CN104750144A - 对设备运行状况进行预警的方法 - Google Patents

Abstract

本发明公开了一种对设备运行状况进行预警的方法，所述设备指仪表类和电机类设备，包括以下步骤：间断采集所述设备的具有波动规律的数据；利用波动率计算公式和波动率均值计算公式计算每个步长内的波动率k和波动率均值p；利用所述的每个步长内的波动率与相应波动率均值，以波动率k、波动率均值p为纵轴，时间为横轴，绘制波动率及波动率均值随时间变化曲线；将所述波动率k与相应波动率均值p利用Similar函数进行相似度度量值的计算；预设相似度度量值的报警阈值，当所述相似度度量值持续低于所述报警阈值时，发出预警警报。本发明对仪器仪表设备无需新增仪器，实现连续监测、及时预警，对设备的检修、维护具有重要的实际意义。

Description

对设备运行状况进行预警的方法

技术领域

本发明涉及设备维护方法。更具体地说，本发明涉及一种对设备运行状况进行预警的方法。

背景技术

设备维护体制经历了五个发展过程：1)事后修理，在设备发生故障后再进行修理，设备停歇时间较长、可能打乱生产计划；2)预防维护，加强日常检查和定期检查，会使维护工作量增多、过分保养；3)生产维护，重点设备预防维修、一般设备事后维修；4)维护预防，在设备设计、制造阶段提高设备可靠性、易修性，对设备后期运行中的故障检测作用不大；5)设备综合管理，主要有基于状态维护和智能维护，基于可编程逻辑控制器出现，这类维护系统安装成本高，在工程应用中不完善。

机器设备在日常使用和运转过程中，由于外部负荷、内部应力、磨损、腐蚀和自然侵蚀等因素的影响，使其个别部位或整体的尺寸、形状发生改变，进而影响设备的机械性能、工艺效果，使设备性能下降，甚至报废，这是所有设备都避免不了的客观规律。为了使设备保持正常性能，延长其使用周期，必须对设备进行适度的检修和日常维护保养工作，这对于各行各业的设备维修都是尤为重要的。对于不同企业，由于企业规模、性质和设备数量及其复杂程度的不同，其检修制度也不一样。例如，化工系统行业多，生产流程相差很大，有的生产工艺要求长周期连续运行，甚至最好是一年内连续运行330天以上；有的生产工艺却是批量的，只要求连续运行一段时间即可；有的工艺不能间断；有的可以开开停停；另外设备的结构、复杂程度不同，检修要求也不同。

目前，多数企业和厂家对设备的检修和考核都是定期进行的，基本采用预防维护或生产维护方式，无法及时发现设备异常，在这样的背景下，提出一种设备运行状况预警的方法是目前亟需解决的问题。

发明内容

本发明的一个目的是解决至少上述问题或缺陷，并提供至少后面将说明的优点。

本发明主要针对仪表类和电机类两大类设备，通过分析仪表类设备所监测数据或通过检测电机类设备运行电流的波动变化情况，进行数据波动率分析，将实时波动率与波动率均值进行相似性度量，通过定义相似度界限值，快速发现设备异常运行状况并进行预警，保障设备及时检修，提高设备使用寿命。例如对污水处理出水水质COD值进行数据建模，选择时间步长dt，获得的(t₁，t₁+dt)时间间隔的监测数据波动率k，而正常运行COD水质检测仪在(t₁，t₁+dt)间隔的波动率应为p(取波动率均值)，通过比较k、p相似度，可以判断设备(COD检测仪)运行状况。而对于电机类设备，我们可以通过检测该设备运行电流进行波动率分析，如某时间段(t₁，t₂)内水泵电流实际波动率为k′，而正常运行水泵在(t₁，t₂)时间段内的电流波动率应为p′(取波动率均值)，通过分析k′、p′相似度即可判断该水泵运行状况。为了缩小设备异常检修范围，使异常点的监测更准确，我们定义相似度在(0，0.3)范围内为异常范围，连续3个步长的相似度均在此范围内时，发出预警，企业此时再对数据波动原因进行分析，进而判断设备是否出现故障，可大大提高设备检修高效性，提升设备维护及时性。

本发明针对工业领域设备，对设备运行状况进行预警。如仪表类设备方面，对pH、溶解氧浓度、污泥浓度、流量、液位、氧化还原电位、COD、氨氮、总磷、总氮、二氧化硫、一氧化碳、PM_2.5等指标检测仪器仪表进行监测数据波动率分析，反应这些仪器仪表设备运行状态；在电机类设备方面，可以对水泵、风机等电机电流波动性进行检测、分析，反应电机运行状况。该方法具有一定的通用性，不仅可以应用于环保行业，在其他各行业的设备运行状况的检测、预警中均可应用。

为了实现根据本发明的这些目的和其它优点，提供了一种对设备运行状况进行预警的方法，所述设备指仪表类和电机类设备，所述方法包括以下步骤：步骤一、间断采集所述设备的具有波动规律的数据；步骤二、根据步骤一中所述数据，利用波动率计算公式和波动率均值计算公式，计算每个步长内的波动率k和波动率均值p；步骤三、利用步骤二中所述的每个步长内的波动率与相应波动率均值，以波动率k、波动率均值p为纵轴，时间为横轴，绘制波动率及波动率均值随时间变化曲线。步骤四、将所述波动率k与相应波动率均值p利用Similar函数进行相似度度量值的计算，所述Similar函数如公式I所示：

$\mathrm{Similar}(k,p)=\frac{\underset{i}{\overset{j}{\mathrm{\Σ}}}{e}^{-|k_i-p_i|}}{j-i+1}---I$

其中，Similar(k，p)表示从i到j之间所有k、p的相似度度量值计算结果；步骤五、预设一相似度度量值的报警阈值，当所述相似度度量值持续低于所述报警阈值时，发出预警警报，当k_i和p_i差异较大时，Similar(k，p)较小。将I函数用于度量k，p之间的相似度，具有如下性质：函数充分考虑了波动率的瞬时性，避免偶然的过大波动率影响对设备运行状况的判断。

Similar函数与传统的相似度度量函数相比，区别了不同时间间隔的贡献率，降低某时间段中大波动率的贡献率，使得某一瞬时过大波动率几乎被略去。在波动率的相似度度量中，该函数符合这样的逻辑：彼此相接近的时间段越多，表明相似性越大，这与人们日常的认知相吻合。例如在污水监测数据中，对于长时间段数据经常会出现这样的情况：在大多数时间间隔，数据都相对稳定，波动较小，只是某一瞬时，波动率很大。应用传统的基于步长的度量函数，会放大个别的“噪声维度”对整体度量效果的影响，利用的Similar函数可以有效避免这些“噪声维度”的干扰，准确给出波动率过大、设备故障的预警报告。

优选的是，其中，所述步骤二中所述波动率k和波动率均值p的计算公式如公式II和III所示：

$k_i=\frac{\mathrm{dx}}{\mathrm{dt}}=\frac{x_j-x_i}{t_j-t_i}---\mathrm{II}$

$p_i=\frac{\underset{i}{\overset{j}{\mathrm{\Σ}}}{k}_i}{j-i+1}---\mathrm{III}$

其中x_i，x_j表示第i，第j个数据，k_i为第i个时间点的波动率值，p_i表示第i个波动率均值，t_i，t_j表示第i，j个监测点的时间，i，j为正整数，利用上述公式可以方便计算波动率和波动均值。

优选的是，其中，所述步骤四中的相似度度量值范围为0-1，所述步骤五中的所述报警阈值为0.3，函数最大值为1，代表k，p在该时间段t_j-t_i的值都相等，k和p是完全重合的，此时相似度最大值为1；函数最小值为0，代表k、p在该时间段t_j-t_i的值的差异均接近于无穷大，此时k和p相似度最小。

优选的是，所述步骤一中，针对仪表类设备，所述数据指仪表类设备的检测结果，针对电机类设备，所述数据是指电流的传感器检测的所述电机类设备运行的电流值。

优选的是，在步骤二中在计算波动率之前，将所述步骤一中的所述数据经过机械滤波去除其中的异常点，消除对波动率分析时产生干扰，滤波是抑制和防止干扰的一项重要措施，监测数据中一些异常数据需要先通过滤波的方法进行去除，以免对波动率的分析产生干扰。

优选的是，所述异常点，在去除的同时，在所述波动率及波动率均值随时间变化曲线上作出标记，给出设备可能出现故障所在时间段的提示，以避免设备故障出现漏检的情况。

优选的是，所述波动率偶然较大时，需要对波动率情况进行具体分析，判断设备是否出现故障。

优选的是，所述步骤五中所述相似度度量值持续低于所述报警阈值，持续时间为连续超过3个步长。

本发明至少包括以下有益效果：

1、本发明使用Similar函数，充分考虑了波动率的瞬时性，避免偶然的过大波动率影响对设备运行状况的判断。

2、本发明实现了快速发现设备异常运行状况并进行预警，保障设备及时检修，提高设备使用寿命。

3、本发明通过去除异常点，同时在所述波动率及波动率均值随时间变化曲线上作出标记，给出设备可能出现故障所在时间段的提示，以避免设备故障出现漏检的情况，解决设备小故障易被忽略的问题。

4、本发明针对波动率偶然较大的情况，通过对波动率情况进行具体分析，判断设备是否出现故障，减少设备维修的频率。

5、本发明对仪表设备监测无需另增仪器、设备，解决增加成本和设备维护连续监测花费高的问题。

6、本发明解决了设备运行状态连续监测操作复杂的问题

本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。

附图说明

图1为本发明所述对设备运行状况进行预警的方法中设备运行正常时的波动率和波动率均值随时间变化曲线图；

图2为本发明所述对设备运行状况进行预警的方法中设备运行数据波动率偶然较大时时的波动率和波动率均值随时间变化曲线图；

图3为本发明所述对设备运行状况进行预警的方法中设备运行数据波动率持续较大的波动率和波动率均值随时间变化曲线图。

具体实施方式

下面对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。

应当理解，本文所使用的诸如“具有”、“包含”以及“包括”术语并不配出一个或多个其它元件或其组合的存在或添加。

对设备运行状况进行预警的方法，所述设备指仪表类和电机类设备，所述方法包括以下步骤：

步骤一、针对仪器仪表类设备，直接获取其检测数值存入数据库。针对水泵、风机等电机类设备，可以通过安装检测其运行电流的传感器，获取电流，监测数据中一些异常数据需要先通过滤波的方法进行去除，以免对波动率的分析产生干扰。

步骤二、根据步骤一中所述数据，利用波动率计算公式和波动率均值计算公式，计算每个步长内的波动率k和波动率均值p；

步骤三、利用步骤二中所述的每个步长内的波动率与相应波动率均值，在数据库建立的数据表格是时间和监测数据数值的二维表，依此建立以时间轴为横轴，以滤波后监测数据为纵轴的历史数据曲线。以波动率、波动率均值为纵轴，时间为横轴，绘制波动率及波动率均值随时间变化曲线，如图1、图2和图3所示波动率及波动率均值随时间变化曲线。

步骤四、将所述波动率k与相应波动率均值p利用Similar函数进行相似度度量值的计算，所述Similar函数如公式I所示：

$\mathrm{Similar}(k,p)=\frac{\underset{i}{\overset{j}{\mathrm{\Σ}}}{e}^{-|k_i-p_i|}}{j-i+1}---I$

其中，Similar(k，p)表示从i到j之间所有k、p的相似度度量值计算结果；

步骤五、预设一相似度度量值的报警阈值，当所述相似度度量值持续低于所述报警阈值时，发出预警警报，当k_i和p_i差异较大时，Similar(k，p)较小。将I函数用于度量k，p之间的相似度，具有如下性质：函数充分考虑了波动率的瞬时性，避免偶然的过大波动率影响对设备运行状况的判断。

Similar函数与传统的相似度度量函数相比，区别了不同时间间隔的贡献率，降低某时间段中大波动率的贡献率，使得某一瞬时过大波动率几乎被略去。在波动率的相似度度量中，该函数符合这样的逻辑：彼此相接近的时间段越多，表明相似性越大，这与人们日常的认知相吻合。例如在污水监测数据中，对于长时间段数据经常会出现这样的情况：在大多数时间间隔，数据都相对稳定，波动较小，只是某一瞬时，波动率很大。应用传统的基于步长的度量函数，会放大个别的“噪声维度”对整体度量效果的影响，利用的Similar函数可以有效避免这些“噪声维度”的干扰，准确给出波动率过大、设备故障的预警报告。

在另一种实例中，所述步骤二中所述波动率k和波动率均值p的计算公式如公式II和III所示：

$k_i=\frac{\mathrm{dx}}{\mathrm{dt}}=\frac{x_j-x_i}{t_j-t_i}---\mathrm{II}$

$p_i=\frac{\underset{i}{\overset{j}{\mathrm{\Σ}}}{k}_i}{j-i+1}---\mathrm{III}$

其中x_i，x_j表示第i，第j个数据，k_i为第i个时间点的波动率值，p_i表示第i个波动率均值，t_i，t_j表示第i，j个监测点的时间，i，j为正整数，利用上述公式可以方便计算波动率和波动率均值。并且，这种方式只是一种较佳实例的说明，但并不局限于此。

在另一种实例中，所述步骤四中的相似度度量值范围为0-1，所述步骤五中的所述报警阈值为0.3，函数最大值为1，代表k，p在该时间段t_j-t_i的值都相等，k和p是完全重合的，此时相似度最大；函数最小值为0，代表k、p在该时间段t_j-t_i的值的差异均接近于无穷大，此时k和p相似度最小。并且，这种方式只是一种较佳实例的说明，但并不局限于此。

在另一种实例中，所述步骤一中，针对仪表类设备，所述数据指仪表类设备的检测结果，针对电机类设备，所述数据是指电流的传感器检测的所述电机类设备运行的电流值。并且，这种方式只是一种较佳实例的说明，但并不局限于此。

在另一种实例中，在步骤二中在计算波动率之前，将所述步骤一中的所述数据经过机械滤波去除其中的异常点，如COD值出现负值，这显然不合实际，为异常点，应去除。滤波是抑制和防止干扰的一项重要措施，监测数据中一些异常数据需要先通过滤波的方法进行去除，以免对波动率的分析产生干扰。并且，这种方式只是一种较佳实例的说明，但并不局限于此。

在另一种实例中，所述异常点，在去除的同时，在所述波动率及波动率均值随时间变化曲线上作出标记，给出设备可能出现故障所在时间段的提示，以避免设备故障出现漏检的情况。并且，这种方式只是一种较佳实例的说明，但并不局限于此。

在另一种实例中，所述波动率偶然较大时，需要对波动率情况进行具体分析，判断设备是否出现故障。并且，这种方式只是一种较佳实例的说明，但并不局限于此。

在另一种实例中，所述步骤五中所述相似度度量值持续低于所述报警阈值，持续时间为连续超过3个步长。并且，这种方式只是一种较佳实例的说明，但并不局限于此。

这里说明的设备数量和处理规模是用来简化本发明的说明的。对本发明的对设备运行状况进行预警的方法的应用、修改和变化对本领域的技术人员来说是显而易见的。

如上所述，根据本发明，由于使用Similar函数，充分考虑了波动率的瞬时性，避免偶然的过大波动率影响对设备运行状况的判断；通过快速发现设备异常运行状况并进行预警，保障设备及时检修，提高设备使用寿命；通过去除异常点，同时在所述波动率及波动率均值随时间变化曲线上作出标记，给出设备可能出现故障所在时间段的提示，以避免设备故障出现漏检的情况；通过对波动率情况进行具体分析，判断设备是否出现故障，减少设备维修的频率；本发明运行简单、对仪器仪表设备无需新增仪器，可实现连续监测、及时预警，对设备的检修、维护具有重要的实际意义。

在其中一个实施例中，本发明所述对设备运行状况进行预警的方法包括以下步骤：

(1)获取数据

针对仪器仪表类设备，直接获取其检测数值存入数据库。针对水泵、风机等电机类设备，可以通过安装检测其运行电流的传感器，获取电流，对其进行分析。

(2)数据滤波

滤波是抑制和防止干扰的一项重要措施，监测数据中一些异常数据需要先通过滤波的方法进行去除，以免对波动率的分析产生干扰。本发明采用机械滤波的方法，去除数据中的异常点，如COD值出现负值，这显然不合实际，是为异常点，应去除。对于异常点，在滤波去除的同时，也应作出标记，给出提示，避免故障漏检情况。

(3)模型建立

在数据库建立的数据表格是时间和监测数据数值的二维表，依此建立以时间轴为横轴，以滤波后监测数据为纵轴的历史数据曲线。根据数据曲线以及数据监测实际情况，选定分析所用步长，通过求导计算数据波动率，并计算波动率均值。以波动率、波动率均值为纵轴，时间为横轴，绘制波动率及波动率均值随时间变化曲线。

(4)相似度度量

将波动率与相应波动率均值进行相似度度量，计算两者差异程度，从而找出波动较大的数据，认为这些数据对应设备在该时间段可能存在运行故障。相似度度量采用Similar函数，具体描述如下：

设有某时间段(t₁，t₂，t₃，……，t_n)对应的n个监测数据(x₁，x₂，x₃，……，x_n)，定义波动率k、波动率均值p、相似度度量函数Similar如公式I、II、III所示：

$k_i=\frac{\mathrm{dx}}{\mathrm{dt}}=\frac{x_j-x_i}{t_j-t_i}---I$

$p_i=\frac{\underset{i}{\overset{j}{\mathrm{\Σ}}}{k}_i}{j-i+1}---\mathrm{II}$

$\mathrm{Similar}(k,p)=\frac{\underset{i}{\overset{j}{\mathrm{\Σ}}}{e}^{-|k_i-p_i|}}{j-i+1}---\mathrm{III}$

当k_i和p_i差异较大时，s(k，p)较小。将函数III用于度量k，p之间相似度，具有如下性质：函数充分考虑了波动率的瞬时性，避免偶然的过大波动率影响对设备运行状况的判断；函数最大值为1，代表k、p在该时间段(t_j-t_i)的值都相等，k和p是完全重合的，此时相似度最大；函数最小值为0，代表k、p在该时间段(t_j-t_i)的值的差异均接近于无穷大，此时k和p相似度最小。

(5)区间范围

相似度度量函数的数值在0-1之间，例如预设相似度度量函数为0-0.3之间为异常范围。符合上述范围的监测数据，从理论意义上来讲，是设备故障的可能性较大，但并不代表一定是设备故障。方法的实现，能够在仪表类、电机类设备的维护工作中，及时发现设备故障，提高设备维护工作效率。

本发明的实现，可以在各行各业设备检修、维护工作中发挥积极效应，如国控企业污染源通过有效性审核的自动监测数据即指国控企业污染源自动监测设备在正常运行状态下所提供的实时监测数据。为保证数据有效性，企业必须保障设备的正常运行，通过本发明的方法，可以达到更高效的设备维护，保障设备正常运行，提高工作效率。

当设备正常运行条件下，所检测数据波动率应在波动率均值附近上下波动，波动范围s(k，p)在接近于1。如图1形态，设备运行正常。

当数据波动率偶然较大时，如图2所示，可能是水况或其他原因引起的，需要具体分析，判断设备是否出现故障。

当数据波动率持续较大例如超过3个步长，如图3所示，此时设备故障可能性较大，发出设备故障预警。

尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用。它完全可以被适用于各种适合本发明的领域。对于熟悉本领域的人员而言，可容易地实现另外的修改。因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。

Claims (8)

1.一种对设备运行状况进行预警的方法，所述设备指仪表类和电机类设备，所述方法包括以下步骤：

步骤一、间断采集所述设备的具有波动规律的数据；

步骤二、根据步骤一中所述数据，利用波动率计算公式和波动率均值计算公式，计算每个步长内的波动率k和波动率均值p；

步骤三、利用步骤二中所述的每个步长内的波动率与相应波动率均值，以波动率k、波动率均值p为纵轴，时间为横轴，绘制波动率及波动率均值随时间变化曲线；

步骤四、将所述波动率k与相应波动率均值p利用Similar函数进行相似度度量值的计算，所述Similar函数如公式I所示：

$\mathrm{Similar}(k,p)=\frac{\underset{i}{\overset{j}{\mathrm{\Σ}}}{e}^{-|k_i-p_i|}}{j-i+1}---I$

其中，Similar(k，p)表示从i到j之间所有k、p的相似度度量值计算结果；

步骤五、预设一相似度度量值的报警阈值，当所述相似度度量值持续低于所述报警阈值时，发出预警警报。

2.如权利要求1所述的对设备运行状况进行预警的方法，其特征在于，所述步骤二中所述波动率k和波动率均值p的计算公式如公式II和III所示：

$k_i=\frac{\mathrm{dx}}{\mathrm{dt}}=\frac{x_j-x_i}{t_j-t_i}---\mathrm{II}$

$p_i=\frac{\underset{i}{\overset{j}{\mathrm{\Σ}}}{k}_i}{j-i+1}---\mathrm{II}$

其中x_i，x_j表示第i，第j个数据，k_i为第i个时间点的波动率值，p_i表示第i个波动率均值，t_i，t_j表示第i，j个监测点的时间，i，j为正整数。

3.如权利要求1所述的对设备运行状况进行预警的方法，其特征在于，所述步骤四中的相似度度量值范围为0-1，所述步骤五中的所述报警阈值为0.3。

4.如权利要求1所述的对设备运行状况进行预警的方法，其特征在于，所述步骤一中，针对仪表类设备，所述数据指仪表类设备的检测结果，针对电机类设备，所述数据是指电流的传感器检测的所述电机类设备运行的电流值。

5.如权利要求1所述的对设备运行状况进行预警的方法，其特征在于，在步骤二中在计算波动率之前，将所述步骤一中的所述数据经过机械滤波去除其中的异常点，消除对波动率分析时产生干扰。

6.如权利要求5所述的对设备运行状况进行预警的方法，其特征在于，所述异常点，在去除的同时，在所述波动率及波动率均值随时间变化曲线上作出标记，给出设备可能出现故障所在时间段的提示，以避免设备故障出现漏检的情况。

7.如权利要求1所述的对设备运行状况进行预警的方法，其特征在于，所述波动率偶然较大时，需要对波动率情况进行具体分析，判断设备是否出现故障。

8.如权利要求1所述的对设备运行状况进行预警的方法，其特征在于，所述步骤五中所述相似度度量值持续低于所述报警阈值，持续时间为连续超过3个步长。