[发明专利]一种设备故障预测方法

说明书

本发明提供了一种设备故障预测方法，包括：步骤1，按照时间间隔T采集设备的各个特征项数值及设备完好状态，将时间、总评分、设备完好状态作为历史数据；步骤2，按时间升序排序历史数据集，遍历历史数据集，找到发生设备故障的数据记录并加入到故障记录集中；步骤3，遍历故障记录集，获得区间数组A；步骤4，选取设备最近m条总评分数据，得到数组B；通过数组B中的元素是否按顺序包含在数组A对应位置，来判断故障概率，统计获取故障概率最大情况，以及偏移量，得出设备故障发生概率以及预计故障发生时间。

技术领域

本发明涉及一种预测方法，具体的说，涉及了一种设备故障预测方法。

背景技术

在设备运行过程中，能够提前预知设备的状态，就能提前排除风险。但是对于大部分的预测算法，往往需要设备运行很长时间，积累大量历史数据。然而，对于一些设备来说，有些历史数据可能不容易积累，比如故障记录数据，因此，如何获得大量历史数据以及如何根据获得的历史数据进行故障预测是急需解决的问题。

发明内容

本发明的目的是针对现有技术的不足，从而提供一种设备故障预测方法。

为了实现上述目的，本发明所采用的技术方案是：

一种设备故障预测方法，包括：

步骤1，按照时间间隔T采集设备的各个特征项数值及设备完好状态，所述设备完好状态包括故障和正常，按照评估算法计算出设备的总评分，将时间、总评分、设备完好状态作为历史数据；

所述评估算法包括：

定义特征项5个节点的数值[nmin，ngood，nbad，ntoobad，nmax]，其中，nmin为最小值，ngood为正常值，nbad为预警值，ntoobad为报警值，nmax为最大值；定义特征项5个节点对应的评估分数[100，fgood，fbad，ftoobad，0]，其中，fgood、fbad、ftoobad为0-100之间的数值；

特征项数值x划分为四个区间：[nmin，ngood]、(ngood，nbad]、(nbad，ntoobad]、(ntoobad，nmax]；

评估分数y和特征值x对应的函数表示如下：

记设备有n个特征项，各特征项分数的权重h为：h1,h2,……,hn，各特征项权重总和为1，总评分为Y，则

Y＝yt yt≤ftoobad t∈[t1,t2,…]t1,t2,…∈[1,n] (5)

y＝h1y1+h2y2+…+hnyn (6)；

步骤2，按时间升序排序历史数据集，遍历历史数据集，找到发生设备故障的数据记录并加入到故障记录集中，记故障记录集为[k1，k2，…，kx]，其中k1，k2，…，kx的值为数据记录的评估分数；

步骤3，遍历故障记录集，对每个评估分数k1，k2，…kx，进行相同的数据分析：

步骤3.1，在历史数据中选取评估分数ki的记录数据及其前n-1条数据的评估分数，如不足n-1条数据则丢弃此条记录的分析，得到数组：

[Si_1、Si_2、Si_3、…、Si_n]，i＝1,2,…,x；