[发明专利]一种基于故障智能诊断的设备可靠性动态评估方法

说明书

一种基于故障智能诊断的设备可靠性动态评估方法，用户可根据故障实时智能诊断（2）的结果，动态更新设备的健康信息，建立设备运行动态档案（1），并根据设备运行动态档案（1）来建立设备可靠性评估模型（3）。本发明优点（1）：本技术方案为设备可靠性精准计算和实时管理提供了强大的科技手段，设备运行档案技术、故障实时智能诊断（2）、设备故障率经验曲线（4）、设备可靠性评估模型（3）、设备运维管理体系等，为设备全生命周期管理提供一整套完善的技术方法体系，支持设备可靠性全生命周期计算管理，实现优化合理使用设备，延长设备有效寿命，提高设备资产使用率，节省企业生产成本。

技术领域

本发明涉及设备的故障智能诊断技术领域，尤其是一种基于故障智能诊断的设备可靠性动态评估方法。

背景技术

设备可靠性指产品在规定的条件下和规定的时间内，完成规定功能的能力。设备可靠性管理已经成为设备密集型工业企业保障生产正常进行的基本保障措施，如何准确评估设备的可靠性？如何实现对工业企业重要关键设备可靠性的精准计算和实时管理？如何根据设备可靠性评估结果支持设备的维护处理作业？这些问题已成为本行业亟需解决的问题。

发明内容

为了解决上述现有技术中存在的问题，本发明提供一种基于故障智能诊断的设备可靠性动态评估方法。

本发明解决其技术问题所采用的技术方案是：一种基于故障智能诊断的设备可靠性动态评估方法，用户可根据故障实时智能诊断2的结果，动态更新设备的健康信息，建立设备运行动态档案1，并根据设备运行动态档案1来建立设备可靠性评估模型3。

本发明还具有以下附加技术特征：

作为本发明技术方案进一步具体优化的：设备运行动态档案1包含设备生产、设备安装或设备运行的过程中所有关键和重要信息；关键和重要信息包括并不限于设备名称、生产安装情况、设备基本参数、运行记录、智能诊断记录、故障检修记录或可靠性管理新型；设备运行动态档案1用于支持设备可靠性计算。

作为本发明技术方案进一步具体优化的：故障实时智能诊断2用于实时采集设备运行数据信息，设备运行数据信息包括但不限于振动数据信息、温度数据信息、压力数据信息、电流数据信息或声波数据信息；故障实时智能诊断2根据故障特征库和深度学习算法，实时智能动态识别设备故障信息；设备故障信息包括但不限于潜在故障信息、故障苗头信息和显性故障信息；故障实时智能诊断2支持设备故障提前预警，支持设备预测性维修，支持实时更新设备运行档案，支持设备可靠性实时计算和定期评估工作。

作为本发明技术方案进一步具体优化的：设备可靠性评估模型3根据但不限于设备参数、故障诊断记录、故障及维修记录，利用设备故障率经验曲线4通过评估模型，可实时或定期计算设备剩余寿命、设备固有可靠性和设备使用可靠性，支持设备预测性维护、故障维修和设备固定资产折旧管理；设备可靠性评估模型3包括但不限于设备寿命计算模型、固有可靠性计算模型和使用可靠性计算模型。

作为本发明技术方案进一步具体优化的：设备寿命计算模型包括有计算指标，计算指标包括但不限于设计寿命、已使用时间、故障间隔时间、故障平均修复时间、故障率和设备故障率经验曲线4；其中，设备寿命实时计算公式=（设计寿命-已使用时间）*（故障间隔时间/平均故障间隔时间）；其中，设备寿命定期（年）计算公式=（设计寿命-已使用时间）*（平均故障率/实测故障率）*（平均修复时间/实测修复时间）。

作为本发明技术方案进一步具体优化的：固有可靠性计算模型包括有源数据，源数据不包含设备异常信息；其中，设备可靠性（实时）=100*（实际监测故障间隔时间/平均故障间隔时间）*exp{-（1-设计剩余寿命/设计寿命）/12}；其中，设备可靠性（年）=100*（平均故障率/实测故障率）*（平均修复时间/实测修复时间）*exp{-（1-设计剩余寿命/设计寿命）/12}。