[发明专利]一种基于数据驱动的挤压机设备智能运维方法及系统

权利要求书

1.一种基于数据驱动的挤压机设备智能运维方法，其特征在于，包括如下步骤：

根据挤压机故障变化敏感的特征参数采集需求，对故障特征参数进行实时采集；

根据挤压机生产一线记录的设备故障情况，在数据中心找到相对应的故障数据；按照挤压机的故障分类，从挤压机故障历史数据中搜集每种类别故障的数据集各N条，构建挤压机故障数据集；N为自然数，N≥5；

基于机器学习算法构建挤压机的智能故障预测模型，将故障特征参数标签化作为模型输入，以故障类型识别结果为模型输出，通过迭代算法使理想输出与实际输出的均方误差达到最小值；在构建的初始故障预测模型基础上，以构建的挤压机故障数据集为训练样本集，对智能故障预测模型进行训练，进一步调整模型参数；

采用智能故障预测模型提前对设备的故障趋势进行判断，对具体故障类别进行预警预测，并根据模型预测的结果来提前对设备可能发生的故障进行运维干预。

2.根据权利要求1所述的基于数据驱动的挤压机设备智能运维方法，其特征在于，根据挤压机故障变化敏感的特征参数采集需求，对故障特征参数进行实时采集之前还包括如下步骤：

对挤压机的各类故障进行分析，结合实际生产情况，针对挤压机的关键零部件，将挤压机设备的故障分为油泵故障、主油缸故障、油箱故障、电机故障、盛锭筒故障和挤压杆故障六大类别；

综合异常原因分析，确定挤压机设备的故障影响因素。

3.根据权利要求1所述的基于数据驱动的挤压机设备智能运维方法，其特征在于，所述故障特征参数包括油泵出口压力、油泵出口温度、油泵出口流量、油液黏度、油箱油温、油箱油位、挤压速度、主缸压力、电机电流、电机转速、压余厚度、盛锭筒压力、盛锭筒温度和突破压力。

4.根据权利要求1所述的基于数据驱动的挤压机设备智能运维方法，其特征在于，根据挤压机故障变化敏感的特征参数采集需求，对故障特征参数进行实时采集，具体包括以下步骤：

通过PLC通信接口，采集故障特征参数挤压速度和主缸压力；

通过电机通信接口，采集故障特征参数电机电流和电机转速；

通过油泵通信接口，采集故障特征参数油泵出口压力、油泵出口温度、油泵出口流量、油液粘度、油箱温度和油箱液位；

通过盛锭筒传感器通信接口，采集故障特征参数压余厚度、盛锭筒压力、盛锭筒温度和突破压力；

基于各个故障特征数据采集范围，对异常数据进行剔除。

5.根据权利要求1所述的基于数据驱动的挤压机设备智能运维方法，其特征在于，构建挤压机的智能故障预测模型具体包括：

确定模型输入层：根据故障成因分析，对故障特征参数进行数据标签化作为模型输入；

确定模型输出层：根据挤压机设备的故障类别分类，对设备正常运行类别和挤压机设备的故障类别进行数据标签化作为模型输出；

将包含挤压机故障类别的故障数据集作为模型的训练数据，对模型进行训练。

6.根据权利要求1所述的基于数据驱动的挤压机设备智能运维方法，其特征在于，对智能故障预测模型进行训练具体包括：

初始化权值和阈值；

确定模型中间隐含层：根据输入层节点数14、输出层节点数7，考虑隐含层的神经元节点数选取为4～14之间的整数，在训练的过程中，通过学习选取最优值；

模型实际输出如下：

其中，y_k是第k个神经元的输出，x_j为第j个神经元的输入，m是隐含层的神经元节点数，b为输出层阈值，w_jk为神经元之间的连接权值，f(.)为激活函数；

基于迭代算法不断更新调整权值和阈值，直到理想输出与实际输出的均方误差达到最小值。