CN103970072A - 一种器械设备的工作状态检测方法 - Google Patents
一种器械设备的工作状态检测方法 Download PDFInfo
- Publication number
- CN103970072A CN103970072A CN201410225173.3A CN201410225173A CN103970072A CN 103970072 A CN103970072 A CN 103970072A CN 201410225173 A CN201410225173 A CN 201410225173A CN 103970072 A CN103970072 A CN 103970072A
- Authority
- CN
- China
- Prior art keywords
- action
- training equipment
- equipment
- apparatuses
- tar
- 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
Abstract
本发明涉及一种器械设备的工作状态检测方法,属于机械工程和信息技术交叉领域。本发明首先获取器械设备的工作状态流程图作为既定流程,并得到其变迁紧邻关系集合TAR1,再从器械设备的指令集中提取变迁紧邻关系集合TAR2,最终通过TAR1和TAR2的相似性判断器械设备是否有异常状态,若相似度小于1-Φ(Φ为器械设备的工作状态可容忍异常阈值),则判定器械设备的工作状态异常,否则正常。本发明工作状态检测方法,指令和实际行为的对应比较简单,因此本方法的实现简单易行;本方法通过一般的计算机设备可以在几秒钟内计算出结果,因此对于器械设备的工作状态检测,可以实时而且精确。本方法可以同时实现对多个器械设备工作状态的检测。
Description
技术领域
本发明涉及一种器械设备的工作状态检测方法,属于机械工程和信息技术交叉领域。
背景技术
目前对大型器械设备的工作状态检测主要是通过测定其机械状态(如部件的温度、压强等)和电气状态(如电流、电压等)来进行。如果这些状态数值出现超出正常范围阈值的异常,则判断器械设备可能没有按照既定方式正常工作。但是很多器械在非既定流程工作时并不体现出其机械状态或电气状态的异常。因此,需要监督器械的实际运行情况,即获悉其每一步在进行什么操作,从而判断其是否确切按照预定的操作流程执行。另外,还可以通过视频监视等手段人工进行监督。这在工作中器械设备很少时是非常直接且准确的方式,但是如果器械设备增多,同时有数千万辆工作,人工监督就不现实,显得费时费力。
发明内容
本发明的目的是提出一种器械设备的工作状态检测方法,以解决现有的人工监督技术的缺点,通过自动化的方式检测器械设备的运行情况,并判断其是否按照既定流程实施,提高器械设备的运行可靠性。
本发明提出的器械设备的工作状态检测方法,包括以下步骤:
(1)获取器械设备的工作状态流程图,该工作状态流程图用佩特里网表示,并记为:既定流程;
(2)设上述既定流程中包含器械设备中任意部件的任意动作T,形成一个既定流程中所有的两两任意动作的变迁紧邻关系TAR1,具体过程如下:
(2-1)若任意第i个动作Ti和任意第j个动作Tj的先后顺序为先进行Ti,后进行Tj,且Ti、Tj两个动作之间没有其它动作,则称Ti、Tj两个动作为顺序关系,并将二元组<Ti,Tj>记入变迁紧邻关系TAR1中;
(2-2)若任意第i个动作Ti和任意第j个动作Tj的先后顺序为先进行Ti,后进行Tj,或先进行Tj,再进行Ti,且Ti、Tj两个动作之间没有其它动作,则称Ti、Tj两个动作为并发关系,并将二元组<Ti,Tj>、<Tj,Ti>记入变迁紧邻关系TAR1中;
(2-3)若任意第i个动作Ti和任意第j个动作Tj之间不存在先后顺序则称Ti、Tj两个动作为无关关系;
(3)从器械设备的控制系统中获取器械设备的各部件在工作过程中每一步动作的指令集T(c,t),其中c为器械设备中各部件的动作指令,t为该动作指令的开始执行时刻,从器械设备的使用说明书中获取器械设备中各部件的动作指令c与动作a的对照表,根据该对照表,将上述指令集T(c,t)映射为动作集A(a,t);
(4)设定一个时间阈值,根据时间阈值,在部件的动作时间间隔大于时间阈值处对动作集A(a,t)进行分段,将上述动作集A(a,t)分段为m条轨迹的集合,记为Tr={Tr1,Tr2,…Trm},其中,任意一个轨迹Tri包含ni个动作:;
(5)将上述任意一个轨迹Tri中相邻的动作两两组合,构成初始集合TAR2’如下: 消除初始集合TAR2’中的相同项,得到集合TAR2;
(6)通过下式计算步骤(2)的集合TAR1与步骤(5)的集合TAR2之间的相似度Sim(TAR1,TAR2)
其中,∩符号表示两个集合的交集,∪符号表示两个集合的并集,||符号表示集合中元素的数量;
(7)设定器械设备的工作状态可容忍异常阈值Φ,根据上述相似度,对器械设备的工作状态进行判断,若相似度小于1-Φ,则判定器械设备的工作状态异常,若相似度大于或等于1-Φ,则判定器械设备的工作状态正常。
本发明提出的器械设备的工作状态检测方法,其优点是:
1、本发明的工作状态检测方法,其中指令集合的获取比较容易,因为一般大型器械的指令系统都可以记录其进行的操作。指令和实际行为的对应比较简单,一般来说,大型器械不同的指令对应不同的行为,因此本方法的实现简单易行。
2、本发明方法中使用的计算方法,是构造变迁之间两两集合,如果一个流程中有n个变迁,那么计算该集合的复杂度不超过n2,通过一般的计算机设备可以在几秒钟内计算出结果,因此对于器械设备的工作状态检测,可以实时而且精确。
3、本发明方法可以同时实现对多个器械设备工作状态的检测,检测过程为全自动化的,只需要指令系统记录器械的实际动作,因此可以同时分析多个设备的工作状态。
附图说明
图1是机械制造商提供的混凝土泵车工作状态流程图。
图2是佩特里网中两个变迁为顺序关系的示意,图中T1、T2为顺序关系。
图3是佩特里网中两个变迁为并发关系的示意,图中T1、T2为并发关系。
图4是佩特里网中两个变迁为无关关系的示意,图中T1、T2为无关关系。
具体实施方式
下面结合附图,详细介绍本发明提出的器械设备的工作状态检测方法,包括以下步骤:
(1)获取器械设备的工作状态流程图,工作状态流程图可以由技术专家或者工程师提供,或者从器械设备的设计图纸或使用说明书等获取。图纸中应包含既定工作流程的流程图,该工作状态流程图用佩特里(Petri)网表示,并记为:既定流程;例如,某机械制造商提供的混凝土泵车工作流程图如图1所示,其中用圆圈表示的节点叫做库所,方块表示的节点叫做变迁。
(2)设上述既定流程中包含器械设备中任意部件的任意动作T,形成一个既定流程中所有的两两任意动作的变迁紧邻关系TAR1,具体过程如下:
(2-1)若任意第i个动作Ti和任意第j个动作Tj的先后顺序为先进行Ti,后进行Tj,不存在先进行Tj再进行Ti的关系,且Ti、Tj两个动作之间没有其它动作,则称Ti、Tj两个动作为顺序关系,并将二元组<Ti,Tj>记入变迁紧邻关系TAR1中,如图2所示,T1、T2即为顺序关系;
(2-2)若任意第i个动作Ti和任意第j个动作Tj的先后顺序为先进行Ti,后进行Tj,或先进行Tj,再进行Ti,且Ti、Tj两个动作之间没有其它动作,则称Ti、Tj两个动作为并发关系,并将二元组<Ti,Tj>、<Tj,Ti>记入变迁紧邻关系TAR1中,如图3所示,T1、T2即为并发关系;
(2-3)若任意第i个动作Ti和任意第j个动作Tj之间不存在先后顺序(即除上述步骤(2-1)和步骤(2-2)中的以外情况),则称Ti、Tj两个动作为无关关系;该情况下不做任何记录,如图4所示,T1、T2即为无关关系;
如对于图1中的流程,其变迁紧邻关系集合TAR1为:
TAR1={<泵车安装,管道润滑>,<管道润滑,搅拌砼、泵送>,<搅拌砼、泵送,检查疏通>,<检查疏通,控制落度>,<搅拌砼、泵送,控制落度>,<控制落度,接压水管>,<控制落度,控制砼量>,<控制落度,压水输送砼>,<接压水管,清洗>,<控制砼量,清洗>,<压水输送砼,清洗>,<接压水管,压水输送砼>,<压水输送砼,接压水管>,<压水输送砼,控制砼量>,<控制砼量,压水输送砼>,<接压水管,控制砼量>,<控制砼量,接压水管>}
(3)从器械设备的控制系统中获取器械设备的各部件在工作过程中每一步动作的指令集T(c,t),其中c为器械设备中各部件的动作指令,例如“使钻头向前移动”、“使支撑臂转动”等等,t为该动作指令的开始执行时刻,从器械设备的使用说明书中获取器械设备中各部件的动作指令c与动作a的对照表,根据该对照表,将上述指令集T(c,t)映射为动作集A(a,t);
(4)根据上述动作集合A(a,t),构造轨迹集合。过程如下:设定一个时间阈值(可以取经验值5分钟,具体选择根据实际情况调整),根据时间阈值,在部件的动作时间间隔大于时间阈值处对动作集A(a,t)进行分段,将上述动作集A(a,t)分段为m个轨迹的集合,记为Tr={Tr1,Tr2,…Trm},其中,任意一个轨迹Tri包含ni个动作:;
(5)将上述任意一个轨迹Tri中相邻的动作两两组合,构成初始集合TAR2’如下: 消除初始集合TAR2’中的相同项,得到集合TAR2;
(6)通过下式计算步骤(2)的集合TAR1与步骤(5)的集合TAR2之间的相似度Sim(TAR1,TAR2)
其中,∩符号表示两个集合的交集,∪符号表示两个集合的并集,||符号表示集合中元素的数量;
(7)设定器械设备的工作状态可容忍异常阈值Φ(可以取经验值0.5),根据上述相似度,对器械设备的工作状态进行判断,若相似度小于1-Φ,则判定器械设备的工作状态异常,若相似度大于或等于1-Φ,则判定器械设备的工作状态正常。
Claims (1)
1.一种器械设备的工作状态检测方法,其特征在于该检测方法包括以下步骤:
(1)获取器械设备的工作状态流程图,该工作状态流程图用佩特里网表示,并记为:既定流程;
(2)设上述既定流程中包含器械设备中任意部件的任意动作T,形成一个既定流程中所有的两两任意动作的变迁紧邻关系TAR1,具体过程如下:
(2-1)若任意第i个动作Ti和任意第j个动作Tj的先后顺序为先进行Ti,后进行Tj,且Ti、Tj两个动作之间没有其它动作,则称Ti、Tj两个动作为顺序关系,并将二元组<Ti,Tj>记入变迁紧邻关系TAR1中;
(2-2)若任意第i个动作Ti和任意第j个动作Tj的先后顺序为先进行Ti,后进行Tj,或先进行Tj,再进行Ti,且Ti、Tj两个动作之间没有其它动作,则称Ti、Tj两个动作为并发关系,并将二元组<Ti,Tj>、<Tj,Ti>记入变迁紧邻关系TAR1中;
(2-3)若任意第i个动作Ti和任意第j个动作Tj之间不存在先后顺序则称Ti、Tj两个动作为无关关系;
(3)从器械设备的控制系统中获取器械设备的各部件在工作过程中每一步动作的指令集T(c,t),其中c为器械设备中各部件的动作指令,t为该动作指令的开始执行时刻,从器械设备的使用说明书中获取器械设备中各部件的动作指令c与动作a的对照表,根据该对照表,将上述指令集T(c,t)映射为动作集A(a,t);
(4)设定一个时间阈值,根据时间阈值,在部件的动作时间间隔大于时间阈值处对动作集A(a,t)进行分段,将上述动作集A(a,t)分段为m个轨迹的集合,记为Tr={Tr1,Tr2,…Trm},其中,任意一个轨迹Tri包含ni个动作:;
(5)将上述任意一个轨迹Tri中相邻的动作两两组合,构成初始集合TAR2’如下: 消除初始集合TAR2’中的相同项,得到集合TAR2;
(6)通过下式计算步骤(2)的集合TAR1与步骤(5)的集合TAR2之间的相似度
其中,∩符号表示两个集合的交集,∪符号表示两个集合的并集,||符号表示集合中元素的数量;
(7)设定器械设备的工作状态可容忍异常阈值Φ,根据上述相似度,对器械设备的工作状态进行判断,若相似度小于1-Φ,则判定器械设备的工作状态异常,若相似度大于或等于1-Φ,则判定器械设备的工作状态正常。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410225173.3A CN103970072B (zh) | 2014-05-26 | 2014-05-26 | 一种器械设备的工作状态检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410225173.3A CN103970072B (zh) | 2014-05-26 | 2014-05-26 | 一种器械设备的工作状态检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103970072A true CN103970072A (zh) | 2014-08-06 |
CN103970072B CN103970072B (zh) | 2016-06-29 |
Family
ID=51239706
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410225173.3A Active CN103970072B (zh) | 2014-05-26 | 2014-05-26 | 一种器械设备的工作状态检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103970072B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102175460A (zh) * | 2011-01-28 | 2011-09-07 | 中国人民解放军海军工程大学 | 基于模糊Petri网的船用燃气轮机气路故障诊断方法 |
CN102393922A (zh) * | 2011-06-23 | 2012-03-28 | 山西省电力公司晋中供电分公司 | 变电站智能报警专家系统的模糊Petri推理方法 |
CN102663500A (zh) * | 2012-03-27 | 2012-09-12 | 许继集团有限公司 | 一种基于时间隶属分析的模糊 Petri网变电站故障诊断方法 |
CN103278328A (zh) * | 2013-05-16 | 2013-09-04 | 华北电力大学 | 基于模糊Petri网的风电机组液压变桨系统故障诊断方法 |
-
2014
- 2014-05-26 CN CN201410225173.3A patent/CN103970072B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102175460A (zh) * | 2011-01-28 | 2011-09-07 | 中国人民解放军海军工程大学 | 基于模糊Petri网的船用燃气轮机气路故障诊断方法 |
CN102393922A (zh) * | 2011-06-23 | 2012-03-28 | 山西省电力公司晋中供电分公司 | 变电站智能报警专家系统的模糊Petri推理方法 |
CN102663500A (zh) * | 2012-03-27 | 2012-09-12 | 许继集团有限公司 | 一种基于时间隶属分析的模糊 Petri网变电站故障诊断方法 |
CN103278328A (zh) * | 2013-05-16 | 2013-09-04 | 华北电力大学 | 基于模糊Petri网的风电机组液压变桨系统故障诊断方法 |
Non-Patent Citations (2)
Title |
---|
汪抒浩 等: "基于任务最短跟随距离矩阵的流程模型行为相似性算法", 《计算机集成制造系统》 * |
胡俊 等: "面向复用的流程相似判定方法", 《计算机科学》 * |
Also Published As
Publication number | Publication date |
---|---|
CN103970072B (zh) | 2016-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101819411B (zh) | 一种基于gpu的改进加权关联规则的设备故障预警与诊断方法 | |
CN101299004B (zh) | 一种基于确定学习理论的振动故障诊断方法 | |
CN102722471B (zh) | 一种基于综合相关性矩阵的模糊关系矩阵生成方法 | |
CN109345408A (zh) | 基于长短期记忆网络的异常数据甄别方法 | |
CN105466693A (zh) | 基于灰色模型的柴油机燃油系统故障预诊断方法 | |
Akhavian et al. | Productivity analysis of construction worker activities using smartphone sensors | |
CN105607631A (zh) | 间歇过程弱故障模型控制限建立方法及弱故障监测方法 | |
Abdi Oskouei et al. | A method for data-driven evaluation of operator impact on energy efficiency of digging machines | |
Ahn et al. | Acceleromter-based measurement of construction equipment operating efficiency for monitoring environmental performance | |
CN111322082A (zh) | 一种tbm滚刀状态监测及故障诊断方法、系统 | |
CN111241660B (zh) | 一种基于云计算技术的土木工程实验检测系统及方法 | |
CN103487250A (zh) | 基于二维投射的煤矿设备预知维护方法 | |
CN111222541A (zh) | 一种基于深度卷积神经网络的外表箱类型识别方法 | |
CN108345289B (zh) | 一种基于替代数据法的工业过程平稳性检测方法 | |
CN103970072A (zh) | 一种器械设备的工作状态检测方法 | |
CN103970129A (zh) | 控制阀粘滞检测方法 | |
CN116523722A (zh) | 一种具备机器学习能力的环境监测分析系统 | |
CN109729536A (zh) | 一种移动无线传感器网络故障诊断方法 | |
CN103136597A (zh) | 基于统计指标对公司经营的决策支持系统及其使用方法 | |
CN103106326B (zh) | 一种用于核电设备可靠性Gamma-Poisson模型分布参数的估算方法 | |
CN202322073U (zh) | 海洋平台起重机液压故障查询系统 | |
CN116824734A (zh) | 一种基于数字孪生的设备远程故障诊断方法、系统和装置 | |
CN106844861B (zh) | 正交异性钢桥面板焊接节点实测应力幅动态概率建模方法 | |
CN104363305A (zh) | 一种基于移动终端的社区管理与服务系统 | |
CN105046347A (zh) | 一种油气田工况数据采集的优化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | 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 |