[发明专利]基于分布式架构的装备退化状态故障预测系统有效

专利信息
申请号: 202011309881.7 申请日: 2020-11-20
公开(公告)号: CN112307586B 公开(公告)日: 2022-08-26
发明(设计)人: 高天宇;杨京礼;尹双艳 申请(专利权)人: 哈尔滨工业大学
主分类号: G06F30/17 分类号: G06F30/17;G06F30/20;G06F119/02;G06F119/04
代理公司: 哈尔滨华夏松花江知识产权代理有限公司 23213 代理人: 杨晓辉
地址: 150001 黑龙*** 国省代码: 黑龙江;23
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 分布式 架构 装备 退化 状态 故障 预测 系统
【说明书】:

一种基于分布式架构的装备退化状态故障预测系统,属于装备故障预测技术领域。本发明针对复杂装备的故障监测中将退化状态识别与故障预测相结合,存在数据处理可靠性和安全性差的问题。包括:Zynq‑7020硬件平台数据处理模块,用于根据目标装备的实时采集数据获得装备性能退化特征;故障预测模块,用于根据装备性能退化特征构建健康因子,并通过故障预测模型预测目标装备的剩余寿命;所述故障预测模型通过带标签的数据进行预训练后建立。本发明可提高装备故障预测的实时性。

技术领域

本发明涉及基于分布式架构的装备退化状态故障预测系统,属于装备故障预测技术领域。

背景技术

复杂装备通常由众多部件组成,其结构层次多,不同零部件之间关系复杂,耦合性强。复杂装备系统一旦发生故障,常常会危及人身财产安全,甚至引发社会和环境问题。因此,为了提高复杂装备系统的可靠性与安全性,需要开展装备的退化状态识别与故障预测,以实现对装备的及时维护,缩短维护周期,并降低维修成本,为“预防性维修”提供支撑。进而可在最大程度上减少故障的发生。

现代化装备系统具有规模大、监测点多、传感器采样频率高、设备服役周期长等特点。因此,传统的“前端采集+信道传输+后端处理”的退化状态监控模式,在处理现代化装备海量原始数据时面临着巨大的挑战。特别在对于通信信道有严格限制的应用场景中,如何更有效提高退化状态识别与故障预测的实时性已成为亟待解决的关键问题。

随着对硬件计算平台分析处理性能要求的不断提高,以多核心处理器进行设计的硬件平台不断涌现出来,它的多核心处理器能够各自发挥出相应的优点,获得更好的性能。异构多核处理器便是将不同的处理器核单片直接在一个单芯片上完成集成,实现一个器件上具有多个处理器的功能。这种集成方式无论在性能还是功耗上,相较于分立的处理器设计都有明显的优势。它能够将不同的计算任务灵活地分配在不同的处理核上,以实现计算任务性能的最优化。

Zynq-7000可扩展处理平台系列是Xilinx公司推出的全可编程可扩展处理结构,它在单芯片上集成了基于双核ARMCortex-A9的处理系统(Processing System,PS)和Xilinx28nm可编程逻辑(Programmable Logic,PL),实现了ARM+FPGA体系结构,是异构多核处理器的典型代表。Zynq-7020全可编程SoC(SystemonaChip)不仅具有ASIC的易用性、低功耗和高效能的优点,还兼具了ARM流程控制、操作灵活以及FPGA的灵活性、可扩展性的双重优势。同时由于采用异构SoC芯片的设计结构,解决了ARM与FPGA部分的通讯问题,其内部采用标准的AMBA(Advanced Microcontroller Bus Architecture)协议来实现二者的数据交互。

因此,针对以上不足,需要提供一种利用Zynq-7000可扩展处理平台进行退化状态故障预测的系统,来保证复杂装备的可靠性和安全性。

发明内容

针对复杂装备的故障监测中将退化状态识别与故障预测相结合,存在数据处理可靠性和安全性差的问题,本发明提供一种基于分布式架构的装备退化状态故障预测系统。

本发明的一种基于分布式架构的装备退化状态故障预测系统,包括,

Zynq-7020硬件平台数据处理模块,用于根据目标装备的实时采集数据获得装备性能退化特征;

故障预测模块,用于根据装备性能退化特征构建健康因子,并通过故障预测模型预测目标装备的剩余寿命;所述故障预测模型通过带标签的数据进行预训练后建立。

根据本发明的基于分布式架构的装备退化状态故障预测系统,所述Zynq-7020硬件平台数据处理模块包括,

PS模块,用于对实时采集数据进行平滑去噪预处理获得预处理后数据;

PL模块,用于通过编辑代码构建特征提取模型对预处理后数据进行逐层特征提取,获得装备性能退化特征。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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哈尔滨工业大学,未经哈尔滨工业大学许可,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/202011309881.7/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top