CN107273688A - 基于原始故障数据的设备寿命与健康度监控方法及系统 - Google Patents

Abstract

本发明公开了基于原始故障数据的设备寿命与健康度监控方法及系统，包括：原始故障数据预处理；建立二参数威布尔分布模型，利用近似中位秩公式法来确定失效分布函数值，在发生故障时间和通过计算出来的失效分布函数值的基础上，利用最小二乘参数估计法，拟合出威布尔分布模型的回归方程，确定出尺度参数和形状参数；将得到的尺度参数和形状参数代入二参数威布尔分布的失效分布函数，确定失效分布函数模型；并确定可靠度函数；设备可靠度计算：将给定时刻与最近一次修复故障时刻的时间间隔代入可靠度函数中，计算设备可靠度；依据得到的设备可靠度对设备健康度区间进行划分；根据每个设备所处的健康度区间，给出建议设备维护起止时间。

Description

基于原始故障数据的设备寿命与健康度监控方法及系统

技术领域

本发明涉及生产制造设备监控应用领域，尤其涉及基于原始故障数据的设备寿命与健康度监控方法及系统。

背景技术

随着高新技术的不断革新，现代设备的高度集成化、智能化及问题分析处理能力的高效化日益增强，与之相对的即是设备的故障诊断、维修和可靠度越来越受到人们的关注。

生产制造行业的设备种类繁多，数量巨大，某一设备或关键设备的故障、不稳定都会导致整个生产线的中断或产品质量的下降。生产制造行业设备寿命预测与健康监控旨在对设备的故障进行精准的预测，通过设备故障的预测制定针对故障的高效维修保障策略，降低设备停机时间，提高设备利用率，避免因“过度维修”造成的人力和物力方面的浪费，也避免因设备未及时维修造成的更为严重的后果。

目前针对设备寿命的预测出现了众多方法：

中国发明专利：结合BP神经网络与二参数威布尔分布的故障率预测方法中故障数据的采集以设备运行状态的监测数据为基础，故障数据的采集复杂、难度大，故障数据一旦失效将导致该方法的失效，方法模型适用性较差。

中国发明专利：基于三参数威布尔分布确定电网设备最佳退役时间的方法采用最大相关系数优化法求解位置参数，求解过程复杂，增加了算法的复杂度，降低了运行速度。

中国发明专利：一种基于可靠性的变压器设备寿命评估方法主要针对输变电领域大型变压器设备的寿命预测，数据算法以人工经验为主，对其他领域的设备尤其是生产制造过程设备的适用性较低。

上述举例算法具有随机性较大且对输入数据的要求较高，算法复杂，运算速度慢，没有根据生产制造设备的实际使用情况对其是否需要构建模型进行划分，针对健康度测量方面缺乏科学定量的界限，进而未对设备故障严重程度制定优先级顺序，未将故障维修计划考虑进生产计划排程。

发明内容

本发明的目的就是为了解决上述问题，提供一种基于原始故障数据的设备寿命与健康度监控方法及系统，该方法基于小样本抽样，通过对输入数据进行预处理，判定设备是否需要立即进行寿命模型建模。基于两参数的威布尔分布统计模型构建设备寿命模型。通过模型函数估计设备的可靠度，依据设备的健康状况对设备的维修紧急程度进行优先级的划分判定，并将制定的维修计划融入生产排程计划，提高设备利用率及生产执行效率。

为了实现上述目的，本发明采用如下技术方案：

基于原始故障数据的设备寿命与健康度监控方法，包括以下步骤：

步骤(1)：原始故障数据预处理；

步骤(2)：建立二参数威布尔分布模型，利用近似中位秩公式法来确定失效分布函数值，在发生故障时间和通过计算出来的失效分布函数值的基础上，利用最小二乘参数估计法，拟合出二参数威布尔分布模型的回归方程，从而确定出二参数威布尔分布的尺度参数和形状参数；将得到的尺度参数和形状参数代入二参数威布尔分布的失效分布函数，确定二参数威布尔失效分布函数模型；并确定可靠度函数；

步骤(3)：设备可靠度计算：将给定时刻与最近一次修复故障时刻的时间间隔代入可靠度函数中，计算设备可靠度；

步骤(4)：依据步骤(3)得到的设备可靠度对设备健康度区间进行划分；

步骤(5)：根据每个设备所处的健康度区间，给出建议设备维护起止时间。

所述步骤(1)中，原始故障数据包括：设备历史故障记录、设备维修记录、设备点检记录数据。设备历史故障记录，主要包括：故障记录编号、工位、设备名称、设备型号、设备故障开始时间；设备维修记录，主要包括：设备故障修复时间、是否已修复、维修人员、故障原因；设备点检记录，主要包括：设备点检计划开始时间、设备点检计划结束时间、设备点检实际开始时间、设备点检实际结束时间。

上述原始数据随着生产过程产生，由人为系统输入或手工填写。

所述步骤(1)对原始故障数据预处理操作包括：数据格式初期检查、设备建模判别、数据分类与整合、时间格式转换、数据排序、获取数据、数据校验操作。通过原始故障数据预处理步骤得到符合二参数威布尔分布模型需要的数据。

所述步骤(1)原始故障数据预处理步骤为：

步骤(1-1)：数据格式初期检查：对设备历史故障记录、设备维修记录及设备点检记录进行格式、逻辑及完整性检查，以确保数据的有效性；

步骤(1-2)：设备建模判别：根据设备额定使用寿命和实际使用年限选择设定时间范围内的设备历史故障记录、设备维修记录、设备点检记录，并检验记录条数是否达到最小记录数；若达到最小记录数，则对设备构建二参数威布尔分布模型；

步骤(1-3)：数据分类与整合：对每台设备的设备历史故障记录、设备维护记录、设备点检记录进行分类整合，提取记录中隶属同一设备的记录，存入对应设备的记录中，用于后续设备建模使用；

步骤(1-4)：时间格式转换：对设备原始故障数据进行时间转换，将本地时间格式转化为时间戳格式；

步骤(1-5)：数据排序：对整合后的记录按时间先后顺序进行排序，按照故障发生结束时间先后顺序和设备点检发生结束时间先后顺序进行排序；

步骤(1-6)：获取二参数威布尔分布模型所需数据：依据排序数据提取建模所需的故障时间间隔数据。

所述故障时间间隔的提取方法如下：

步骤(1-6-1)：首先取排序后记录数据的第一条记录为当前记录；

步骤(1-6-2)：检查当前记录是否超出记录范围；如果没有超出则转入步骤(1-6-3)，否则结束；

步骤(1-6-3)：检查下一条记录是否超出记录范围，如果没有超出则转入步骤(1-6-4)，否则结束；

步骤(1-6-4)：检查下一条记录整合前是否为故障记录，如果整合前为故障记录，则令：

故障时间间隔＝下一条记录的开始时间–当前记录的结束时间；

并转入步骤(1-6-6)；否则转入步骤(1-6-5)；

步骤(1-6-5)：如果整合前不是故障记录，则将下一条记录的序号加1，转到步骤(1-6-3)；

步骤(1-6-6)：取下一条记录的序号作为当前记录的序号；转入步骤(1-6-2)；

通过步骤(1-6)的方法以原始故障数据为基础求出模型所需要的故障时间间隔数据。

步骤(1-7)：数据校验：采用3σ原则剔除异常数据，异常数据包括手工输入的错误数据及明显过大值。

所述步骤(2)包括：

引入威布尔分布函数：

若随机变量时间t服从三参数威布尔分布，则三参数威布尔分布概率密度函数为：

公式(1)两边分别求积分，即为三参数威布尔分布失效分布函数：

其中，β>0为形状参数，决定分布曲线的形状；η>0为尺度参数，起到缩小和放大横坐标尺度的作用；γ≥0为位置参数，决定了分布曲线的起始位置。

位置参数γ又称为起始参数，表示产品在时间γ之前具有100％的可靠度，即故障在γ之后开始的；

γ＝0时，三参数威布尔分布转换为二参数威布尔分布；

二参数威布尔分布的概率密度函数为：

二参数威布尔分布的失效分布函数为：

采用回归估计法进行参数估计：二参数威布尔分布的待估计参数包括形状参数β和尺度参数η；

二参数威布尔分布的失效分布函数，变形得：

对公式(5)两边两次取自然对数，可得：

令则公式(6)转换为线性回归方程：

y＝Ax+B (7)

对于公式(7)，利用最小二乘参数估计法求解回归系数得：

其中，为参数A的估计值，为参数B的估计值，为均值， 由可知，影响回归系数估计准确度的是二参数威布尔分布的失效分布函数F(t)；

采用近似中位秩公式法来确定失效分布函数，公式如下：

式中，i表示设备故障记录的顺序号，n表示设备故障记录总条数。基于发生故障时间和通过计算出来的失效分布函数，利用最小二乘参数估计法，拟合出二参数威布尔分布模型的回归直线，从而确定出二参数威布尔分布的尺度参数η和形状参数β。

所述步骤(2)的实现步骤为：建立二参数威布尔分布模型，模型建立过程如下：

步骤(2-1)：建立线性回归方程：y＝Ax+B，其中

其中，y表示线回归方程因变量，x表示线性回归方程自变量，A、B表示线性回归方程的两个参数，F(t)表示二参数威布尔分布的失效分布函数，β表示二参数威布尔分布的形状参数，η表示二参数威布尔分布的尺度参数。

步骤(2-2)：将i、n带入近似中位秩公式法估计失效分布函数值，利用公式y＝lnln[1/(1-F(t))]从而确定对应的y_i值；利用步骤(1)预处理所得的故障时间间隔数据，代入公式x＝lnt，计算对应t_i时间间隔的x_i值。

其中i表示设备故障记录的顺序号，n表示设备故障记录总条数，t_i表示设备故障记录顺序为i时的故障时间间隔，F_n(t_i)表示距离当前时刻t_i时间间隔的设备的不可靠度，i、n取值范围依据生产实际记录情况决定。

步骤(2-3)：利用最小二乘参数估计法求解y＝Ax+B中的A、B，通过进而求出η、β；

其中，为参数A的估计值，为参数B的估计值，为均值，

步骤(2-4)：将η、β带入二参数威布尔分布的失效分布函数确定二参数威布尔失效分布函数模型，并确定可靠度函数。

所述步骤(3)设备可靠度计算：可靠度是设备在设定的条件下和设定的时间内，完成设定功能的概率，记为R；可靠度函数是时间t的函数，记为R(t)；用随机变量T表示产品从开始工作到发生失效或故障的时间；

当γ＝0时，得到二参数威布尔分布的可靠度函数表达式：

输入给定时刻与最近一次修复故障时刻的时间间隔，从而确定给定时刻设备的可靠度R(t)。

所述步骤(4)中，根据设备可靠度界值划分设备健康度区间，设备健康度区间由高到低分为：无需维护、可以维护、建议维护、强烈建议维护、紧急维护。健康度区间用不同颜色代表，亦反映了设备需要维护的优先级别。

所述步骤(5)给出设备维护起止时间建议。根据不同设备的不同健康度，给出相应的维护起止时间建议。

步骤(5)的步骤为：

步骤(5-1)：检查给定时刻是否为正数；若为0，返回的信息为设备未启动；若为负数，返回数据错误；

步骤(5-2)：将正确格式的时刻与最近一次修复故障时间的时间间隔带入可靠度函数表达式，求得给定时刻的可靠度值，根据可靠度值判断是否需要进行停机维护；如不需要则结束，如需要维护则给出所需的维护时间；

步骤(5-3)：确定维护起止时间；根据设备的可靠度值确定所归属的健康度区间；通过健康度区间下限值利用可靠度函数推导出设备维护结束时间，给定时刻即为设备维护起始时间。

所述步骤(5-3)过程中，特殊情况处理：

①根据可靠度值所处的健康度区间判断是否需要维护，如果需要维护则设置维护开始时间为给定时刻；如果不需要维护，不设置维护开始时间；

②当维护周期小于排程周期时，只安排第一次的维护任务；例如：在一次排程周期内，设备故障周期为1个月，排程周期为6个月，这时需要安排多个维护任务，此时只安排第一次的维护任务，不考虑后续维护任务。

③维护任务最晚结束时间取计算得到的可靠度值所在健康度区间的下限值所对应的时间，维护任务最晚结束时间的确定需要同时考虑设备使用寿命和维护任务对生产任务的影响；如果维护任务的最晚结束时间过小，则维护时间间隔较短，可能导致设备维护任务还未完成，即开始后面的生产任务，将导致排程出现错误。如果最晚结束时间过大，则维护时间间隔较长，设备出现故障的概率较大，因为设备故障而延误生产的风险较高。

④当可靠度值处于紧急维护健康度区间内时，默认该维护任务的起止时间间隔为10天。维护任务最晚结束时间为距此时刻有10天间隔的时间。该时间间隔可以根据设备具体运行状态进行设置。

⑤当计算得到的维护任务时间间隔不足24小时时，默认维护任务的起止时间间隔为48小时，即设置维护任务结束时间为据此刻时间有48小时的间隔的时间。

基于原始故障数据的设备寿命与健康度监控系统，包括：

原始故障数据预处理模块；

二参数威布尔分布模型建立模块：利用近似中位秩公式法来确定失效分布函数值，在发生故障时间和通过计算出来的失效分布函数值的基础上，利用最小二乘参数估计法，拟合出二参数威布尔分布模型的回归方程，从而确定出二参数威布尔分布的尺度参数和形状参数；将得到的尺度参数和形状参数代入二参数威布尔分布的失效分布函数，确定二参数威布尔失效分布函数模型；并确定可靠度函数；

设备可靠度计算模块：将给定时刻与最近一次修复故障时刻的时间间隔代入可靠度函数中，计算设备可靠度；

设备健康度区间划分模块：依据得到的设备可靠度对设备健康度区间进行划分；

设备维护起止时间建议模块：根据每个设备所处的健康度区间，给出建议设备维护起止时间。

本发明的有益效果：

1该方法的数据输入以历史故障信息、设备维修信息、设备点检信息等原始故障数据为基础，随着生产过程由人为系统输入或手工填写，输入要求低且易获得，实现了基于历史故障记录与维修记录的寿命模型的预测，对具有相同格式设备故障记录及点检记录的设备具有普适性。

2在原始故障数据预处理阶段根据设备的故障记录条数划分判定设备是否需要进行及时的故障预测。通过该步骤减轻了设备的维护建设所投入的人力及物力。

3对原始故障数据预处理的过程采用特有的处理方式，在易获得的原始故障数据的基础上计算出故障时间间隔，作为威布尔模型建模的唯一输入数据，数据简单有效。

4通过威布尔模型函数计算设备的可靠度，并结合设备实际健康状况划分设备的健康等级，依据此确定优先级并制定设备维护计划，提供相应的建议维护起止时间，提高设备维修效率，加快生产执行进度。

附图说明

图1为本发明提供的基于原始故障数据的设备寿命预测与健康度监控方法的流程图；

图2为原始故障数据预处理流程图；

图3为威布尔分布函数求解过程流程图；

图4为设备健康度划分示意图。

具体实施方式

下面结合附图与实施例对本发明作进一步说明。

本发明基于原始故障数据的设备寿命预测与健康度监控方法，如图1所示，包括以下步骤：

1.原始故障数据预处理，如图2所示，具体的处理步骤为：

1-1数据格式初期检查。对设备历史故障数据、设备维护记录及设备点检记录进行格式、逻辑及完整性检查，以确保数据输入格式的正确性。若输入有误，返回输入错误状态码。

1-2设备建模判别。根据设备额定使用寿命和实际使用情况选择最近5年内或者10年内的设备历史故障记录、设备维修记录、设备点检记录，并检验记录条数是否达到最小记录数min_record_number。若达到最小记录数，则对设备构建二参数威布尔分布模型。

1-3数据分类与整合。对每台设备的设备历史故障记录、设备维护记录、设备点检记录进行分类整合，提取记录中隶属同一设备的记录，存入该设备的记录中，用于后续设备建模使用。

1-4时间格式转换。对设备原始故障数据进行时间转换，将本地时间格式转化为时间戳格式。

1-5数据排序。对整合后的记录进行排序，按照故障发生结束时间先后顺序和设备点检发生结束时间先后顺序进行排序。

1-6获取二参数威布尔分布模型所需数据。依据排序数据提取建模所需的故障时间间隔数据。故障时间间隔的提取方法如下：

步骤(1-6-1)：首先取排序后记录数据的第一条记录为当前记录；

步骤(1-6-2)：检查当前记录是否超出记录范围；如果没有超出则转入步骤(1-6-3)，否则结束；

步骤(1-6-3)：检查下一条记录是否超出记录范围，如果没有超出则转入步骤(1-6-4)，否则结束；

步骤(1-6-4)：检查下一条记录整合前是否为故障记录，如果整合前为故障记录，则令：

故障时间间隔＝下一条记录的开始时间–当前记录的结束时间；

并转入步骤(1-6-6)；否则转入步骤(1-6-5)；

步骤(1-6-5)：如果整合前不是故障记录，则将下一条记录的序号加1，转到步骤(1-6-3)；

步骤(1-6-6)：取下一条记录的序号作为当前记录的序号；转入步骤(1-6-2)；

1-7数据校验。采用3σ原则剔除异常数据，异常数据包括手工输入的错误数据及明显过大值。

2.建立二参数威布尔分布模型，如图3所示，具体模型建立过程如下：

2-1建立线性回归方程：y＝Ax+B，其中

2-2将i、n带入近似中位秩公式法估计失效分布函数值，利用公式y＝lnln[1/(1-F(t))]从而确定对应的y_i值；利用步骤1预处理所得的故障时间间隔数据，代入公式x＝lnt，计算对应t_i时间间隔的x_i值。

2-3利用最小二乘参数估计法求解y＝Ax+B中的A、B，通过进而求出η、β；

2-4将η、β带入二参数威布尔分布的失效分布函数确定二参数威布尔失效分布函数模型，并确定可靠度函数。

3.设备可靠度计算。根据公式t≥0，输入给定时刻与最近一次修复故障时刻的时间间隔，从而确定给定时刻设备的可靠度R(t)。

4.设备健康度划分。根据设备可靠度界值划分设备健康度区间，并反映设备需要维护的优先级别。根据设备可靠度界值划分设备健康度区间，可设置设备健康度区间0-80％为紧急维护、80％-85％为强烈建议维护、85％-90％为建议维护、90％-95％为可以维护、95％-100％为无需维护，不同颜色反映设备需要维护的优先级别，健康度划分示意，如图4所示。

5.给出设备维护起止时间建议。具体步骤如下：

5-1检查给定时刻是否为正数。若为0，返回的信息为设备未启动；若为负数，返回数据错误。

5-2将正确格式的时刻与最近一次修复故障时间的时间间隔带入可靠度函数表达式，求得给定时刻的可靠度值，根据可靠度值判断是否需要进行停机维护；如不需要则结束，如需要维护则给出所需的维护时间。

5-3确定维护起止时间。根据设备的可靠度值确定所归属的健康度区间；通过健康度区间下限值利用可靠度函数推导出设备维护结束时间，给定时刻即为设备维护起始时间。确定过程涉及以下几个问题：

①根据可靠度值所处的健康度区间判断是否需要维护，如果需要维护则设置维护开始时间为给定时刻；如果不需要维护，不设置维护开始时间；

②当维护周期小于排程周期时，只安排第一次的维护任务；例如：在一次排程周期内，设备故障周期为1个月，排程周期为6个月，这时需要安排多个维护任务，此时只安排第一次的维护任务，不考虑后续维护任务。

③维护任务最晚结束时间取计算得到的可靠度值所在健康度区间的下限值所对应的时间，维护任务最晚结束时间的确定需要同时考虑设备使用寿命和维护任务对生产任务的影响；如果维护任务的最晚结束时间过小，则维护时间间隔较短，可能导致设备维护任务还未完成，即开始后面的生产任务，将导致排程出现错误。如果最晚结束时间过大，则维护时间间隔较长，设备出现故障的概率较大，因为设备故障而延误生产的风险较高。

④当可靠度值处于紧急维护健康度区间内时，默认该维护任务的起止时间间隔为10天。维护任务最晚结束时间为距此时刻有10天间隔的时间。该时间间隔可以根据设备具体运行状态进行设置。

⑤当计算得到的维护任务时间间隔不足24小时时，默认维护任务的起止时间间隔为48小时，即设置维护任务结束时间为据此刻时间有48小时的间隔的时间。

基于原始故障数据的设备寿命与健康度监控系统，包括：

原始故障数据预处理模块；

二参数威布尔分布模型建立模块：利用近似中位秩公式法来确定失效分布函数值，在发生故障时间和通过计算出来的失效分布函数值的基础上，利用最小二乘参数估计法，拟合出二参数威布尔分布模型的回归方程，从而确定出二参数威布尔分布的尺度参数和形状参数；将得到的尺度参数和形状参数代入二参数威布尔分布的失效分布函数，确定二参数威布尔失效分布函数模型；并确定可靠度函数；

设备可靠度计算模块：将给定时刻与最近一次修复故障时刻的时间间隔代入可靠度函数中，计算设备可靠度；

设备健康度区间划分模块：依据得到的设备可靠度对设备健康度区间进行划分；

设备维护起止时间建议模块：根据每个设备所处的健康度区间，给出建议设备维护起止时间。

综上所述，本发明的基于原始故障数据的设备寿命预测与健康度监控方法及系统，对设备原始故障数据进行处理，以此为基础实现生产制造设备的威布尔分布建模，估计设备的故障概率及时间，并以此为理论基础提出符合实际生产的设备维护时间建议。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (10)

1.基于原始故障数据的设备寿命与健康度监控方法，其特征是，包括以下步骤：

步骤(1)：原始故障数据预处理；

步骤(2)：建立二参数威布尔分布模型，利用近似中位秩公式法来确定失效分布函数值，在发生故障时间和通过计算出来的失效分布函数值的基础上，利用最小二乘参数估计法，拟合出二参数威布尔分布模型的回归方程，从而确定出二参数威布尔分布的尺度参数和形状参数；将得到的尺度参数和形状参数代入二参数威布尔分布的失效分布函数，确定二参数威布尔失效分布函数模型；并确定可靠度函数；

步骤(3)：设备可靠度计算：将给定时刻与最近一次修复故障时刻的时间间隔代入可靠度函数中，计算设备可靠度；

步骤(4)：依据步骤(3)得到的设备可靠度对设备健康度区间进行划分；

步骤(5)：根据每个设备所处的健康度区间，给出建议设备维护起止时间。

2.如权利要求1所述的方法，其特征是，所述步骤(1)中，原始故障数据包括：设备历史故障记录、设备维修记录、设备点检记录数据；设备历史故障记录，包括：故障记录编号、工位、设备名称、设备型号、设备故障开始时间；设备维修记录，包括：设备故障修复时间、是否已修复、维修人员、故障原因；设备点检记录，包括：设备点检计划开始时间、设备点检计划结束时间、设备点检实际开始时间、设备点检实际结束时间。

3.如权利要求1所述的方法，其特征是，所述步骤(1)原始故障数据预处理步骤为：

步骤(1-1)：数据格式初期检查：对设备历史故障记录、设备维修记录及设备点检记录进行格式、逻辑及完整性检查，以确保数据的有效性；

步骤(1-2)：设备建模判别：根据设备额定使用寿命和实际使用年限选择设定时间范围内的设备历史故障记录、设备维修记录、设备点检记录，并检验记录条数是否达到最小记录数；若达到最小记录数，则对设备构建二参数威布尔分布模型；

步骤(1-3)：数据分类与整合：对每台设备的设备历史故障记录、设备维护记录、设备点检记录进行分类整合，提取记录中隶属同一设备的记录，存入对应设备的记录中，用于后续设备建模使用；

步骤(1-4)：时间格式转换：对设备原始故障数据进行时间转换，将本地时间格式转化为时间戳格式；

步骤(1-5)：数据排序：对整合后的记录按时间先后顺序进行排序，按照故障发生结束时间先后顺序和设备点检发生结束时间先后顺序进行排序；

步骤(1-6)：获取二参数威布尔分布模型所需数据：依据排序数据提取建模所需的故障时间间隔数据；

步骤(1-7)：数据校验：采用3σ原则剔除异常数据，异常数据包括手工输入的错误数据及明显过大值。

4.如权利要求3所述的方法，其特征是，所述故障时间间隔的提取方法如下：

步骤(1-6-1)：首先取排序后记录数据的第一条记录为当前记录；

步骤(1-6-2)：检查当前记录是否超出记录范围；如果没有超出则转入步骤(1-6-3)，否则结束；

步骤(1-6-3)：检查下一条记录是否超出记录范围，如果没有超出则转入步骤(1-6-4)，否则结束；

步骤(1-6-4)：检查下一条记录整合前是否为故障记录，如果整合前为故障记录，则令：

故障时间间隔＝下一条记录的开始时间–当前记录的结束时间；

并转入步骤(1-6-6)；否则转入步骤(1-6-5)；

步骤(1-6-5)：如果整合前不是故障记录，则将下一条记录的序号加1，转到步骤(1-6-3)；

步骤(1-6-6)：取下一条记录的序号作为当前记录的序号；转入步骤(1-6-2)；

通过步骤(1-6)的方法以原始故障数据为基础求出模型所需要的故障时间间隔数据。

5.如权利要求1所述的方法，其特征是，

所述步骤(2)的实现步骤为：建立二参数威布尔分布模型，模型建立过程如下：

步骤(2-1)：建立线性回归方程：y＝Ax+B，其中

其中，y表示线回归方程因变量，x表示线性回归方程自变量，A、B表示线性回归方程的两个参数，F(t)表示二参数威布尔分布的失效分布函数，β表示二参数威布尔分布的形状参数，η表示二参数威布尔分布的尺度参数；

步骤(2-2)：将i、n带入近似中位秩公式法估计失效分布函数值，利用公式y＝lnln[1/(1-F(t))]从而确定对应的y_i值；利用步骤(1)预处理所得的故障时间间隔数据，代入公式x＝lnt，计算对应t_i时间间隔的x_i值；

其中i表示设备故障记录的顺序号，n表示设备故障记录总条数，t_i表示设备故障记录顺序为i时的故障时间间隔，F_n(t_i)表示距离当前时刻t_i时间间隔的设备的不可靠度，i、n取值范围依据生产实际记录情况决定；

步骤(2-3)：利用最小二乘参数估计法求解y＝Ax+B中的A、B，通过进而求出η、β；

其中，为参数A的估计值，为参数B的估计值，为均值，

步骤(2-4)：将η、β带入二参数威布尔分布的失效分布函数确定二参数威布尔失效分布函数模型，并确定可靠度函数。

6.如权利要求1所述的方法，其特征是，所述步骤(3)设备可靠度计算：可靠度是设备在设定的条件下和设定的时间内，完成设定功能的概率，记为R；可靠度函数是时间t的函数，记为R(t)；用随机变量T表示产品从开始工作到发生失效或故障的时间；

当γ＝0时，得到二参数威布尔分布的可靠度函数表达式：

<mrow> <mi>R</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>=</mo> <mi>P</mi> <mrow> <mo>(</mo> <mi>T</mi> <mo>&gt;</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>=</mo> <mi>exp</mi> <mo>&amp;lsqb;</mo> <mo>-</mo> <msup> <mrow> <mo>(</mo> <mfrac> <mi>t</mi> <mi>&amp;eta;</mi> </mfrac> <mo>)</mo> </mrow> <mi>&amp;beta;</mi> </msup> <mo>&amp;rsqb;</mo> <mo>,</mo> <mi>t</mi> <mo>&amp;GreaterEqual;</mo> <mn>0</mn> <mo>;</mo> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>10</mn> <mo>)</mo> </mrow> </mrow> 2

输入给定时刻与最近一次修复故障时刻的时间间隔，从而确定给定时刻设备的可靠度R(t)。

7.如权利要求1所述的方法，其特征是，所述步骤(4)中，根据设备可靠度界值划分设备健康度区间，设备健康度区间由高到低分为：无需维护、可以维护、建议维护、强烈建议维护、紧急维护。

8.如权利要求1所述的方法，其特征是，所述步骤(5)提出设备维护建议；根据不同设备的不同健康度，提出相应的维护建议，并融于生产计划排程；

步骤(5)的步骤为：

步骤(5-1)：检查给定时刻是否为正数；若为0，返回的信息为设备未启动；若为负数，返回数据错误；

步骤(5-2)：将正确格式的时刻与最近一次修复故障时间的时间间隔带入可靠度函数表达式，求得给定时刻的可靠度值，根据可靠度值判断是否需要进行停机维护；如不需要则结束，如需要维护则给出所需的维护时间；

步骤(5-3)：确定维护起止时间；根据设备的可靠度值确定所归属的健康度区间；通过健康度区间下限值利用可靠度函数推导出设备维护结束时间，给定时刻即为设备维护起始时间；

9.如权利要求8所述的方法，其特征是，所述步骤(5-3)过程中，特殊情况处理：

①根据可靠度值所处的健康度区间判断是否需要维护，如果需要维护则设置维护开始时间为给定时刻；如果不需要维护，不设置维护开始时间；

②当维护周期小于排程周期时，只安排第一次的维护任务；

③维护任务最晚结束时间取计算得到的可靠度值所在健康度区间的下限值所对应的时间，维护任务最晚结束时间的确定需要同时考虑设备使用寿命和维护任务对生产任务的影响；

④当可靠度值处于紧急维护健康度区间内时，默认该维护任务的起止时间间隔为10天；维护任务最晚结束时间为距此时刻有10天间隔的时间；时间间隔根据设备具体运行状态进行设置；

⑤当计算得到的维护任务时间间隔不足24小时时，默认维护任务的起止时间间隔为48小时，设置维护任务结束时间为据此刻时间有48小时的间隔的时间。

10.基于原始故障数据的设备寿命与健康度监控系统，其特征是，包括：

原始故障数据预处理模块；

二参数威布尔分布模型建立模块：利用近似中位秩公式法来确定失效分布函数值，在发生故障时间和通过计算出来的失效分布函数值的基础上，利用最小二乘参数估计法，拟合出二参数威布尔分布模型的回归方程，从而确定出二参数威布尔分布的尺度参数和形状参数；将得到的尺度参数和形状参数代入二参数威布尔分布的失效分布函数，确定二参数威布尔失效分布函数模型；并确定可靠度函数；

设备可靠度计算模块：将给定时刻与最近一次修复故障时刻的时间间隔代入可靠度函数中，计算设备可靠度；

设备健康度区间划分模块：依据得到的设备可靠度对设备健康度区间进行划分；

设备维护起止时间建议模块：根据每个设备所处的健康度区间，给出建议设备维护起止时间。