应用梳理，多集中在聚类算法和神经网络。聚类算法通过过往历史故障数据训练，再和当前值做对比，显然对未知隐患预测能力不足。神经网络在工业设备故障预警方面存在许多的不足，因为其属于黑箱方法，无法明确解析其中的潜在关系，给应用和调优造成困难。基于此背景，本发明提供一种基于相似性的工业设备故障预警方法。此方法符合流程行业设备运行的特点，即通过设备正常运行时的特征值数据标定一个正常设备运行的区间，再根据设备运行的实时值，根据相似性生产预测值，然后计算预测值和实时值的差值，然后根据设备机理模型处理此差值，即如果相关测点和测点组合超过阈值，称这些测点为异常点，在滑动窗口区间异常点出现的百分比超过阈值，则服务器判定工业设备将要出现故障并发出预警信号。此方法融合相似性建模方法和设备故障模型，对流程行业的重资产设备做到实时故障预测，提高设备运行可靠性。

发明内容

本发明提供基于相似性计算的工业设备故障预警方法，其特征在于符合流程行业中设备运行特点。设置服务器采集实时生产数据，对实时数据做计算，达到实时故障预警的目的。其方法分为两个步骤，一个根据状态矩阵S和实时值矩阵R，进行相似性计算，优化计算结果，产生预测值矩阵E，进而产生差值矩阵C，第二个步骤是根据差值矩阵C，实时计算滑动窗口区间异常点和异常点组合的出现的比例是否超过阈值，以此来判断是否产生预警信息。下面将详细解释。