[发明专利]一种设备状态趋势分析及故障诊断方法

说明书

本发明涉及工业设备的趋势分析及故障诊断技术领域，其目的在于提供一种设备状态趋势分析及故障诊断方法，包括以下步骤：获取待诊断设备的历史运行参数；对历史运行参数进行预处理，得到分析数据集；根据分析数据集，建立趋势算法模型；获取待诊断设备的当前运行参数，并将当前运行参数输入当前趋势算法模型内，再将当前运行参数与预设的正常状态参数进行对比，得到待诊断设备的劣化程度；根据当前趋势算法模型获取预测趋势曲线，并根据预测趋势曲线、当前运行参数和预设的标准限值，得到预测性维护时间窗口。本发明可实现对设备状态进行实时的监控，便于设备使用者掌握准确设备的运行工况，同时为后续设备的维修提供足够的时间窗口。

技术领域

本发明涉及工业设备的趋势分析及故障诊断技术领域，特别是涉及一种设备状态趋势分析及故障诊断方法。

背景技术

目前，对于工业设备的趋势分析及故障诊断主要采用人工经验判断的方法。大部分企业的设备管理采用的是按照计划维修的方式，即在计划的时间节点对正在运行的设备采集当时的运行参数，然后通过工程师的人工经验对设备当下的运行情况做判断。然而，该方式主要根据当时的数据得到结论，不能判断设备未来的运行趋势。在部分信息建设较好的企业中，会采集设备的历史运行数据，并在集中控制中心实时地进行设备运行状态展示，由此可看到当下以及过往一段时间的设备运行数据。然而，该方式无法对设备的剩余运行时长和预期的设备故障时间进行预测及判断。

随着对“设备资产管理”要求的提高，存在需要实时掌握设备运行工况及预测设备的剩余运行时长等需求，因而，有必要研究一种设备状态趋势分析及故障诊断方法。

发明内容

本发明旨在至少在一定程度上解决上述技术问题，本发明提供了一种设备状态趋势分析及故障诊断方法。

本发明采用的技术方案是：

一种设备状态趋势分析及故障诊断方法，包括以下步骤：

获取待诊断设备的历史运行参数；

对历史运行参数进行预处理，得到分析数据集；

根据分析数据集，建立趋势算法模型；

获取待诊断设备的当前运行参数，并将当前运行参数输入当前趋势算法模型内，再将当前运行参数与预设的正常状态参数进行对比，得到待诊断设备的劣化程度；

根据当前趋势算法模型获取预测趋势曲线，并根据预测趋势曲线、当前运行参数和预设的标准限值，得到预测性维护时间窗口。

优选地，所述历史运行参数包括振动时序数列和温度时序数列；其中，振动时序数列为带有时间标签的振动频率数据，温度时序数列为带有时间标签的温度数据。

优选地，对历史运行参数进行预处理时，步骤如下：对历史运行参数进行数据清洗处理、数据对齐处理和/或数据异常值排除处理。

优选地，对历史运行参数进行预处理后，还包括以下步骤：

对历史运行参数进行平滑处理、滤波处理和/或有效化处理。

优选地，根据分析数据集，建立趋势算法模型时，步骤如下：

对分析数据集进行样本划分，得到训练数据集以及评估数据集；

根据训练数据集建立趋势算法模型；

根据评估数据集对趋势算法模型进行优化，得到优化后趋势算法模型。

进一步地，根据专家规则的方法对分析数据集进行样本划分。

进一步地，采用人工智能机器学习技术中的曲线拟合及BP神经网络建立趋势算法模型。

优选地，得到待诊断设备的劣化程度后，还包括以下步骤：