CN108092802A - 海洋核动力平台核动力装置的数值预测维修系统及方法 - Google Patents

Abstract

本发明公开了一种海洋核动力平台核动力装置的数值预测维修系统及方法，涉及海洋核动力平台核动力装置管理领域，包括：传感网络子系统，其用于采集和传输核动力装置的目标设备的实时运行数据；数据存储子系统，其用于分布式存储目标设备的实时运行数据；以及智能维修分析子系统，其根据目标设备的实时运行数据建立目标设备的数学模型，并对数学模型进行拟合和调整，智能维修分析子系统还基于拟合和调整后的数学模型进行分析和计算，预测将发生故障的目标设备的位置和状态信息并报警。本发明中的海洋核动力平台核动力装置的数值预测维修系统精准定位，能提高核动力装置的可靠性、克服定期检修的盲目性且针对性强、效率高。

Description

海洋核动力平台核动力装置的数值预测维修系统及方法

技术领域

本发明涉及海洋核动力平台核动力装置管理领域，具体涉及一种海洋核动力平台核动力装置的数值预测维修系统及方法。

背景技术

海洋核动力平台是以核能作为一次能源的非自航式能源供应浮动平台，可对外提供电力、淡水等能源保障，能长期在指定地点进行作业或根据需要移动到另一地点进行长期作业。核动力装置是以核燃料代替普通燃料，利用核反应堆内核燃料的裂变反应产生热能并转换为动力的装置。海洋核动力平台核动力装置一旦发生安全事故，将造成巨大的经济损失，并且对运行人员和海洋环境造成无可估量的恶劣影响。因此需要建立可靠高效的维修系统，以保障海洋核动力平台核动力装置安全稳定运行。

现有的海洋核动力平台核动力装置维修系统，主要采用修复性维修和预防性维修的方式。修复性维修，是指设备用坏后再修理。预防性维修，是指基于时间、性能及条件对设备进行定期维修，没有经过严谨分析。现有的海洋核动力平台核动力装置维修系统未能充分利用核动力装置的数据，成本高昂，效率低下。

发明内容

针对现有技术中存在的缺陷，本发明的目的在于提供一种精准定位，能提高核动力装置的可靠性、克服定期检修的盲目性且针对性强、效率高的海洋核动力平台核动力装置的数值预测维修系统。

为达到以上目的，本发明采取的技术方案是：

一种海洋核动力平台核动力装置的数值预测维修系统，包括：

传感网络子系统，其用于采集和传输核动力装置的目标设备的实时运行数据；

数据存储子系统，其用于分布式存储所述目标设备的实时运行数据；以及

智能维修分析子系统，其根据所述目标设备的实时运行数据建立目标设备的数学模型，并对所述数学模型进行拟合和调整，所述智能维修分析子系统还基于拟合和调整后的数学模型进行分析和计算，预测将发生故障的目标设备的位置和状态信息并报警。

在上述技术方案的基础上，所述传感网络子系统包括多个传感器，所述传感器用于测量并传输所述目标设备的实时运行数据。

在上述技术方案的基础上，所述传感网络子系统还包括多个无线中继器和多个交换机，所述无线中继器用于将所述目标设备的实时运行数据以中继方式发送至所述交换机。

在上述技术方案的基础上，所述数据存储子系统包括数据存储层和数据访问层。

在上述技术方案的基础上，所述智能维修分析子系统包括：

数学模型构建模块，其根据所述目标设备的实时运行数据建立目标设备的数学模型；

数值预测维修算法模块，其用于对数学模型进行拟合和调整，并基于拟合和调整后数学模型进行分析和计算，预测将发生故障的目标设备的位置和状态信息；以及

数值预测维修报警模块，其用于对将发生故障的目标设备进行报警。

在上述技术方案的基础上，所述目标设备包括泵、阀门、管道、热交换器、冷凝器和电气柜。

与此同时，本发明的另一个目的在于提供一种精准定位，能提高核动力装置的可靠性、克服定期检修的盲目性且针对性强、效率高的维修方法。

一种利用上述海洋核动力平台核动力装置的数值预测维修系统进行维修的方法，该方法包括以下步骤：

S1.传感网络子系统采集和传输核动力装置的目标设备的实时运行数据；

S2.数据存储子系统分布式存储所述目标设备的实时运行数据，并提供数据访问接口；

S3.智能维修分析子系统根据所述目标设备的实时运行数据建立目标设备数学模型，并对数学模型进行拟合和调整，且还基于拟合和调整后的数学模型进行分析和计算，预测将发生故障的目标设备的位置和状态信息并报警。

在上述技术方案的基础上，所述传感网络子系统包括多个传感器，所述传感器测量并传输所述目标设备的实时运行数据。

在上述技术方案的基础上，所述传感网络子系统还包括多个无线中继器和多个交换机，无线中继器将数据传输传感器传输的所述目标设备的实时运行数据以中继方式发送至所述交换机。

在上述技术方案的基础上，所述智能维修分析子系统包括数学模型构建模块、数值预测维修算法模块和数值预测维修报警模块，步骤S3具体包括：

数学模型构建模块确定影响每个目标设备可靠运行的关键变量，并基于关键变量建立多变量非线性函数；

数值预测维修算法模块根据深度学习框架TensorFlow并结合目标设备的实际运行数据，对多变量非线性函数进行拟合和调整，确定关键变量的影响权重和频率，再基于拟合和调整后的多变量非线性函数进行分析和计算，预测将发生故障的目标设备的位置和状态信息；

数值预测维修报警模块对将发生故障的目标设备进行报警。

与现有技术相比，本发明的优点在于：

本发明的海洋核动力平台核动力装置的数值预测维修系统能够实现海洋核动力平台核动力装置的目标设备故障的提前精准定位，提高了核动力装置的可靠性，可以克服定期检修的盲目性，从而减少了维护时间，减少了维护工作量，增强了海洋核动力平台的经济性。克服了现有的核动力装置的修复性维修和预防性维修的针对性不强、效率低下的缺点。

附图说明

图1为本发明中海洋核动力平台核动力装置的数值预测维修系统的原理图。

具体实施方式

以下结合附图及对本发明作进一步详细说明。

参见图1所示，本发明提供一种海洋核动力平台核动力装置的数值预测维修系统，其包括传感网络子系统、数据存储子系统和智能维修分析子系统。

其中，传感网络子系统用于采集和传输核动力装置的目标设备的实时运行数据。

本发明中的目标设备包括泵、阀门、管道、热交换器、冷凝器和电气柜。传感网络子系统包括多个传感器，传感器用于测量并传输所述目标设备的实时运行数据。此外，传感网络子系统还包括多个无线中继器和多个交换机，无线中继器用于将目标设备的实时运行数据以中继方式发送至交换机。交换机主要用来提供可靠、高速、实时的数据传输通道。传感网络子系统的无线中继器、数据存储系统的服务器、智能维修分析系统的计算机均通过交换机接入核动力装置综合控制系统的传输网中。

具体的，本发明的传感器为以Freescale公司的MPC5634处理器和TI公司的CC2530处理器为双核心的嵌入式系统，用于实时监测海洋核动力平台核动力装置的泵、阀门、管道、热交换器、冷凝器、电气柜等主要设备的衡量其生命状态的主要运行参数，并上传给无线中继器。其中MPC5634处理器主要用于实时数据测量。CC2530处理器主要用于通过Zigbee协议向无线中继器上传数据。两个处理器通过进行双口RAM进行通信。

无线中继器为以Broadcom公司的BCM5352处理器和TI公司的CC2530处理器为双核心的嵌入式系统，主要是针对布线复杂的部分舱室而设计的，用于将传感器上传的数据以中继方式发送给交换机。CC2530处理器主要实现无线中继器与传感器进行Zigbee数据通信。BCM5352处理器主要实现无线中继器向交换机上传数据。两个处理器通过进行双口RAM进行通信。

从而，本发明中的传感网络系统利用物联网技术，通过大量的传感器将海洋核动力平台核动力装置的泵、阀门、管道、热交换器、冷凝器、电气柜等主要机械设备、电气设备的状态参数进行实时数据采集，通过有线和无线结合的网络结构，将实时数据高效可靠传输到设备数据存储系统。

数据存储子系统用于分布式存储目标设备的实时运行数据，并向智能维修分析子系统提供高效、快速、轻捷的数据访问接口。

本发明中的数据存储子系统包括一定数量的配有相对较大存储容量的加固小型化服务器，充分结合海洋核动力平台的可利用空间，以及传感网络子系统的布置方案，就近布置在传感网络子系统的附近。数据存储系统的软件主要基于Hadoop架构，并可以进一步分为两层：稳定可靠的数据存储层和数据访问层，本发明中的数据存储层为HDFS(HadoopDistributed File System，分布式文件系统)、数据访问层为MapReduce。MapReduce是一种编程模型，用于大规模数据集的并行运算。

智能维修分析子系统根据目标设备的实时运行数据建立目标设备的数学模型，并对数学模型进行拟合和调整，智能维修分析子系统还基于拟合和调整后的数学模型进行分析和计算，预测将发生故障的目标设备的位置和状态信息并报警。

本发明中的智能维修分析子系统为建立在数据存储系统的基础上并结合深度学习而建立的大数据分析系统。其可分为以下三个部分：

第一部分为数学模型构建模块，其根据所述目标设备的实时运行数据建立目标设备的数学模型。具体的，数学模型构建模块主要是根据从核动力装置的泵、阀门、管道、热交换器、冷凝器和电气柜等设备实际运行数据来建立目标设备的数学模型。目标设备的实际运行数据主要是大批量设备在长时间运行过程中产生的运行数据，包括并不仅仅限于设备自身的振动、噪声、温度、压力、电压、电流及外界环境的温度、湿度等数据。目标设备的数学模型即以外界环境的温度、湿度以及设备自身的振动、噪声、温度、压力、电压、电流等多变量非线性数学函数。

第二部分为数值预测维修算法模块，其用于对数学模型进行拟合和调整，并基于拟合和调整后的数学模型进行分析和计算，预测将发生故障的目标设备的位置和状态信息。

本发明中的数值预测维修算法模块根据深度学习框架TensorFlow(谷歌基于DistBelief进行研发的第二代人工智能学习系统)对数学模型进行拟合和调整，拟合和调整的过程主要包括确定数学模型中每个变量前面的系数。在系数确定后，便可将目标设备的变量代入数学模型中进行分析和计算，从而来预测该目标设备未来的运行趋势，换而言之，便能预测将发生故障的目标设备的位置和状态信息。

第三部分为数值预测维修报警模块，其用于对将发生故障的目标设备进行报警。

综上所述，本发明的海洋核动力平台核动力装置的数值预测维修系统能够实现海洋核动力平台核动力装置的目标设备故障的提前精准定位，提高了核动力装置的可靠性，可以克服定期检修的盲目性，从而减少了维护时间，减少了维护工作量，增强了海洋核动力平台的经济性。克服了现有的核动力装置的修复性维修和预防性维修的针对性不强、效率低下的缺点。

本发明提供一种利用上述海洋核动力平台核动力装置的数值预测维修系统进行维修的方法，该方法包括以下步骤：

S1.传感网络子系统采集和传输核动力装置的目标设备的实时运行数据；

具体的，传感网络子系统包括多个传感器，传感器测量并传输所述目标设备的实时运行数据。

传感网络子系统还包括多个无线中继器和多个交换机，无线中继器将数据传输传感器传输的所述目标设备的实时运行数据以中继方式发送至交换机。

S2.数据存储子系统分布式存储所述目标设备的实时运行数据，并提供数据访问接口；

S3.智能维修分析子系统根据所述目标设备的实时运行数据建立目标设备数学模型，并对数学模型进行拟合和调整，且还基于拟合和调整后的数学模型进行分析和计算，预测将发生故障的目标设备的位置和状态信息并报警。

具体的，本发中的智能维修分析子系统包括数学模型构建模块、数值预测维修算法模块和数值预测维修报警模块，其中：

数学模型构建模块确定影响每个目标设备可靠运行的关键变量，并基于关键变量建立多变量非线性函数；

关键变量来自于目标设备的实时运行数据，其包括但不限于环境的温度、湿度以及目标设备自身的振动、噪声、温度、压力、电压、电流等。

数值预测维修算法模块根据深度学习框架TensorFlow并结合目标设备的实际运行数据，对多变量非线性函数进行拟合和调整，确定关键变量的影响权重和频率，再基于拟合和调整后的多变量非线性函数进行分析和计算，预测将发生故障的目标设备的位置和状态信息；

数值预测维修报警模块对将发生故障的目标设备进行报警。

本发明不局限于上述实施方式，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，这些改进和润饰也视为本发明的保护范围之内。本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。

Claims (10)

1.一种海洋核动力平台核动力装置的数值预测维修系统，其特征在于，包括：

传感网络子系统，其用于采集和传输核动力装置的目标设备的实时运行数据；

数据存储子系统，其用于分布式存储所述目标设备的实时运行数据；以及

智能维修分析子系统，其根据所述目标设备的实时运行数据建立目标设备的数学模型，并对所述数学模型进行拟合和调整，所述智能维修分析子系统还基于拟合和调整后的数学模型进行分析和计算，预测将发生故障的目标设备的位置和状态信息并报警。

2.如权利要求1所述的海洋核动力平台核动力装置的数值预测维修系统，其特征在于，所述传感网络子系统包括多个传感器，所述传感器用于测量并传输所述目标设备的实时运行数据。

3.如权利要求2所述的海洋核动力平台核动力装置的数值预测维修系统，其特征在于：所述传感网络子系统还包括多个无线中继器和多个交换机，所述无线中继器用于将所述目标设备的实时运行数据以中继方式发送至所述交换机。

4.如权利要求1所述的海洋核动力平台核动力装置的数值预测维修系统，其特征在于：所述数据存储子系统包括数据存储层和数据访问层。

5.如权利要求1所述的海洋核动力平台核动力装置的数值预测维修系统，其特征在于，所述智能维修分析子系统包括：

数学模型构建模块，其根据所述目标设备的实时运行数据建立目标设备的数学模型；

数值预测维修算法模块，其用于对数学模型进行拟合和调整，并基于拟合和调整后数学模型进行分析和计算，预测将发生故障的目标设备的位置和状态信息；以及

数值预测维修报警模块，其用于对将发生故障的目标设备进行报警。

6.如权利要求1所述的海洋核动力平台核动力装置的数值预测维修系统，其特征在于：所述目标设备包括泵、阀门、管道、热交换器、冷凝器和电气柜。

7.一种利用权利要求1所述的海洋核动力平台核动力装置的数值预测维修系统进行维修的方法，其特征在于，该方法包括以下步骤：

S1.传感网络子系统采集和传输核动力装置的目标设备的实时运行数据；

S2.数据存储子系统分布式存储所述目标设备的实时运行数据，并提供数据访问接口；

S3.智能维修分析子系统根据所述目标设备的实时运行数据建立目标设备数学模型，并对数学模型进行拟合和调整，且还基于拟合和调整后的数学模型进行分析和计算，预测将发生故障的目标设备的位置和状态信息并报警。

8.如权利要求7所述的方法，其特征在于：所述传感网络子系统包括多个传感器，所述传感器测量并传输所述目标设备的实时运行数据。

9.如权利要求8所述的方法，其特征在于：所述传感网络子系统还包括多个无线中继器和多个交换机，无线中继器将数据传输传感器传输的所述目标设备的实时运行数据以中继方式发送至所述交换机。

10.如权利要求8所述的方法，其特征在于：所述智能维修分析子系统包括数学模型构建模块、数值预测维修算法模块和数值预测维修报警模块，步骤S3具体包括：

数学模型构建模块确定影响每个目标设备可靠运行的关键变量，并基于关键变量建立多变量非线性函数；

数值预测维修算法模块根据深度学习框架TensorFlow并结合目标设备的实际运行数据，对多变量非线性函数进行拟合和调整，确定关键变量的影响权重和频率，再基于拟合和调整后的多变量非线性函数进行分析和计算，预测将发生故障的目标设备的位置和状态信息；

数值预测维修报警模块对将发生故障的目标设备进行报警。