CN105243180B - 机电设备故障预警方法及系统 - Google Patents
机电设备故障预警方法及系统 Download PDFInfo
- Publication number
- CN105243180B CN105243180B CN201510555648.XA CN201510555648A CN105243180B CN 105243180 B CN105243180 B CN 105243180B CN 201510555648 A CN201510555648 A CN 201510555648A CN 105243180 B CN105243180 B CN 105243180B
- Authority
- CN
- China
- Prior art keywords
- fault
- values
- early warning
- model
- parameter
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000004458 analytical method Methods 0.000 claims description 21
- 238000012216 screening Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000005494 condensation Effects 0.000 description 8
- 238000009833 condensation Methods 0.000 description 8
- 238000012423 maintenance Methods 0.000 description 5
- 238000001704 evaporation Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Landscapes
- Air Conditioning Control Device (AREA)
Abstract
公开了一种机电设备故障预警方法和系统,所述机电设备故障预警方法包括:获得所述机电设备的多种运行参数在多个时刻的数值;在所述运行参数中,根据故障模型选取对应的至少一种故障判定参数,并根据故障判定参数在多个时刻的数值和故障模型计算对应的故障检验值,所述故障检验值用于表征该种故障判定参数在多个时刻的数值与故障模型在对应时刻的偏差;在所述故障检验值或多个所述故障检验值的加权小于或等于对应的判定阈值时发出与故障模型对应的故障预警信息。
Description
技术领域
本发明涉及机电设备技术领域,具体涉及一种机电设备故障预警方法及系统。
背景技术
机电设备广泛应用在当代的生活和生产过程中,例如空调、电梯、机床、发电机组等。任何机电设备在运行中都可能会出现故障,故障的发生会带来经济的损失,甚至人员的伤亡。
对机电设备进行定期的检查和保养能够降低故障的发生几率,但是不能完全消除故障隐患。公开号为CN204404456U的中国专利提出了一种中央空调报警控制系统,但是只能实现空调故障发生时的报警,损失已经发生,并不能在故障前提供预警信息。
期望能够在故障发生之前对故障进行预警,从而提供足够的时间采取措施来防止故障的发生,以避免或减小损失,降低维修和保养的费用。
发明内容
有鉴于此,本发明提供一种机电设备故障预警方法及系统,能够在故障发生前进行预警。
根据本发明的一个方面,提供一种机电设备故障预警方法。所述机电设备故障预警方法,包括:获得所述机电设备的多种运行参数在多个时刻的数值;在所述运行参数中,选取与故障模型对应的至少一种故障判定参数,并根据所述故障判定参数在多个时刻的数值和所述故障模型计算对应的故障检验值,所述故障检验值用于表征该种故障判定参数在多个时刻的数值与故障模型在对应时刻的偏差;在所述故障检验值或多个所述故障检验值的加权小于或等于对应的判定阈值时生成并发出与故障模型对应的故障预警信息,生成故障预警信息包括,在确定出现故障后,在故障预警库中获得与相应的故障模型对应的故障分析信息,从而生成所述故障预警信息,通过如下步骤建立所述故障模型:
获得同一种机电设备故障的多个样本,所述样本包括所述机电设备的多种运行参数在故障前和故障中的数值;
获得在故障前和故障中的数值不一致的运行参数;从所述在故障前和故障中的数值不一致的运行参数中获得故障判定参数,其中,在故障前的相同时刻,来自所述多个样本的所述故障判定参数的数值具有一致性;
根据所述故障判定参数在故障前多个时刻的数值建立该故障判定参数的时间曲线;
根据样本中的故障中运行参数获得该故障的故障分析信息,将故障模型与对应的故障分析信息对应保存以获得故障预警库。
优选地,所述故障预警信息包括故障类型、故障原因以及故障表现的至少之一。
优选地,所述故障模型包括与故障判定参数X对应的故障判定参数的时间曲线X=f(T)。
优选地,根据如下公式计算与故障判定参数对应的故障检验值Rx:Rx=|f(T1)-X1|+|f(T2)-X2|+…+|f(Tn)-Xn|,其中X1、X2…Xn分别为所述故障判定参数在T1、T2…Tn时刻的数值。
优选地,通过如下步骤判断在故障前的相同时刻,来自所述多个样本的所述故障判定参数的数值是否具有一致性:根据来自所述多个样本的故障判定参数的数值计算平均值M和方差δ;判断来自所述多个样本的故障判定参数的数值是否落在(M-n*δ,M+n*δ)之内,其中,n为有理数。
根据本发明的另一个方面,提供一种机电设备故障预警系统,通过上述机电设备故障预警方法进行预警。所述机电设备故障预警系统,包括:运行参数获取单元,用于获取机电设备的多种运行参数在多个时刻的数值;故障检验值计算单元,用于在所述运行参数中,选取与故障模型对应的至少一种故障判定参数,并根据所述故障判定参数在多个时刻的数值和所述故障模型计算对应的故障检验值,所述故障检验值用于表征该种故障判定参数在多个时刻的数值与故障模型在对应时刻的偏差;故障预警信息发送单元,在所述故障检验值或多个所述故障检验值的加权小于或等于对应的判定阈值时生成并发出与故障模型对应的故障预警信息,生成故障预警信息包括,在确定出现故障后,在故障预警库中获得与相应的故障模型对应的故障分析信息,从而生成所述故障预警信息,
还包括样本获取单元,用于获得同一种机电设备故障的多个样本,所述样本包括所述机电设备的多种运行参数在故障前和故障中的数值;
第一筛选单元,用于获得在故障前和故障中的数值不一致的运行参数;
第二筛选单元,用于从所述在故障前和故障中的数值不一致的运行参数中获得故障判定参数,其中,在故障前的相同时刻,来自所述多个样本的所述故障判定参数的数值具有一致性;
故障模型建立单元,用于根据所述故障判定参数在故障前多个时刻的数值建立该故障判定参数的时间曲线。
优选地,所述故障预警信息包括故障类型、故障原因以及故障表现的至少之一。
优选地,所述故障模型包括与故障判定参数X对应的故障判定参数的时间曲线X=f(T)。
优选地,根据如下公式计算与故障判定参数对应的故障检验值Rx:Rx=|f(T1)-X1|+|f(T2)-X2|+…+|f(Tn)-Xn|,其中X1、X2…Xn分别为所述故障判定参数在T1、T2…Tn时刻的数值。
优选地,所述第二筛选单元通过如下步骤判断在故障前的相同时刻,来自所述多个样本的所述故障判定参数的数值是否具有一致性:根据来自所述多个样本的故障判定参数的数值计算平均值M和方差δ;判断来自所述多个样本的故障判定参数的数值是否落在(M-n*δ,M+n*δ)之内,其中,n为有理数。
本发明的机电设备故障预警方法及系统基于相似性原理,根据故障模型和机电设备的运行参数能够进行故障预警从而提供足够的时间采取措施来防止故障的发生,以避免或减小损失,降低维修和保养的费用。
附图说明
通过以下参照附图对本发明实施例的描述,本发明的上述以及其它目的、特征和优点将更为清楚,在附图中:
图1是本发明实施例的机电设备故障预警方法的流程图;
图2是本发明实施例的建立故障模型的流程图;以及
图3是本发明实施例的机电设备故障系统的示意性框图。
具体实施方式
以下基于实施例对本发明进行描述,但是本发明并不仅仅限于这些实施例。在下文对本发明的细节描述中,详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。为了避免混淆本发明的实质,公知的方法、过程、流程、元件和电路并没有详细叙述。
此外,本领域普通技术人员应当理解,在此提供的附图都是为了说明的目的,并且附图不一定是按比例绘制的。除非上下文明确要求,否则整个说明书和权利要求书中的“包括”、“包含”等类似词语应当解释为包含的含义而不是排他或穷举的含义;也就是说,是“包括但不限于”的含义。
在本发明的描述中,需要理解的是,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
对于机电设备,由于同一款产品的设计与制造工艺是相同的,因此同一款产品具有相同的设计缺陷和工艺缺陷。在使用过程中,同一款产品具有相同的或相似的故障。产品故障的发生是一个渐变的过程,在故障发生前可以体现在产品在故障前的运行参数中。同一款产品可能具有多种相同的故障,所述多种故障体现在产品在故障前的不同的运行参数中。
本发明的机电设备故障预警方法根据机电设备的运行参数在多个时刻的数值和故障预警库进行预警。故障预警库包括至少一个故障模型以及对应的故障分析信息,其中,故障分析信息包括故障的类型、故障的原因、故障的表现形式以及解决方法等。
故障模型对应至少一个故障判定参数,故障模型包括与所述至少一个故障判定参数对应的时间曲线。
下面以空调为例,描述本发明实施例的机电设备故障预警方法。空调通常包括:压缩机、冷凝器、蒸发器、四通阀、单向阀毛细管组件以及控制电路等。空调的运行参数例如包括:电压V、电流I、温度Temp、冷凝压力Pc与蒸发压力Pe等。
在本实施例中,故障预警库包括故障模型(Ⅰ)、故障模型(Ⅱ)和故障模型(Ⅲ)以及与故障模型(Ⅰ)、故障模型(Ⅱ)和故障模型(Ⅲ)分别对应的故障分析信息。
例如,故障模型(Ⅰ)为压缩机故障的模型,故障模型(Ⅱ)为冷凝器故障的模型,故障模型(Ⅲ)为压缩机和冷凝器同时出现故障的模型。
故障模型(Ⅰ)的故障判定参数为空调运行的电压,故障模型(Ⅰ)包括电压的时间曲线f1(T)。
故障模型(Ⅱ)的故障判定参数为空调运行的电压和冷凝压力,故障模型(Ⅱ)包括电压的时间曲线f2(T)和冷凝压力的时间曲线f3(T)。
故障模型(Ⅲ)的故障判定参数为空调运行的电压、电流和冷凝压力,故障模型(Ⅲ)包括电压的时间曲线f4(T)、电流的时间曲线f5(T)、和冷凝压力的时间曲线f5(T)。
参照图1,本发明实施例的机电设备故障预警的方法包括:
步骤S101、首先获得空调的多种运行参数在多个时刻的数值。
例如获得空调的电压在多个时刻的数值(T1、V1)、(T2、V2)…(Tn、Vn);电流在多个时刻的数值(T1、I1)、(T2、I2)…(Tn、In);温度在多个时刻的数值(T1、Temp1)、(T2、Temp2)…(Tn、Tempn);冷凝压力Pc在多个时刻的数值(T1、Pc1)、(T2、Pc2)…(Tn、Pcn);以及蒸发压力Pe在多个时刻的数值(T1、Pe1)、(T2、Pe2)…(Tn、Pen)。
步骤S102、根据故障模型选取对应的故障判定参数,并根据故障判定参数在多个时刻的数值和故障模型计算与故障判定参数对应的故障检验值。故障检验值表征了该种故障判定参数在多个时刻的数值与故障模型在对应时刻的偏差。
例如,故障模型(Ⅰ)的故障判定参数是电压。
根据电压在多个时刻的数值和故障模型(Ⅰ)的电压的时间曲线f1(T)计算电压对应的故障检验值R1:
R1=|f1(T1)-V1|+|f1(T2)-V2|+…+|f1(Tn)-Vn|。
故障模型(Ⅱ)的故障判定参数是电压以及冷凝压力。
根据电压在多个时刻的数值和故障模型(Ⅱ)的电压的时间曲线f2(T)计算对应的故障检验值R2:
R2=|f2(T1)-V1|+|f2(T2)-V2|+…+|f2(Tn)-Vn|。
根据冷凝压力Pc在多个时刻的数值和故障模型(Ⅱ)的冷凝压力的时间曲线f3(T)计算对应的故障检验值R3:
R3=|f3(T1)-Pc1|+|f3(T2)-Pc2|+…+|f3(Tn)-Pcn|。
故障模型(Ⅲ)的故障判定参数是电压、电流以及冷凝压力。
根据电压在多个时刻的数值和故障模型(Ⅲ)的电压的时间曲线f4(T)计算对应的故障检验值R4:
R4=|f4(T1)-V1|+|f4(T2)-V2|+…+|f4(Tn)-Vn|。
根据电流在多个时刻的数值和故障模型(Ⅲ)的电流的时间曲线f5(T)计算对应的故障检验值R5:
R5=|f5(T1)-I1|+|f5(T2)-I2|+…+|f5(Tn)-In|。
根据冷凝压力Pc在多个时刻的数值和故障模型(Ⅲ)的冷凝压力的时间曲线f6(T)计算对应的故障检验值R6:
R6=|f6(T1)-Pc1|+|f6(T2)-Pc2|+…+|f6(Tn)-Pcn|。
步骤S103、判断故障检验值或多个故障检验值的加权是否小于等于对应的判定阈值。
在所有的故障模型的故障检验值或多个故障检验值的加权都大于故障模型的判定阈值时,返回步骤S101、继续获得机电设备的运行参数,监测机电设备。
在一个或多个故障模型的故障检验值或多个故障检验值的加权小于等于该故障模型的判定阈值时进入步骤S104。
在本实施例中,对于故障模型(Ⅰ),判断故障检验值R1是否小于故障模型(Ⅰ)的判定阈值Δ1;对于故障模型(Ⅱ),故障检验值R2和R3的权重分别为0.5和0.5,判断0.5*R2+0.5*R3是否小于故障模型(Ⅱ)的判定阈值Δ2;对于故障模型(Ⅲ),故障检验值R4、R5和R6的权重分别为0.5、0.3和0.2,判断0.5*R4+0.3*R5+0.2*R6是否小于故障模型(Ⅲ)的判定阈值Δ3。
例如,故障检验值R1大于判定阈值Δ1;0.5*R2+0.5*R3大于对应的判定阈值Δ2;0.5*R4+0.3*R5+0.2*R6小于对应的判定阈值Δ3,说明空调的压缩机和冷凝器同时出现故障。
步骤S104、生成并发送故障预警信息。
例如在确定空调的压缩机和冷凝器同时出现故障后,在故障预警库中获得与故障模型(Ⅲ)对应的故障分析信息,生成并发送故障预警信息,其中,故障预警信息包括故障的类型、故障的原因以及故障的表现形式的至少之一。
下面以建立故障模型(Ⅱ)为例,描述建立所述故障模型的步骤。
参照图2,建立所述的故障模型的步骤包括:
步骤S201、获得同一种故障的多个样本。所述同一种故障的多个样本可以来自发生该故障的多个不同的相同款的产品,也可以来自同一个产品的先后发生的不同次的该故障。所述样本包括机电设备的运行参数在故障前的多个时刻和故障中的多个时刻的数值。
例如,收集多个冷凝器故障的故障样本,该冷凝器故障的故障样本包括空调的运行参数在故障前的多个时刻和故障中的多个时刻的数值。空调的运行参数例如包括:电压V、电流I、温度Temp、冷凝压力Pc与蒸发压力Pe等。
步骤S202、获得在故障前的数值和故障中的数值不一致的运行参数。
例如,对于冷凝器故障,空调的电压V、电流I、以及冷凝压力Pc在故障前和故障中的数值变化较大,温度Temp与蒸发压力Pe的数值变化很小,选取电压V、电流I、以及冷凝压力Pc这三种参数。
步骤S203、在故障前的数值和故障中的数值不一致的运行参数中获得故障模型对应的至少一种故障判定参数。
在故障前的数值和故障中的数值不一致的运行参数是否为该故障模型的故障判定参数的判定条件为:在故障前的相同时刻,来自所述多个样本的同一种运行参数的数值是否具有一致性。
通过以下步骤判定在故障前的相同时刻,来自所述多个样本的同一种运行参数的数值是否具有一致性:首先根据来自多个样本的该运行参数在故障前的相同时刻的数值计算平均值M和方差δ;进一步,判断来自多个样本的该运行参数在故障前的相同时刻的数值是否落在(M-n*δ,M+n*δ)之内,其中,n为有理数,n依赖于运行参数和故障模型的种类。
例如,收集了10个空调的冷凝器故障的样本。从这10个样本中获得电压V、电流I、以及冷凝压力Pc在故障前的5小时的数值。
根据来自10个样本的电压的数值V01~V10,计算电压的平均值:Mv=(V01+V02+…V10)/10,以及方差:
判断V01~V10是否都在(Mv-3*δv,Mv+3*δv)之内。如果V01~V10都在(Mv-3*δv,Mv+3*δv)之内,表明电压为冷凝器故障的故障判定参数。
根据来自10个样本的电流的数值I01~I10,计算电流的平均值:Mi=(I01+I02+…I10)/10,以及方差:
判断I01~I10是否都在(Mi-1.5*δI,Mi+1.5*δI)之内。如果I01~I10都在(Mi-1.5*δI,Mi+1.5*δI)之内,表明电流为冷凝器故障的故障判定参数。
同理判定冷凝压力Pc是否为空调的冷凝器故障的故障判定参数。在本实施例中,经过判定,电压V以及冷凝压力Pc是冷凝器故障的故障判定参数。
步骤S204、根据故障判定参数在故障前多个时刻的数值建立故障模型。在本实施例中,该故障模型包括与故障参数一一对应的在故障前的时间曲线。
例如,根据电压V在发生冷凝器故障前的24小时内的多个时刻的数值建立电压随时间变化的曲线f2(T);根据冷凝压力Pc在冷凝器故障前的24小时内的多个时刻的数值建立冷凝压力随时间变化的曲线f3(T)。
在优选的实施例中,根据多个样本的电压V在发生冷凝器故障前的多个时刻的数值的平均值建立电压随时间变化的曲线。
在优选的实施例中,所述故障模型的步骤还包括:保存故障模型与对应的故障分析信息。
例如,建立故障模型(Ⅱ)后,根据样本中的故障中运行参数获得该故障的故障分析信息,将故障模型与对应的故障分析信息对应保存以获得故障预警库。
本实施例的故障预警方法基于相似性原理,根据故障模型和机电设备的运行参数能够进行故障预警从而提供足够的时间采取措施来防止故障的发生,以避免或减小损失,降低维修和保养的费用。
本发明还提供一种故障预警系统,能够根据机电设备的运行参数在多个时刻的数值对潜在的故障进行预警。
参照图3,故障预警系统100持续监测空调210、空调220和空调230,提供故障预警。根据本发明实施例的故障预警系统100包括:运行参数获取单元110、故障检验值计算单元120以及故障预警信息发送单元130。
运行参数获取单元110用于获取空调210、空调220和空调230的运行参数的数值。例如空调210、空调220和空调230上分别设有运行参数采集卡,并通过zigbee技术将采集到运行参数发送到运行参数获取单元110。
故障检验值计算单元120用于在所述运行参数中,选取与故障模型对应的至少一种故障判定参数,并根据所述故障判定参数在多个时刻的数值和所述故障模型计算对应的故障检验值,所述故障检验值用于表征该种故障判定参数在多个时刻的数值与故障模型在对应时刻的偏差。
例如,故障模型包括与故障判定参数对应的故障判定参数的时间曲线f(T),根据如下公式计算与故障判定参数对应的故障检验值Rx:Rx=|f(T1)-X1|+|f(T2)-X2|+…+|f(Tn)-Xn|,其中X1、X2…Xn分别为所述故障判定参数在T1、T2…Tn时刻的数值。
故障预警信息发送单元130用于在所述故障检验值或多个所述故障检验值的加权小于或等于对应的判定阈值时发出与故障模型对应的故障预警信息。优选地,故障预警信息包括故障类型、故障原因以及故障表现的至少之一。
在优选的实施例中,故障预警系统100还包括:样本获取单元、第一筛选单元、第二筛选单元以及故障模型建立单元。
样本获取单元,用于获得同一种机电设备故障的多个样本,所述样本包括所述机电设备的多种运行参数在故障前和故障中的的数值。
第一筛选单元,用于获得在故障前和故障中的数值不一致的运行参数。
第二筛选单元,用于从所述在故障前和故障中的数值不一致的运行参数中获得故障判定参数,其中,在故障前的相同时刻,来自所述多个样本的所述故障判定参数的数值具有一致性。
判断在故障前的相同时刻,来自所述多个样本的所述故障判定参数的数值是否具有一致性:首先,根据来自所述多个样本的故障判定参数的数值计算平均值M和方差δ;进一步,判断来自所述多个样本的故障判定参数的数值是否落在(M-n*δ,M+n*δ)之内,其中,n为有理数。
故障模型建立单元,用于根据所述故障判定参数在故障前多个时刻的数值建立该故障判定参数的时间曲线。
应当理解,空调210、空调220和空调230可以是相同款的空调,也可以是不同款的空调。对于不同款的空调,故障预警库单元120中包括与各种款式对应的故障模型,使得故障预警系统100能够为多款的空调提供预警。还应当理解本发明的故障预警系统不仅可以为空调提供预警,还可以为电梯、发电机等机电设备提供预警。
本实施例的故障预警系统基于相似性原理,根据故障模型和机电设备的运行参数能够进行故障预警从而提供足够的时间采取措施来防止故障的发生,以避免或减小损失,降低维修和保养的费用。
显然,本领域技术人员应该明白,上述的本发明的各单元或各步骤可以用通用的计算装置来实现,它们可以集中在单个计算装置上,或者分布在多个计算装置所组成的网络上,可选地,他们可以用计算机装置可执行的程序代码来实现,从而可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件的结合。
以上所述仅为本发明的优选实施例,并不用于限制本发明,对于本领域技术人员而言,本发明可以有各种改动和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种机电设备故障预警方法,包括:
获得所述机电设备的多种运行参数在多个时刻的数值;
在所述运行参数中,选取与故障模型对应的至少一种故障判定参数,并根据所述故障判定参数在多个时刻的数值和所述故障模型计算对应的故障检验值,所述故障检验值用于表征该种故障判定参数在多个时刻的数值与故障模型在对应时刻的偏差;
在所述故障检验值或多个所述故障检验值的加权小于或等于对应的判定阈值时生成并发出与故障模型对应的故障预警信息;
生成故障预警信息包括,在确定出现故障后,在故障预警库中获得与相应的故障模型对应的故障分析信息,从而生成所述故障预警信息;
通过如下步骤建立所述故障模型:
获得同一种机电设备故障的多个样本,所述样本包括所述机电设备的多种运行参数在故障前和故障中的数值;
获得在故障前和故障中的数值不一致的运行参数;从所述在故障前和故障中的数值不一致的运行参数中获得故障判定参数,其中,在故障前的相同时刻,来自所述多个样本的所述故障判定参数的数值具有一致性;
根据所述故障判定参数在故障前多个时刻的数值建立该故障判定参数的时间曲线;
根据样本中的故障中运行参数获得该故障的故障分析信息,将故障模型与对应的故障分析信息对应保存以获得故障预警库;所述故障预警库包括与所述机电设备各种款式对应的故障模型;
所述故障预警信息包括故障类型、故障原因以及故障表现的至少之一;
其中,根据如下公式计算与故障判定参数对应的故障检验值Rx:
Rx=|f(T1)-X1|+|f(T2)-X2|+…+|f(Tn)-Xn|,其中X1、X2…Xn分别为所述故障判定参数在T1、T2…Tn时刻的数值;其中,所述故障模型包括与故障判定参数X对应的故障判定参数的时间曲线X=f(T)。
2.根据权利要求1所述的方法,其中,通过如下步骤判断在故障前的相同时刻,来自所述多个样本的所述故障判定参数的数值是否具有一致性:
根据来自所述多个样本的故障判定参数的数值计算平均值M和方差δ;
判断来自所述多个样本的故障判定参数的数值是否落在(M-n*δ,M+n*δ)之内,其中,n为有理数。
3.一种机电设备故障预警系统,包括:
运行参数获取单元,用于获取机电设备的多种运行参数在多个时刻的数值;
故障检验值计算单元,用于在所述运行参数中,选取与故障模型对应的至少一种故障判定参数,并根据所述故障判定参数在多个时刻的数值和所述故障模型计算对应的故障检验值,所述故障检验值用于表征该种故障判定参数在多个时刻的数值与故障模型在对应时刻的偏差;
故障预警信息发送单元,在所述故障检验值或多个所述故障检验值的加权小于或等于对应的判定阈值时生成并发出与故障模型对应的故障预警信息;
生成故障预警信息包括,在确定出现故障后,在故障预警库中获得与相应的故障模型对应的故障分析信息,从而生成所述故障预警信息;
样本获取单元,用于获得同一种机电设备故障的多个样本,所述样本包括所述机电设备的多种运行参数在故障前和故障中的数值;
第一筛选单元,用于获得在故障前和故障中的数值不一致的运行参数;
第二筛选单元,用于从所述在故障前和故障中的数值不一致的运行参数中获得故障判定参数,其中,在故障前的相同时刻,来自所述多个样本的所述故障判定参数的数值具有一致性;
故障模型建立单元,用于根据所述故障判定参数在故障前多个时刻的数值建立该故障判定参数的时间曲线;
根据样本中的故障中运行参数获得该故障的故障分析信息,将故障模型与对应的故障分析信息对应保存以获得故障预警库;所述故障预警库包括与所述机电设备各种款式对应的故障模型;
所述故障预警信息包括故障类型、故障原因以及故障表现的至少之一;
其中,根据如下公式计算与故障判定参数对应的故障检验值Rx:
Rx=|f(T1)-X1|+|f(T2)-X2|+…+|f(Tn)-Xn|,其中X1、X2…Xn分别为所述故障判定参数在T1、T2…Tn时刻的数值;其中,所述故障模型包括与故障判定参数X对应的故障判定参数的时间曲线X=f(T)。
4.根据权利要求3所述的系统,其中,所述第二筛选单元通过如下步骤判断在故障前的相同时刻,来自所述多个样本的所述故障判定参数的数值是否具有一致性:
根据来自所述多个样本的故障判定参数的数值计算平均值M和方差δ;
判断来自所述多个样本的故障判定参数的数值是否落在(M-n*δ,M+n*δ)之内,其中,n为有理数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510555648.XA CN105243180B (zh) | 2015-09-01 | 2015-09-01 | 机电设备故障预警方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510555648.XA CN105243180B (zh) | 2015-09-01 | 2015-09-01 | 机电设备故障预警方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105243180A CN105243180A (zh) | 2016-01-13 |
CN105243180B true CN105243180B (zh) | 2021-06-04 |
Family
ID=55040828
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510555648.XA Active CN105243180B (zh) | 2015-09-01 | 2015-09-01 | 机电设备故障预警方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105243180B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109186041B (zh) * | 2018-12-05 | 2019-03-05 | 新誉轨道交通科技有限公司 | 一种空调制冷不良的判断方法及装置 |
CN109827289B (zh) * | 2019-01-03 | 2020-06-05 | 珠海格力电器股份有限公司 | 一种确定系统故障的方法、装置及系统 |
CN109946544A (zh) * | 2019-03-29 | 2019-06-28 | 广东美的制冷设备有限公司 | 家电故障检测方法和装置 |
CN110968061B (zh) * | 2019-12-06 | 2021-02-26 | 珠海格力电器股份有限公司 | 设备故障的预警方法、装置、存储介质和计算机设备 |
CN113777488B (zh) * | 2021-09-14 | 2023-12-12 | 中国南方电网有限责任公司超高压输电公司昆明局 | 阀冷主泵电机的状态评估方法、装置、计算机设备 |
CN114777282B (zh) * | 2022-06-23 | 2022-09-06 | 天津汉江流科技有限公司 | 基于动态规则的空调设备异常状态告警方法及系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005149137A (ja) * | 2003-11-14 | 2005-06-09 | Tokyo Gas Co Ltd | 遠隔監視システム、遠隔監視方法、及び遠隔監視プログラム |
JP2007024523A (ja) * | 2005-07-12 | 2007-02-01 | Toshiba Corp | 故障解析装置及び故障解析方法 |
JP5421831B2 (ja) * | 2010-03-25 | 2014-02-19 | 株式会社Nttドコモ | 故障検出装置 |
CN103149475B (zh) * | 2013-02-05 | 2015-07-22 | 广东电网公司 | 电力设备故障诊断方法及系统 |
CN103278719B (zh) * | 2013-06-06 | 2015-11-18 | 广东电网公司佛山供电局 | 基于矩阵图及置信度的电力设备故障检测方法和系统 |
CN103344914B (zh) * | 2013-06-26 | 2015-11-18 | 中能电力科技开发有限公司 | 基于归一化的风电机组故障预警方法 |
CN103471729A (zh) * | 2013-09-27 | 2013-12-25 | 北京天源科创风电技术有限责任公司 | 一种装置温度预警方法及其应用 |
-
2015
- 2015-09-01 CN CN201510555648.XA patent/CN105243180B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN105243180A (zh) | 2016-01-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105243180B (zh) | 机电设备故障预警方法及系统 | |
US11067973B2 (en) | Data collection system, abnormality detection method, and gateway device | |
US7395188B1 (en) | System and method for equipment life estimation | |
CN101620045B (zh) | 基于时间序列的步进应力加速退化试验可靠性评估方法 | |
CN109948860A (zh) | 一种机械系统剩余寿命预测方法及系统 | |
US20170046309A1 (en) | Method for providing reliable sensor data | |
CN103279123A (zh) | 对间歇控制系统进行分段故障监视的方法 | |
AU2016201724A1 (en) | Method and system for predicting equipment failure | |
US20120296605A1 (en) | Method, computer program, and system for performing interpolation on sensor data for high system availability | |
EP2923311A1 (en) | Method and apparatus for deriving diagnostic data about a technical system | |
CN107016448B (zh) | 一种故障/维修时间服从任意分布的周期性检查装备可用性评估方法 | |
US9116965B2 (en) | Method and apparatus for monitoring performance characteristics of a system and identifying faults | |
US7912669B2 (en) | Prognosis of faults in electronic circuits | |
JP2014167667A (ja) | 設備点検順位設定装置 | |
US9852240B2 (en) | Systems and methods for gas turbine operational impact modeling using statistical and physics-based methodologies | |
CN104880217B (zh) | 一种基于测量值关联度的故障传感器信息重构方法 | |
US20180003745A1 (en) | Method for diagnosing state of capacitor in modular converter | |
US10401401B2 (en) | System and methods thereof for monitoring of energy consumption cycles | |
KR102265298B1 (ko) | 머신러닝에 의해 생성된 가상 데이터를 이용한 고장 진단 방법 및 장치 | |
JP2012172930A (ja) | 空調設備保守システム | |
CN107729985A (zh) | 更好识别技术设施的过程异常的方法和相应的诊断系统 | |
JP2011520170A (ja) | システムに関する動作予測を特定するための方法 | |
US20190265088A1 (en) | System analysis method, system analysis apparatus, and program | |
TW201928713A (zh) | 領先輔助參數的選擇方法以及結合關鍵參數及領先輔助參數進行設備維護預診斷的方法 | |
CN107121616B (zh) | 一种用于对智能仪表进行故障定位的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |