[发明专利]设备保养的方法及系统

说明书

本公开提供一种设备保养的方法及系统，一种设备保养的方法，包括：采集设备数据集，包括采集设备的历史维修数据、保养数据；对设备数据集进行特征提取，形成特征向量集；对特征向量集进行标准化处理；建立预测模型，包括预测模型的输入和输出；将标准化处理后的特征向量集作为预测模型的输入进行训练；基于预测模型，输出预测因子；输入设备实际保养数据集；通过提升树模型对预测模型进行训练，获得第二特征向量集；将第二特征向量集作为预测模型的输入，得到预测输出集；根据所述预测输出集预测设备的保养需求。本公开能够智能考量多种维度，并根据设备实际保养数据集更新特征向量，准确预测设备保养需求。

技术领域

本公开涉及机械设备技术领域，尤其涉及一种设备保养的方法及系统。

背景技术

为了延长设备的使用寿命和降低设备的故障率，制造企业通常会对设备进行周期性保养工作。

但现有的设备保养方法，一般按照主观和经验的方式，对设备的状态进行监控，与标准数值进行比较，判断设备是否故障或者需要保养。这种保养方法的缺陷在于：判断方式较为固化，不够智能，在保养周期和具体保养内容的预测上，存在考量维度不够充分，无法针对设备调整自动调整保养需求的问题。

发明内容

有鉴于此，本公开的目的在于提出一种设备保养的方法及系统，能够自动考量设备的多种维度，对设备保养需求的预测更加智能和准确。

基于上述目的，本公开提供了一种设备保养的方法，包括：

采集设备数据集，包括采集设备的历史维修数据、保养数据；

对设备数据集进行特征提取，形成特征向量集；

对特征向量集进行标准化处理；

建立预测模型，包括预测模型的输入和输出；

将标准化处理后的特征向量集作为预测模型的输入进行训练；

基于预测模型，输出预测因子；输入设备实际保养数据集；

通过提升树模型对预测模型进行训练，获得第二特征向量集；

将第二特征向量集作为预测模型的输入，得到预测输出集；

根据预测输出集预测设备的保养需求。

进一步的，采集设备数据集包括采集设备的类别、型号、出厂时间、安装位置、服务类型、服务时间、服务人、服务内容；服务类型包括设备的安装、上电、维修、保养、升级；服务类型与服务时间、服务内容相关联。

进一步的，采集设备数据集还包括剔除错误数据和缺失数据，当采集的设备数据为空数据、乱码或服务日期时间在出厂日期时间之前时，删除该数据。

进一步的，第二特征向量集包括对设备实际保养数据集进行特征提取获得的特征向量以及受设备实际保养数据影响产生的新增设备数据进行特征提取获得的特征向量。

进一步的，对特征向量集进行标准化处理包括根据编码规则对不同特征向量集进行编号。

进一步的，预测模型对标准化处理后的特征向量集进行组合型编码。

进一步的，通过提升树模型对预测模型进行训练包括采用损失函数的负梯度将预测模型的输出值作为残差的近似值，拟合成一个提升树模型，则：

预测输出集；

其中，为特征向量集，为第m个提升树，为第m个提升树模型的参数，M为提升树模型的数量。

进一步的，提升树模型包括梯度提升树算法，损失函数包括平方差损失函数。

进一步的，根据预测输出集对设备进行保养包括确定设备的保养周期；根据编码规则对每个保养周期进行编号，预测输出集输出保养周期的编号。