CN103617576A - 一种通用设备故障检测维修方法 - Google Patents
一种通用设备故障检测维修方法 Download PDFInfo
- Publication number
- CN103617576A CN103617576A CN201310591494.0A CN201310591494A CN103617576A CN 103617576 A CN103617576 A CN 103617576A CN 201310591494 A CN201310591494 A CN 201310591494A CN 103617576 A CN103617576 A CN 103617576A
- Authority
- CN
- China
- Prior art keywords
- maintenance
- node
- model
- phenomenon
- equipment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012423 maintenance Methods 0.000 title claims abstract description 192
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000012549 training Methods 0.000 claims abstract description 48
- 230000008569 process Effects 0.000 claims abstract description 43
- 238000004088 simulation Methods 0.000 claims abstract description 7
- 230000008439 repair process Effects 0.000 claims description 35
- 238000013499 data model Methods 0.000 claims description 28
- 230000015556 catabolic process Effects 0.000 claims description 23
- 230000007423 decrease Effects 0.000 claims description 21
- 238000005457 optimization Methods 0.000 claims description 18
- 238000001514 detection method Methods 0.000 claims description 16
- 238000005259 measurement Methods 0.000 claims description 10
- 238000009826 distribution Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 6
- 241001269238 Data Species 0.000 claims description 5
- 230000009471 action Effects 0.000 claims description 5
- 230000003416 augmentation Effects 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 238000013506 data mapping Methods 0.000 claims description 3
- 238000012217 deletion Methods 0.000 claims description 3
- 230000037430 deletion Effects 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 claims description 3
- 230000003252 repetitive effect Effects 0.000 claims description 2
- 238000009825 accumulation Methods 0.000 abstract description 5
- 238000004458 analytical method Methods 0.000 abstract description 4
- 238000003745 diagnosis Methods 0.000 abstract description 4
- 230000005540 biological transmission Effects 0.000 abstract description 3
- 230000007306 turnover Effects 0.000 abstract description 3
- 230000007123 defense Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 11
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 239000012634 fragment Substances 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种通用设备故障检测维修方法,包括下列步骤:建模设备故障维修知识;基于模型自动检测及诊断故障并辅助维修;基于模型模拟维修训练;维修训练过程中实时优化经验知识模型;维修训练过程中实时同步维修信息与经验知识模型信息。与现有设备维修方法相比,本发明实现了设备维修经验知识的积累与共享以及设备故障的自动诊断,并能够通过对维修记录信息的分析挖掘,为维修相关决策提供帮助。此外,方法还通过模拟训练步骤实现了专家经验向初级维修者的有效传输。本发明特别适用于防化部队等需要频繁维修大量复杂设备且维修人员流动率高的场合。实践证明本方法能够显著提高设备维修效率、提升维修水平、改善维修质量。
Description
技术领域
本发明涉及智能数据库与专家系统领域,尤其涉及一种通用设备故障检测维修方法。
背景技术
随着国民经济和社会的快速发展,我国各行各业的设备水平也得到了显著提升。在设备日益现代化、信息化的背景下,对这些设备的检测维修的信息化也势在必行。目前国内大部分行业针对设备维修主要还是依靠人的经验以及设备本身的说明来进行,维修过程难以得到规范和统一,维修知识与经验难以得到有效传播,信息资源共享程度不高,造成了很大的资源浪费,设备信息化管理水平还没有达到先进水平。
发明内容
为了克服现有技术中存在的不足,本发明提供一种通用设备故障检测维修方法,实现了设备维修经验知识的积累与共享以及设备故障的自动诊断,能够显著提高设备维修效率、提升维修水平、改善维修质量。
为实现上述目的,本发明采取如下技术方案:
一种通用设备故障检测维修方法,包括如下步骤:
步骤一:设备故障维修数据建模
将不同设备的故障维修数据抽象成故障-维修树模型,并将该模型映射为数据库存储,所述故障-维修树模型包括现象节点、操作节点、原因和维修节点、理论上不可能节点四类节点;所述现象节点包括初始故障现象节点和中间现象节点,所述初始故障现象节点为根节点,所述初始故障现象节点和中间现象节点包括至少一个操作节点;所述操作节点包括至少两个子节点,所述操作节点的子节点为原因和维修节点、理论上不可能节点和中间现象节点;所述原因和维修节点为叶节点,其父节点为操作节点;所述理论上不可能节点为叶节点,其父节点为操作节点;
每个故障-维修树表示一个设备型号一个初始现象所对应的完整维修数据体系,将所有故障-维修树模型映射成数据库表后进行数据库存储;
步骤二:基于模型自动检测及诊断故障并辅助维修
用户进行检测设备操作时,根据用户选择的设备型号和初始现象,给出文字、多媒体以及基于维修记录分析的提示,然后通过数据接口自动获得测量数值,根据测量数值基于故障维修数据模型自动判断向下节点,重复操作直到获得相应故障原因和维修方法,并给出文字和多媒体指导维修;
步骤三:基于模型模拟维修训练
在现有故障-维修树模型基础上,无需具体设备,根据用户选择模拟的不同设备型号,自动随机生成故障原因,随机确定一个原因和维修节点模拟实际维修情况;
步骤四:维修训练过程中实时优化经验数据模型
用户维修训练过程中,当设备型号发生增减导致初始故障现象发生增减或者某一设备型号的初始故障现象发生增减时,增加或者删除对应的树形结构;当现象节点、操作点、原因和维修节点、理论上不可能节点所包含的信息需要修改时,修改树形结构的对应信息;当现象节点下的操作需要增减时,新增或者删除操作节点;当操作节点下对应的情况数量发生变化时,新增或者删除其子节点;
步骤五:维修训练过程中实时同步维修信息与经验数据模型信息
维修训练过程中各维修单位维修数据统一发送到控制中心汇总后再推送到各维修单位,保证各维修单位都具有整个维修体系的所有维修数据来更准确地辅助检测维修;在故障-维修树模型发生变化后,控制中心将故障-维修树模型的更新推送到各维修单位。
更进一步的,步骤一所述设备故障维修数据建模包括如下步骤:
步骤1-1:起始状态;
步骤1-2:规定数据库的数据结构并建立数据表;对现有的故障维修数据进行格式化操作,使得针对每个型号设备的全部维修数据都能映射到数据库各个表的各条记录中;数据库各个表的结构基于将故障维修数据映射成树形数据结构的思想构建,其中关键数据表包括设备分类表、设备型号表、设备表、维修记录表、用户表、部门表、操作节点表、现象节点表、节点类型表、故障原因及维修表、节点表、分支表、判断类型表、判断表、测量接口表;
步骤1-3:将故障维修数据按照设备型号整理成一个型号的设备对应一个或多个初始故障现象节点逻辑序列;
步骤1-4:针对现象节点整理成一个现象节点对应一个或多个操作节点的逻辑序列;
步骤1-5:针对每个操作节点整理成一个操作节点对应一个判断的逻辑序列;
步骤1-6:针对每个判断整理成一个判断对应两个或以上的分支的逻辑序列;
步骤1-7:针对每个分支整理成一个分支对应一个中间现象节点或者不可能现象节点或者原因和维修节点的逻辑序列;
步骤1-8:若存在中间现象节点则跳到步骤4,否则继续步骤9;
步骤1-9:对上述的逻辑序列按照树形数据结构在数据库中的实现插入至数据库各个表中,如果所有故障维修数据整理完毕,继续步骤10,否则跳到步骤3;
步骤1-10:建模设备故障维修数据完毕。
更进一步的,步骤二所述基于模型自动检测及诊断故障并辅助维修包括如下步骤:
步骤2-1:起始状态;
步骤2-2:用户选择待维修的设备型号;
步骤2-3:用户选择步骤2中已选择设备的一个初始故障现象节点;
步骤2-4:用户选择现象节点下的一个操作节点;
步骤2-5:针对用户选择,给出文字和多媒体以及基于历史数据统计的提示;
步骤2-6:针对用户选择,通过对维修记录进行上卷操作并进行分析统计得出最终维修结果的分布概率,对用户进行提示;
步骤2-7:通过数据接口自动获得测量数值;
步骤2-8:根据测量数值结合模型判断向下节点;
步骤2-9:若向下节点是原因和维修节点则继续步骤10,否则跳到步骤4;
步骤2-10:给出文字和多媒体信息指导维修;
步骤2-11:用户根据指导提示进行维修;
步骤2-12:基于模型自动检测及诊断故障并辅助维修完毕。
更进一步的,步骤三所述基于模型模拟维修训练包括如下步骤:
步骤3-1:起始状态;
步骤3-2:用户选择需要进行模拟训练的设备型号;
步骤3-3:初始化模拟训练基本信息;
步骤3-4:自动随机生成故障原因;
步骤3-5:唯一确定故障-维修树模型中的一条通路来模拟实际维修的情况,通路开始于某一初始故障现象,结束于步骤4中生成的故障原因;
步骤3-6:当遇到操作节点需要反馈参数时,自动生成结果,如果用户在步骤5确定的通路上,随机出能保证继续处在这条通路的参数,如果用户不在上述通路上,任意随机参数,允许用户在非上述通路上前进,用户在非上述通路前进的深度随机决定,但保证不能通向其他原因和维修节点,即不能在非上述通路上找到最终结果;
步骤3-7:用户完成模拟获得模拟结果;
步骤3-8:基于模型模拟维修训练完毕。
更进一步的,步骤四所述维修训练过程中实时优化经验数据模型包括如下步骤:
步骤4-1:起始状态;
步骤4-2:如果用户选择树层次的优化继续步骤3,否则进入步骤4;
步骤4-3:增加或者删除设备型号发生增减导致的故障现象增减或者某一设备型号的初始故障现象发生增减所对应的树形结构;
步骤4-4:用户选择需要优化模型的设备的型号;
步骤4-5:以可视化树形结构显示步骤4选择型号的维修数据模型;
步骤4-6:根据不同情况对树形结构的各个节点进行增加、修改、删除;
步骤4-7:将对树形结构的优化映射到数据库各个表的内容更新;
步骤4-8:维修训练过程中实时优化经验数据模型完毕。
更进一步的,步骤五所述维修训练过程中实时同步维修信息与经验数据模型信息包括如下步骤:
步骤5-1:起始状态;
步骤5-2:维修单位发送维修信息至控制中心;
步骤5-3:控制中心汇总维修信息并推送到各个维修单位;
步骤5-4:控制中心将经验数据模型的更新推送到各个维修单位;
步骤5-5:维修训练过程中实时同步维修信息与经验数据模型信息完毕。
有益效果:(1)本发明将各类设备的故障维修数据抽象成故障-维修树模型,并将该模型转化成数据库存储,实现了设备维修经验数据的积累与共享,能够显著提高设备维修效率、提升维修水平、改善维修质量;(2)本发明基于模型自动检测及诊断故障并辅助维修,实现设备故障的自动诊断,并能够通过对维修记录信息的分析挖掘,为维修相关决策提供帮助;(3)本发明通过模拟训练步骤实现了专家经验向初级维修者的有效传输;(4)本发明注重积累和共享,特别适用于防化部队等需要频繁维修大量复杂设备且维修人员流动率高的场合;(5)本发明维修训练过程中各个维修单位的维修信息统一发送到控制中心汇总后再推送到各个维修单位,保证各个维修单位都具有整个维修体系的所有维修信息来更准确地辅助检测维修。
附图说明
图1为本发明提供的一种通用设备故障检测维修方法的流程图。
图2为某个型号设备的某一个初始现象所对应的故障-维修树模型的一个片段。
图3为图1中建模设备故障维修知识的流程图。
图4为图1中基于模型自动检测及诊断故障并辅助维修的流程图。
图5为图1中基于模型模拟维修训练的流程图。
图6为图1中维修训练过程中实时优化经验知识模型的流程图。
图7为图1中维修训练过程中实时同步维修信息与经验知识模型信息的流程图。
具体实施方式
下面结合附图对本发明作更进一步的说明。
如图1所示,本发明提供的一种通用设备故障检测维修方法,包括下列步骤:
S101设备故障维修数据建模
将各类设备的故障维修数据抽象成“故障-维修树”模型,并将该模型转化成数据库存储。该模型符合树(数据结构)的基本定义,由“现象”节点、“操作”节点、“原因和维修”节点、“理论上不可能”节点四类节点组成。
树(数据结构)定义如下:
a.每个结点有零个或多个子结点;
b.没有前驱的结点称为根结点;
c.每一个非根结点有且只有一个父结点;
d.除根结点之外的其余数据元素被分为m(m≥0)个互不相交的集合T1,T2,……Tm,其中每一个集合Ti(1≤i≤m)本身也是一棵树,被称作原树的子树;
e.没有子节点的节点称为叶节点。
各节点定义如下:
“现象”节点:它涵盖了故障现象的基本描述等信息,包括“故障-维修树”模型中“初始故障现象”以及“中间现象”两类现象。其中“初始故障现象”指的是针对某个型号设备在无任何操作的情况下所呈现出的故障现象,通常“初始故障现象”为根节点;“中间现象”指的是在某种操作后设备反馈出的参数所表明的既非“理论上不可能”(在当前模型下认为这种反馈理论上不可能)也非“原因和维修”(在当前模型下认为已经确定了故障原因并得出了维修方法)的情况,这种情况下需要进一步进行检测操作。无论是“初始故障现象”还是“中间现象”的“现象”节点,它都包括一个或者多个子节点,而子节点一定是“操作”节点。
“操作”节点:它包括检测操作的文字以及多媒体说明、检测操作后对反馈参数的判断标准的文字以及多媒体说明、检测操作后对反馈参数的划分方法以及不同划分所对应的子节点。每个“操作”节点包括至少两个子节点,子节点可能是“原因和维修”节点、“理论上不可能”节点或者“现象”节点,特别需要指出的是,当子节点是“现象”节点时,这个“现象”节点一定包含的是“中间现象”。
“原因和维修”节点:它包括设备故障原因的文字以及多媒体说明、该故障原因对应维修方法的文字以及多媒体说明。每个“原因和维修”节点一定是叶节点,而它的父节点一定是一个“操作”节点。
“理论上不可能”节点:它作为一个抽象节点而是逻辑完整,当经过“操作”节点后,一个参数的反馈出现在了当前模型所认定的不可能范围时,逻辑将导向“理论上不可能”节点。每个“理论上不可能”节点一定是叶节点,而它的父节点一定是一个“操作”节点。
“故障-维修树”模型如图2所示,图2展示的是某个型号设备的某一个初始现象所对应的“故障-维修树”模型的一个片段。如图2所示,这个初始现象(“现象”节点)是模型的根节点,它包括了两个子节点(“操作”节点),第一个子节点又包括了三个子节点,分别为中间现象(“现象”节点),原因和维修(“原因和维修”节点),不可能现象(“理论上不可能”节点),而对于中间现象,又有一个子节点(“操作”节点)。
综上,一个树型结构可以表示某个型号某一个初始现象所对应的完整维修数据体系,假设共有m(m≥0)个型号的设备T1,T2,……Tm,每一个设备Ti(1≤i≤m)共有Ni个初始现象,则各类设备的故障维修经验就可以由个树型结构表示。
将模型映射成数据库表后将包括:设备分类表、设备型号表、设备表、维修记录表、用户表、部门表、操作节点表、现象节点表、节点类型表、故障原因及维修表、节点表、分支表、判断类型表、判断表、测量接口表。
如图3所示设备故障维修数据建模流程图,包括如下步骤:
步骤1:起始状态;
步骤2:规定数据库的数据结构并建立数据表;对现有的故障维修数据进行格式化操作,使得针对每个型号设备的全部维修数据都能映射到数据库各个表的各条记录中去。数据库各个表的结构基于将故障维修数据映射成树形数据结构的思想构建,其中关键数据表包括设备分类表、设备型号表、设备表、维修记录表、用户表、部门表、操作节点表、现象节点表、节点类型表、故障原因及维修表、节点表、分支表、判断类型表、判断表、测量接口表;
步骤3:将故障维修数据按照设备型号整理成某个型号的设备对应一个或多个初始故障现象逻辑序列;
步骤4:针对现象整理成一个现象节点对应一个或多个操作节点的逻辑序列;
步骤5:针对每个操作整理成一个操作节点对应一个判断的逻辑序列;
步骤6:针对每个判断整理成一个判断对应两个或以上的分支的逻辑序列;
步骤7:针对每个分支整理成一个分支对应一个中间现象节点或者不可能现象节点或者原因和维修节点的逻辑序列;
步骤8:若存在中间现象节点跳到步骤4,否则继续步骤9;
步骤9:对上述的逻辑序列按照树形数据结构在数据库中的实现插入至数据库各个表中,如果所有故障维修数据整理完毕,继续步骤10,否则跳到步骤3;
步骤10:建模设备故障维修数据完毕。
S102基于模型自动检测及诊断故障并辅助维修
在现有“故障-维修树”模型的基础上,根据不同的初始条件(设备型号和初始现象),在检测设备问题时给出文字、多媒体以及基于维修记录分析的提示,这里提示主要包括:
文字提示:检测操作以及判断标准的文字描述。
多媒体提示:检测操作以及判读标准的图片或动画提示。
实时检测日志提示:用户操作的上下文相关信息,主要包括各个操作顺序、操作时间、操作结果等信息。
基于数据挖掘的维修记录分析提示:通过对大量用户的维修记录进行上卷(Roll-up)操作并进行分析统计得出在不同的初始条件(设备型号和初始现象)下最终维修结果的分布概率,对用户进行提示。
用户进行检测操作后,通过数据接口自动获得测量数值,根据测量数值基于模型自动判断向下节点,重复以上步骤直到获得相应故障原因和维修方法,给出文字和多媒体指导维修。
图4为基于模型自动检测及诊断故障并辅助维修的流程图,具体步骤如下:
步骤1:起始状态;
步骤2:用户选择待维修的设备型号;
步骤3:用户选择步骤2中已选择设备的某个初始故障现象;
步骤4:用户选择“现象”节点(初始故障现象或者中间现象)下的某个操作;
步骤5:针对用户选择,给出文字和多媒体以及基于历史数据统计的提示;
步骤6:针对用户选择,通过对维修记录进行上卷(Roll-up)操作并进行分析统计得出最终维修结果的分布概率,对用户进行提示;
步骤7:通过数据接口自动获得测量数值;
步骤8:根据测量数值结合模型判断向下节点;
步骤9:如果向下节点是“原因和维修”节点继续步骤10,否则跳到步骤4;
步骤10:给出文字和多媒体信息指导维修;
步骤11:用户根据提示进行维修;
步骤12:基于模型自动检测及诊断故障并辅助维修完毕。
S103基于模型模拟维修训练
在现有“故障-维修树”模型的基础上,无需具体设备,根据用户选择模拟的不同型号,自动随机生成故障原因,即随机确定一个“原因和维修”节点(叶节点)来模拟实际维修的情况。根据树(数据结构)的定义,每一个非根结点有且只有一个父结点,从“原因和维修”节点开始向上回溯父节点,直到回溯到根节点(“现象”节点)为止,这样就唯一确定了“故障-维修树”模型中的一条通路来模拟实际维修的情况。当遇到“操作”节点需要反馈参数时,分为以下两种情况:
用户在上述通路上:随机出能保证继续处在这条通路的参数;
用户不在上述通路上:任意随机参数,允许用户在非上述通路上前进,用户在非上述通路前进的深度随机决定,但保证不能通向其他“原因和维修”节点,即不能在非上述通路上找到最终结果。
通过这一过程来实现向用户传授现有数据的目的。
图5为基于模型模拟维修训练的流程图,具体步骤如下:
步骤1:起始状态;
步骤2:用户选择需要进行模拟训练的设备型号;
步骤3:初始化模拟训练基本信息;
步骤4:自动随机生成故障原因;
步骤5:唯一确定“故障-维修树”模型中的一条通路来模拟实际维修的情况,通路开始于某一初始故障现象,结束于步骤4中生成的故障原因;
步骤6:当遇到“操作”节点需要反馈参数时,自动生成结果,如果用户在步骤5确定的通路上,随机出能保证继续处在这条通路的参数,如果用户不在上述通路上,任意随机参数,允许用户在非上述通路上前进,用户在非上述通路前进的深度随机决定,但保证不能通向其他“原因和维修”节点,即不能在非上述通路上找到最终结果;
步骤7:用户完成模拟获得模拟结果;
步骤8:基于模型模拟维修训练完毕。
S104维修训练过程中实时优化经验数据模型
优化过程分为以下情况:
树层次的优化:当设备型号发生增减导致初始故障现象发生增减或者某一设备型号的初始故障现象发生增减时,增加或者删除对应的树形结构。
树内部的优化:在初始故障现象对应的树内部,当“现象”节点、“操作”节点、“原因和维修”节点、“理论上不可能”节点所包含的信息需要修改时,修改树形结构的对应信息;当“现象”节点(包括初始故障现象和中间现象)下的操作需要增减时,新增或者删除“操作”节点;当“操作”节点下对应的情况数量发生变化时,新增或者删除它的子节点(“现象”节点、“原因和维修”节点、“理论上不可能”节点)。
特别要指出的是,上述优化过程的操作均建立在可视化的交互模型之上。图6为维修训练过程中实时优化经验数据模型的流程图,具体步骤如下:
步骤1:起始状态;
步骤2:如果用户选择树层次的优化继续步骤3,否则进入步骤4;
步骤3:增加或者删除设备型号发生增减导致的故障现象增减或者某一设备型号的初始故障现象发生增减所对应的树形结构;
步骤4:用户选择需要优化模型的设备的型号;
步骤5:以可视化树形结构显示步骤4选择型号的维修数据模型;
步骤6:根据不同情况对树形结构的各个节点进行增加、修改、删除;
步骤7:将对树形结构的优化映射到数据库各个表的内容更新;
步骤8:维修训练过程中实时优化经验数据模型完毕。
S105维修训练过程中实时同步维修信息与经验数据模型信息
维修训练过程中各个维修单位的维修信息统一发送到控制中心汇总后再推送到各个维修单位,保证各个维修单位都具有整个维修体系的所有维修信息来更准确地辅助检测维修;在经验数据模型发生变化后,控制中心将经验数据模型的更新推送到各个维修单位。图7为维修训练过程中实时同步维修信息与经验数据模型信息的流程图,具体步骤如下:
步骤1:起始状态;
步骤2:维修单位发送维修信息至控制中心;
步骤3:控制中心汇总维修信息并推送到各个维修单位;
步骤4:控制中心将经验数据模型的更新推送到各个维修单位;
步骤5:维修训练过程中实时同步维修信息与经验数据模型信息完毕。
综上所述,本发明实现了设备维修经验数据的积累与共享以及设备故障的自动诊断,并能够通过对维修记录信息的分析挖掘,为维修相关决策提供帮助。此外,方法还通过模拟训练步骤实现了专家经验向初级维修者的有效传输。本发明特别适用于防化部队等需要频繁维修大量复杂设备且维修人员流动率高的场合。实践证明本方法能够显著提高设备维修效率、提升维修水平、改善维修质量。
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (6)
1.一种通用设备故障检测维修方法,其特征在于包括如下步骤:
步骤一:设备故障维修数据建模
将不同设备的故障维修数据抽象成故障-维修树模型,并将该模型映射为数据库存储,所述故障-维修树模型包括现象节点、操作节点、原因和维修节点、理论上不可能节点四类节点;所述现象节点包括初始故障现象节点和中间现象节点,所述初始故障现象节点为根节点,所述初始故障现象节点和中间现象节点包括至少一个操作节点;所述操作节点包括至少两个子节点,所述操作节点的子节点为原因和维修节点、理论上不可能节点和中间现象节点;所述原因和维修节点为叶节点,其父节点为操作节点;所述理论上不可能节点为叶节点,其父节点为操作节点;
每个故障-维修树表示一个设备型号一个初始现象所对应的完整维修数据体系,将所有故障-维修树模型映射成数据库表后进行数据库存储;
步骤二:基于模型自动检测及诊断故障并辅助维修
用户进行检测设备操作时,根据用户选择的设备型号和初始现象,给出文字、多媒体以及基于维修记录分析的提示,然后通过数据接口自动获得测量数值,根据测量数值基于故障维修数据模型自动判断向下节点,重复操作直到获得相应故障原因和维修方法,并给出文字和多媒体指导维修;
步骤三:基于模型模拟维修训练
在现有故障-维修树模型基础上,无需具体设备,根据用户选择模拟的不同设备型号,自动随机生成故障原因,随机确定一个原因和维修节点模拟实际维修情况;
步骤四:维修训练过程中实时优化经验数据模型
用户维修训练过程中,当设备型号发生增减导致初始故障现象发生增减或者某一设备型号的初始故障现象发生增减时,增加或者删除对应的树形结构;当现象节点、操作点、原因和维修节点、理论上不可能节点所包含的信息需要修改时,修改树形结构的对应信息;当现象节点下的操作需要增减时,新增或者删除操作节点;当操作节点下对应的情况数量发生变化时,新增或者删除其子节点;
步骤五:维修训练过程中实时同步维修信息与经验数据模型信息
维修训练过程中各维修单位维修数据统一发送到控制中心汇总后再推送到各维修单位,保证各维修单位都具有整个维修体系的所有维修数据来更准确地辅助检测维修;在故障-维修树模型发生变化后,控制中心将故障-维修树模型的更新推送到各维修单位。
2.根据权利要求1所述的一种通用设备故障检测维修方法,其特征在于:步骤一所述设备故障维修数据建模包括如下步骤:
步骤1-1:起始状态;
步骤1-2:规定数据库的数据结构并建立数据表;对现有的故障维修数据进行格式化操作,使得针对每个型号设备的全部维修数据都能映射到数据库各个表的各条记录中;数据库各个表的结构基于将故障维修数据映射成树形数据结构的思想构建,其中关键数据表包括设备分类表、设备型号表、设备表、维修记录表、用户表、部门表、操作节点表、现象节点表、节点类型表、故障原因及维修表、节点表、分支表、判断类型表、判断表、测量接口表;
步骤1-3:将故障维修数据按照设备型号整理成一个型号的设备对应一个或多个初始故障现象节点逻辑序列;
步骤1-4:针对现象节点整理成一个现象节点对应一个或多个操作节点的逻辑序列;
步骤1-5:针对每个操作节点整理成一个操作节点对应一个判断的逻辑序列;
步骤1-6:针对每个判断整理成一个判断对应两个或以上的分支的逻辑序列;
步骤1-7:针对每个分支整理成一个分支对应一个中间现象节点或者不可能现象节点或者原因和维修节点的逻辑序列;
步骤1-8:若存在中间现象节点则跳到步骤4,否则继续步骤9;
步骤1-9:对上述的逻辑序列按照树形数据结构在数据库中的实现插入至数据库各个表中,如果所有故障维修数据整理完毕,继续步骤10,否则跳到步骤3;
步骤1-10:建模设备故障维修数据完毕。
3.根据权利要求1所述的一种通用设备故障检测维修方法,其特征在于:步骤二所述基于模型自动检测及诊断故障并辅助维修包括如下步骤:
步骤2-1:起始状态;
步骤2-2:用户选择待维修的设备型号;
步骤2-3:用户选择步骤2中已选择设备的一个初始故障现象节点;
步骤2-4:用户选择现象节点下的一个操作节点;
步骤2-5:针对用户选择,给出文字和多媒体以及基于历史数据统计的提示;
步骤2-6:针对用户选择,通过对维修记录进行上卷操作并进行分析统计得出最终维修结果的分布概率,对用户进行提示;
步骤2-7:通过数据接口自动获得测量数值;
步骤2-8:根据测量数值结合模型判断向下节点;
步骤2-9:若向下节点是原因和维修节点则继续步骤10,否则跳到步骤4;
步骤2-10:给出文字和多媒体信息指导维修;
步骤2-11:用户根据指导提示进行维修;
步骤2-12:基于模型自动检测及诊断故障并辅助维修完毕。
4.根据权利要求1所述的一种通用设备故障检测维修方法,其特征在于:步骤三所述基于模型模拟维修训练包括如下步骤:
步骤3-1:起始状态;
步骤3-2:用户选择需要进行模拟训练的设备型号;
步骤3-3:初始化模拟训练基本信息;
步骤3-4:自动随机生成故障原因;
步骤3-5:唯一确定故障-维修树模型中的一条通路来模拟实际维修的情况,通路开始于某一初始故障现象,结束于步骤4中生成的故障原因;
步骤3-6:当遇到操作节点需要反馈参数时,自动生成结果,如果用户在步骤5确定的通路上,随机出能保证继续处在这条通路的参数,如果用户不在上述通路上,任意随机参数,允许用户在非上述通路上前进,用户在非上述通路前进的深度随机决定,但保证不能通向其他原因和维修节点,即不能在非上述通路上找到最终结果;
步骤3-7:用户完成模拟获得模拟结果;
步骤3-8:基于模型模拟维修训练完毕。
5.根据权利要求1所述的一种通用设备故障检测维修方法,其特征在于:步骤四所述维修训练过程中实时优化经验数据模型包括如下步骤:
步骤4-1:起始状态;
步骤4-2:如果用户选择树层次的优化继续步骤3,否则进入步骤4;
步骤4-3:增加或者删除设备型号发生增减导致的故障现象增减或者某一设备型号的初始故障现象发生增减所对应的树形结构;
步骤4-4:用户选择需要优化模型的设备的型号;
步骤4-5:以可视化树形结构显示步骤4选择型号的维修数据模型;
步骤4-6:根据不同情况对树形结构的各个节点进行增加、修改、删除;
步骤4-7:将对树形结构的优化映射到数据库各个表的内容更新;
步骤4-8:维修训练过程中实时优化经验数据模型完毕。
6.根据权利要求1所述的一种通用设备故障检测维修方法,其特征在于:步骤五所述维修训练过程中实时同步维修信息与经验数据模型信息包括如下步骤:
步骤5-1:起始状态;
步骤5-2:维修单位发送维修信息至控制中心;
步骤5-3:控制中心汇总维修信息并推送到各个维修单位;
步骤5-4:控制中心将经验数据模型的更新推送到各个维修单位;
步骤5-5:维修训练过程中实时同步维修信息与经验数据模型信息完毕。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310591494.0A CN103617576B (zh) | 2013-11-21 | 2013-11-21 | 一种通用设备故障检测维修方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310591494.0A CN103617576B (zh) | 2013-11-21 | 2013-11-21 | 一种通用设备故障检测维修方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103617576A true CN103617576A (zh) | 2014-03-05 |
CN103617576B CN103617576B (zh) | 2015-03-04 |
Family
ID=50168280
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310591494.0A Expired - Fee Related CN103617576B (zh) | 2013-11-21 | 2013-11-21 | 一种通用设备故障检测维修方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103617576B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105069544A (zh) * | 2015-07-13 | 2015-11-18 | 张红叶 | 一种维修流程信息模型的构建方法 |
CN106033206A (zh) * | 2015-03-16 | 2016-10-19 | 佛山市顺德区美的电热电器制造有限公司 | 用于烹饪器具的自检方法、自检系统和烹饪器具 |
CN107547108A (zh) * | 2017-08-26 | 2018-01-05 | 南京天普机电产品制造有限公司 | 客车轴报通讯综合测试仪 |
CN107548543A (zh) * | 2016-04-29 | 2018-01-05 | 华为技术有限公司 | 返修概率预测方法、装置、服务器、终端及存储介质 |
CN107850880A (zh) * | 2015-07-24 | 2018-03-27 | 西门子公司 | 用于运行自动化组件的方法 |
CN109118097A (zh) * | 2018-08-21 | 2019-01-01 | 陈志诚 | 一种可靠性维修性保障性评估方法和装置 |
CN109635008A (zh) * | 2018-12-21 | 2019-04-16 | 成都航天科工大数据研究院有限公司 | 一种基于机器学习的设备故障检测方法 |
CN109738782A (zh) * | 2018-12-07 | 2019-05-10 | 上海交通大学 | 基于测量数据机器学习的电路板故障检测方法和系统 |
CN110443381A (zh) * | 2019-07-01 | 2019-11-12 | 中国工程物理研究院激光聚变研究中心 | 大型科学装置可靠性信息管理方法及系统 |
WO2020051866A1 (zh) * | 2018-09-14 | 2020-03-19 | 西安大医集团有限公司 | 放疗设备的状态诊断方法、装置、系统及存储介质 |
CN111260988A (zh) * | 2020-03-12 | 2020-06-09 | 国网山东省电力公司威海供电公司 | 一种适用于电力系统培训的故障排查方法及其课件系统 |
CN111739619A (zh) * | 2020-06-10 | 2020-10-02 | 深圳市好克医疗仪器股份有限公司 | 医疗资源的共享方法、设备及可读存储介质 |
CN112182233A (zh) * | 2019-07-05 | 2021-01-05 | 北京绪水互联科技有限公司 | 用于存储设备故障记录的知识库、及利用其辅助定位设备故障的方法及系统 |
CN112881933A (zh) * | 2021-01-04 | 2021-06-01 | 国网山东省电力公司泰安供电公司 | 一种充电桩充电模块检测设备 |
CN116071039A (zh) * | 2022-12-21 | 2023-05-05 | 广州辰创科技发展有限公司 | 一种基于故障树的故障诊断方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110238258A1 (en) * | 2010-03-24 | 2011-09-29 | Gm Global Technology Operations, Inc. | Event-driven fault diagnosis framework for automotive systems |
CN202394263U (zh) * | 2012-04-01 | 2012-08-22 | 中国人民解放军总参谋部陆航研究所 | 用于故障诊断系统的可视化交互式知识库编辑器 |
-
2013
- 2013-11-21 CN CN201310591494.0A patent/CN103617576B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110238258A1 (en) * | 2010-03-24 | 2011-09-29 | Gm Global Technology Operations, Inc. | Event-driven fault diagnosis framework for automotive systems |
CN202394263U (zh) * | 2012-04-01 | 2012-08-22 | 中国人民解放军总参谋部陆航研究所 | 用于故障诊断系统的可视化交互式知识库编辑器 |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106033206A (zh) * | 2015-03-16 | 2016-10-19 | 佛山市顺德区美的电热电器制造有限公司 | 用于烹饪器具的自检方法、自检系统和烹饪器具 |
CN105069544A (zh) * | 2015-07-13 | 2015-11-18 | 张红叶 | 一种维修流程信息模型的构建方法 |
CN107850880A (zh) * | 2015-07-24 | 2018-03-27 | 西门子公司 | 用于运行自动化组件的方法 |
US10761502B2 (en) | 2015-07-24 | 2020-09-01 | Siemens Aktiengesellschaft | Method for operating an automation component |
CN107548543A (zh) * | 2016-04-29 | 2018-01-05 | 华为技术有限公司 | 返修概率预测方法、装置、服务器、终端及存储介质 |
CN107547108A (zh) * | 2017-08-26 | 2018-01-05 | 南京天普机电产品制造有限公司 | 客车轴报通讯综合测试仪 |
CN107547108B (zh) * | 2017-08-26 | 2020-11-03 | 南京天普机电产品制造有限公司 | 客车轴报通讯综合测试仪 |
CN109118097A (zh) * | 2018-08-21 | 2019-01-01 | 陈志诚 | 一种可靠性维修性保障性评估方法和装置 |
CN109118097B (zh) * | 2018-08-21 | 2021-06-15 | 陈志诚 | 一种可靠性维修性保障性评估方法和装置 |
CN111194431A (zh) * | 2018-09-14 | 2020-05-22 | 西安大医集团有限公司 | 放疗设备的状态诊断方法、装置、系统及存储介质 |
WO2020051866A1 (zh) * | 2018-09-14 | 2020-03-19 | 西安大医集团有限公司 | 放疗设备的状态诊断方法、装置、系统及存储介质 |
CN109738782A (zh) * | 2018-12-07 | 2019-05-10 | 上海交通大学 | 基于测量数据机器学习的电路板故障检测方法和系统 |
CN109635008A (zh) * | 2018-12-21 | 2019-04-16 | 成都航天科工大数据研究院有限公司 | 一种基于机器学习的设备故障检测方法 |
CN110443381A (zh) * | 2019-07-01 | 2019-11-12 | 中国工程物理研究院激光聚变研究中心 | 大型科学装置可靠性信息管理方法及系统 |
CN112182233A (zh) * | 2019-07-05 | 2021-01-05 | 北京绪水互联科技有限公司 | 用于存储设备故障记录的知识库、及利用其辅助定位设备故障的方法及系统 |
CN111260988A (zh) * | 2020-03-12 | 2020-06-09 | 国网山东省电力公司威海供电公司 | 一种适用于电力系统培训的故障排查方法及其课件系统 |
CN111739619A (zh) * | 2020-06-10 | 2020-10-02 | 深圳市好克医疗仪器股份有限公司 | 医疗资源的共享方法、设备及可读存储介质 |
CN112881933A (zh) * | 2021-01-04 | 2021-06-01 | 国网山东省电力公司泰安供电公司 | 一种充电桩充电模块检测设备 |
CN116071039A (zh) * | 2022-12-21 | 2023-05-05 | 广州辰创科技发展有限公司 | 一种基于故障树的故障诊断方法 |
CN116071039B (zh) * | 2022-12-21 | 2024-01-19 | 广州辰创科技发展有限公司 | 一种基于故障树的故障诊断方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103617576B (zh) | 2015-03-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103617576B (zh) | 一种通用设备故障检测维修方法 | |
CN105574652B (zh) | 一种智能配电网规划大数据管控系统及方法 | |
Ulucak et al. | An empirical approach to the nexus between natural resources and environmental pollution: do economic policy and environmental-related technologies make any difference? | |
Seely et al. | The application of a hierarchical, decision-support system to evaluate multi-objective forest management strategies: a case study in northeastern British Columbia, Canada | |
CN107786000B (zh) | 数字化继电保护测试仪配置文件的智能生成方法 | |
WO2016000341A1 (zh) | 基于cim模型的跨区域供电范围搜索方法及其系统 | |
CN104679248B (zh) | 一种多场景交互数据可视化系统及工作方法 | |
CN107918830B (zh) | 一种基于大数据技术的配电网运行状态评估方法 | |
CN104915397A (zh) | 一种微博传播趋势预测方法及装置 | |
CN102236841A (zh) | 一种电力系统事故处理的方法 | |
CN105975466A (zh) | 一种面向短新闻的机器写稿方法及装置 | |
CN105426499A (zh) | 一种数据可视化实现方法 | |
CN110086665A (zh) | 一种基于jTopo的网络拓扑图展示方法 | |
CN102222169A (zh) | 一种城市供水管网爆管预测分析方法 | |
CN106058865A (zh) | 一种电网节点电压暂降的风险评估方法 | |
CN104866567A (zh) | 一种业务数据呈现方法及装置 | |
CN104182904A (zh) | 一种变电站集中监控海量数据的多维分析可视化展示方法 | |
CN112612819A (zh) | 一种抽水蓄能电站大数据分析挖掘方法及系统 | |
CN114548800A (zh) | 基于电网知识图谱的未来态电网检修风险辨识方法及装置 | |
CN107958020A (zh) | 一种基于聚簇的电网数据处理和数据可视化方法 | |
CN107133275A (zh) | 一种调控主站远动点表自动审核的方法 | |
CN116595191A (zh) | 一种交互式低代码知识图谱的构建方法及装置 | |
CN110458656A (zh) | 配电室的报价方法及装置 | |
CN103955863A (zh) | 一种电网监测装置数据的处理方法 | |
CN104749704B (zh) | 一种光缆纤芯接续关系快速建立的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150304 Termination date: 20181121 |
|
CF01 | Termination of patent right due to non-payment of annual fee |