CN109809149B - 一种工业生产设备故障预警系统及方法 - Google Patents

Abstract

本发明涉及一种工业生产设备故障预警系统及方法，涉及电子数据处理领域。包括：采集模块、故障定位模块、系统管理模块、健康度评估模块和警报模块；所述采集模块用于采集设备数据；所述故障定位模块用于根据所述设备数据判断故障类型；所述健康度评估模块用于根据所述设备数据和所述故障类型得到危害程度信息并发送到所述系统管理模块；所述系统管理模块用于查看所述危害程度信息，所述系统管理模块还用于根据所述危害程度信息发出预警信息；所述警报模块用于根据所述预警信息进行报警。本方案解决了如何对生产过程中的故障进行预警的技术问题，适用于对生产设备的可能产生的故障进行预警。

Description

一种工业生产设备故障预警系统及方法

技术领域

本发明涉及电子数据处理领域，特别涉及一种工业生产设备故障预警系统及方法。

背景技术

目前煤矿主要生产设备运行和故障监测主要靠自动化系统或是视频监控，但是这些监测方式只能在设备已经出现问题时才能检测出来，而在煤炭皮带运输系统中，经常出现经常会出现皮带打滑、撕裂、过载、联轴器断开等故障，故障发生时严重影响煤矿生产。

发明内容

本发明所要解决的技术问题是如何对生产过程中的故障进行预警。

本发明解决上述技术问题的技术方案如下：一种工业生产设备故障预警系统，包括：采集模块、故障定位模块、系统管理模块、健康度评估模块和警报模块；

所述采集模块用于采集设备数据；

所述故障定位模块用于根据所述设备数据判断故障类型；

所述健康度评估模块用于根据所述设备数据和所述故障类型得到危害程度信息并发送到所述系统管理模块；

所述系统管理模块用于查看所述危害程度信息，所述系统管理模块还用于根据所述危害程度信息发出预警信息；

所述警报模块用于根据所述预警信息进行报警。

故障定位模块利用采集模块采集的设备数据判断出故障类型，然后利用健康度评估模块根据故障类型分类对设备数据进行分析得到危害程度信息，然后系统管理模块根据危害程度信息，通过警报模块进行报警。

本发明的有益效果是：通过设置健康度评估模块，对被采集到设备数据的生产设备进行健康度评估得到危害程度信息，系统管理模块根据危害程度信息代表的生产设备的健康度，判断是否需要对该生产设备进行检修，解决了如何对生产过程中的故障进行预警的技术问题。

在上述技术方案的基础上，本发明还可以做如下改进。

进一步，所述健康度评估模块具体用于根据所述设备数据和所述故障类型统计生产设备在多个预设时段内每个所述故障类型出现故障的故障次数和持续时间，每个预设时段设有不同的第一权重值，所述健康度评估模块还用于根据所述故障次数、所述持续时间和故障出现所在时段所对应的所述第一权重值得到危害程度信息并发送到所述系统管理模块。

采用上述进一步方案的有益效果是，时间越接近现在，对生产设备现在的状态反应越真实，因此权重应该更重，为每个时段设置不同的第一权重值能够增加计算出的危害程度信息的准确度。

进一步，还包括危险度评估模块；所述故障定位模块还用于根据所述设备数据和所述故障类型生成故障历史数据；所述危险度评估模块用于分别将多个时段的所述故障历史数据进行归一化得到多个样本，并将每个所述样本进行维度缩减得到降维数据；所述危险度评估模块还用于计算当前的所述降维数据所在时段的前一时段的所述降维数据，记为先前降维数据，并根据当前的所述降维数据和所述先前降维数据得到健康状态信息；所述危险度评估模块还用于根据所述健康状态信息得到强分类器，所述危险度评估模块还用于获取新的所述设备数据得到新的所述降维数据，并根据所述强分类器和新的所述降维数据得到当前时刻设备运行状态并发送到所述系统管理模块，所述系统管理模块还用于查看所述当前时刻设备运行状态。

采用上述进一步方案的有益效果是，通过对设备数据的进一步分析，得到当前时刻设备的运行状态，相比直接记录生产设备的故障产生次数，利用强分类器对根据设备数据得到的降维数据进行分析，能够更加准确的预测生产设备将会出现的故障。

进一步，所述危险度评估模块具体用于分别对每个所述样本进行预处理得到与每个所述样本对应的初始数据；所述危险评估模块还用于根据所有所述样本数据得到数据均值，每个所述样本数据减去所述数据均值并计算出协方差矩阵，计算所述协方差矩阵的特征向量和多个特征值，根据大小关系对每个所述特征值进行排序，并选择最大的特征值作为主成分构造一个特征矩阵；所述危险度评估模块还用于计算得到所述特征矩阵的投影矩阵，将所述投影矩阵左乘以所述协方差矩阵得到降维数据。

进一步，所述危险度评估模块具体用于计算出多个所述健康状态信息，并根据所有所述健康状态信息训练得到弱分类器y_m，再根据下列公式计算出误差∈_m：

其中，m表示所述样本的总个数，n为所述样本的维度，t为时段，N表示自然数集，x_n表示样本集合中的第n个样本，I()表示取交集；

所述危险度评估模块还用于根据下列公式计算出话语权α_m：

其中，ln()为自然对数函数；

所述危险度评估模块还用于根据下列公式计算出第二权重W_m+1：

其中，i为所述样本的序号，Z_m为规范化因子，exp()为以自然常数e为底的指数函数；

所述危险度评估模块还用于根据下列公式计算出规范化因子Z_m：

所述危险度评估模块还用于根据下列公式计算出第一弱分类器Y_M(x)：

其中，sign()为符号函数，M表示样本的维度；

所述危险度评估模块还用于根据每个所述样本和所述第一弱分类器得到至少一个错误样本，并获取新的设备数据得到第一新样本，根据所述第一新样本与每个所述错误样本得到第二弱分类器；所述危险度评估模块还用于根据所述第一弱分类器、所述第二弱分类器和每个所述样本得到至少一个二次错误样本，并获取新的设备数据得到第二新样本，根据所述第二新样本与每个所述二次错误样本得到强分类器。

采用上述进一步方案的有益效果是，通过训练得到弱分类器，再将弱分类器训练成强分类器，经过训练得到的强分类器能够自动对新的设备数据进行分析，从而对生产设备的当前时刻设备运行状态进行评估。

进一步，还包括数据传输模块和移动终端，所述数据传输模块分别与所述系统管理模块和所述移动终端连接，所述系统管理模块用于通过数据传输模块将所述预警信息发送到所述移动终端。

采用上述进一步方案的有益效果是，移动终端通过数据传输模块传输的预警信息，能够远程进行报警，避免了工作人员不在现场错过预警信息的情况。

一种工业生产设备故障预警方法，包括以下步骤：

S1：采集设备数据；

S2：根据所述设备数据判断故障类型；

S3：根据所述设备数据和所述故障类型得到危害程度信息；

S4：查看所述危害程度信息或根据所述故障类型发出预警信息到报警模块；

S5：所述报警模块根据所述预警信息进行报警。

采用上述进一步方案的有益效果是，。

进一步，步骤S3具体包括：

S31：根据所述设备数据判断故障类型；

S32：根据所述设备数据和所述故障类型统计生产设备在多个预设时段内每个所述故障类型出现故障的故障次数和持续时间；

S33：每个预设时段设有不同的第一权重值，根据所述故障次数、所述持续时间和故障出现所在时段所对应的所述第一权重值得到危害程度信息。

采用上述进一步方案的有益效果是，时间越接近现在，对生产设备现在的状态反应越真实，因此权重应该更重，为每个时段设置不同的第一权重值能够增加计算出的危害程度信息的准确度。

进一步，步骤S32具体包括：

S321：根据所述设备数据统计生产设备在多个预设时段内出现故障的故障次数和持续时间；

S322：根据所述设备数据和所述故障类型生成故障历史数据；

S323：分别将多个时段的所述故障历史数据进行归一化得到样本；

S324：将每个所述样本进行维度缩减得到降维数据；

S325：计算当前的所述降维数据所在时段的前一时段的所述降维数据，记为先前降维数据；

S326：据当前的所述降维数据和所述先前降维数据得到健康状态信息；

S327：根据所述健康状态信息得到所述强分类器；

S328：获取新的所述设备数据得到新的所述降维数据；

S329：根据所述强分类器和新的所述降维数据得到当前时刻设备运行状态；

S3210：查看所述当前时刻设备运行状态。

采用上述进一步方案的有益效果是，通过对设备数据的进一步分析，得到当前时刻设备的运行状态，相比直接记录生产设备的故障产生次数，利用强分类器对根据设备数据得到的降维数据进行分析，能够更加准确的预测生产设备将会出现的故障。

进一步，所述步骤S324具体为：

S3241：分别对每个所述样本进行预处理得到多个与每个所述样本对应的初始数据；

S3242：根据所有所述样本数据得到数据均值，每个所述样本数据减去所述数据均值并计算出协方差矩阵；

S3243：根据所有所述样本数据得到数据均值，每个所述样本数据减去所述数据均值并计算出协方差矩阵；

S3244：计算得到所述特征矩阵的投影矩阵，将所述投影矩阵左乘以所述协方差矩阵得到降维数据。

进一步，所述步骤S327具体为：

S3271：计算出多个所述健康状态信息；

S3272：根据所有所述健康状态信息训练得到弱分类器y_m；

S3273：根据下列公式计算出误差∈_m：

其中，m表示所述样本的总个数，n为所述样本的维度，t为时段，N表示自然数集，x_n表示样本集合中的第n个样本，I()表示取交集；

S3274：根据下列公式计算出话语权α_m：

其中，ln()为自然对数函数；

S3275：根据下列公式计算出第二权重W_m+1：

其中，i为所述样本的序号，Z_m为规范化因子，exp()为以自然常数e为底的指数函数，规范化因子Z_m根据下列公式计算得出：

S3276：根据下列公式计算出第一弱分类器Y_M(x)：

其中，S3277ign()为符号函数，M表示样本的维度；

S3278：根据每个所述样本和所述第一弱分类器得到至少一个错误样本，并获取新的设备数据得到第一新样本；

S3279：根据所述第一新样本与每个所述错误样本得到第二弱分类器；

S32710：根据所述第一弱分类器、所述第二弱分类器和每个所述样本得到至少一个二次错误样本，并获取新的设备数据得到第二新样本；

S32711：根据所述第二新样本与每个所述二次错误样本得到强分类器；

采用上述进一步方案的有益效果是，通过训练得到弱分类器，再将弱分类器训练成强分类器，经过训练得到的强分类器能够自动对新的设备数据进行分析，从而对生产设备的当前时刻设备运行状态进行评估。

进一步，所述步骤S4具体为：

S41：查看所述危害程度信息或根据所述故障类型发出预警信息到报警模块和移动终端；

S42：所述报警模块根据所述预警信息进行报警；

S43：所述移动终端根据所述预警信息进行报警。

采用上述进一步方案的有益效果是，移动终端通过数据传输模块传输的预警信息，能够远程进行报警，避免了工作人员不在现场错过预警信息的情况。

附图说明

图1为本发明工业生产设备故障预警系统的实施例的系统结构示意图；

图2为本发明工业生产设备故障预警方法的实施例的流程图。

具体实施方式

以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。

实施例基本如附图1所示：

本实施例中工业生产设备故障预警系统，包括：采集模块1、故障定位模块2、系统管理模块3、健康度评估模块4和警报模块5；

采集模块1用于采集设备数据，本实施例中的设备数据可以包括plc底层的状态标签、设备温度、电机电流、CST功率及运维信息数据库；

故障定位模块2用于根据设备数据判断故障类型，本实施例中的故障类型可以为皮带打偏、皮带跑偏、过载和cst故障四种；

健康度评估模块4用于根据设备数据和故障类型得到危害程度信息并发送到系统管理模块3；

系统管理模块3用于查看危害程度信息，系统管理模块3还用于根据危害程度信息发出预警信息；

警报模块5用于根据预警信息进行报警，本实施例中的警报模块5可以为声光报警器。

故障定位模块2利用采集模块1采集的设备数据判断出故障类型，然后利用健康度评估模块4根据故障类型分类对设备数据进行分析得到危害程度信息，然后系统管理模块3根据危害程度信息，通过警报模块5进行报警。

通过设置健康度评估模块4，对被采集到设备数据的生产设备进行健康度评估得到危害程度信息，系统管理模块3根据危害程度信息代表的生产设备的健康度，判断是否需要对该生产设备进行检修，解决了如何对生产过程中的故障进行预警的技术问题。

可选的，在一些其它实施例中，健康度评估模块4具体用于根据设备数据和故障类型统计生产设备在多个预设时段内每个故障类型出现故障的故障次数和持续时间，本实施例中的预设时段可以为统计该时刻值之前5小时，10小时，24小时和1周这四个时段，每个预设时段设有不同的第一权重值，本实施例中的第一权重值可以为5小时-4，10小时-3，24小时-2和1周-1，健康度评估模块4还用于根据故障次数、持续时间和故障出现所在时段所对应的第一权重值得到危害程度信息并发送到系统管理模块3。

时间越接近现在，对生产设备现在的状态反应越真实，因此权重应该更重，为每个时段设置不同的第一权重值能够增加计算出的危害程度信息的准确度。

可选的，在一些其它实施例中，还可以包括危险度评估模块；故障定位模块2还用于根据设备数据和故障类型生成故障历史数据；危险度评估模块用于分别将多个时段的故障历史数据进行归一化得到多个样本，并将每个样本进行维度缩减得到降维数据；危险度评估模块还用于计算当前的降维数据所在时段的前一时段的降维数据，记为先前降维数据，并根据当前的降维数据和先前降维数据得到健康状态信息；危险度评估模块还用于根据健康状态信息得到强分类器，危险度评估模块还用于获取新的设备数据得到新的降维数据，并根据强分类器和新的降维数据得到当前时刻设备运行状态并发送到系统管理模块3，系统管理模块3还用于查看当前时刻设备运行状态。

通过对设备数据的进一步分析，得到当前时刻设备的运行状态，相比直接记录生产设备的故障产生次数，利用强分类器对根据设备数据得到的降维数据进行分析，能够更加准确的预测生产设备将会出现的故障。

可选的，在一些其它实施例中，危险度评估模块具体用于分别对每个样本进行预处理得到与每个样本对应的初始数据，本实施例中的预处理可以为使用PCA分析方法对每个样本进行维度缩减；

危险评估模块还用于根据所有样本数据得到数据均值，每个样本数据减去数据均值并计算出协方差矩阵，计算协方差矩阵的特征向量和多个特征值，根据大小关系对每个特征值进行排序，并选择最大的特征值作为主成分构造一个特征矩阵；危险度评估模块还用于计算得到特征矩阵的投影矩阵，将投影矩阵左乘以协方差矩阵得到降维数据。

可选的，在一些其它实施例中，危险度评估模块具体用于计算出多个健康状态信息，并根据所有健康状态信息训练得到弱分类器y_m，本实施例中使用adaboost算法，对故障历史数据进行学习训练得到弱分类器y_m，再根据下列公式计算出误差∈_m：

其中，m表示样本的总个数，n为样本的维度，t为时段，N表示自然数集，x_n表示样本集合中的第n个样本，I()表示取交集；

危险度评估模块还用于根据下列公式计算出话语权α_m：

其中，ln()为自然对数函数；

危险度评估模块还用于根据下列公式计算出第二权重W_m+1：

其中，i为样本的序号，Z_m为规范化因子，exp()为以自然常数e为底的指数函数；

危险度评估模块还用于根据下列公式计算出规范化因子Z_m：

危险度评估模块还用于根据下列公式计算出第一弱分类器Y_M(x)：

其中，sign()为符号函数，M表示样本的维度；

危险度评估模块还用于根据每个样本和第一弱分类器得到至少一个错误样本，并获取新的设备数据得到第一新样本，根据第一新样本与每个错误样本得到第二弱分类器；危险度评估模块还用于根据第一弱分类器、第二弱分类器和每个样本得到至少一个二次错误样本，并获取新的设备数据得到第二新样本，根据第二新样本与每个二次错误样本得到强分类器。

通过训练得到弱分类器，再将弱分类器训练成强分类器，经过训练得到的强分类器能够自动对新的设备数据进行分析，从而对生产设备的当前时刻设备运行状态进行评估。

可选的，在一些其它实施例中，还可以包括数据传输模块和移动终端，数据传输模块分别与系统管理模块3和移动终端连接，系统管理模块3用于通过数据传输模块将预警信息发送到移动终端。

移动终端通过数据传输模块传输的预警信息，能够远程进行报警，避免了工作人员不在现场错过预警信息的情况。

可选的，如图2所示，在一些其它实施例中，一种工业生产设备故障预警方法，包括以下步骤：

S1：采集设备数据；

S2：根据设备数据判断故障类型；

S3：根据设备数据和故障类型得到危害程度信息；

S4：查看危害程度信息或根据故障类型发出预警信息到报警模块；

S5：报警模块根据预警信息进行报警。

可选的，在一些其它实施例中，步骤S3具体包括：

S31：根据设备数据判断故障类型；

S32：根据设备数据和故障类型统计生产设备在多个预设时段内每个故障类型出现故障的故障次数和持续时间；

S33：每个预设时段设有不同的第一权重值，根据故障次数、持续时间和故障出现所在时段所对应的第一权重值得到危害程度信息。

时间越接近现在，对生产设备现在的状态反应越真实，因此权重应该更重，为每个时段设置不同的第一权重值能够增加计算出的危害程度信息的准确度。

可选的，在一些其它实施例中，步骤S32具体包括：

S321：根据设备数据统计生产设备在多个预设时段内出现故障的故障次数和持续时间；

S322：根据设备数据和故障类型生成故障历史数据；

S323：分别将多个时段的故障历史数据进行归一化得到样本；

S324：将每个样本进行维度缩减得到降维数据；

S325：计算当前的降维数据所在时段的前一时段的降维数据，记为先前降维数据；

S326：据当前的降维数据和先前降维数据得到健康状态信息；

S327：根据健康状态信息得到强分类器；

S328：获取新的设备数据得到新的降维数据；

S329：根据强分类器和新的降维数据得到当前时刻设备运行状态；

S3210：查看当前时刻设备运行状态。

通过对设备数据的进一步分析，得到当前时刻设备的运行状态，相比直接记录生产设备的故障产生次数，利用强分类器对根据设备数据得到的降维数据进行分析，能够更加准确的预测生产设备将会出现的故障。

可选的，在一些其它实施例中，步骤S324具体为：

S3241：分别对每个样本进行预处理得到多个与每个样本对应的初始数据；

S3242：根据所有样本数据得到数据均值，每个样本数据减去数据均值并计算出协方差矩阵；

S3243：根据所有样本数据得到数据均值，每个样本数据减去数据均值并计算出协方差矩阵；

S3244：计算得到特征矩阵的投影矩阵，将投影矩阵左乘以协方差矩阵得到降维数据。

可选的，在一些其它实施例中，步骤S327具体为：

S3271：计算出多个健康状态信息；

S3272：根据所有健康状态信息训练得到弱分类器y_m；

S3273：根据下列公式计算出误差∈_m：

其中，m表示样本的总个数，n为样本的维度，t为时段，N表示自然数集，x_n表示样本集合中的第n个样本，I()表示取交集；

S3274：根据下列公式计算出话语权α_m：

其中，ln()为自然对数函数；

S3275：根据下列公式计算出第二权重W_m+1：

其中，i为样本的序号，Z_m为规范化因子，exp()为以自然常数e为底的指数函数，规范化因子Z_m根据下列公式计算得出：

S3276：根据下列公式计算出第一弱分类器Y_M(x)：

其中，S3277ign()为符号函数，M表示样本的维度；

S3278：根据每个样本和第一弱分类器得到至少一个错误样本，并获取新的设备数据得到第一新样本；

S3279：根据第一新样本与每个错误样本得到第二弱分类器；

S32710：根据第一弱分类器、第二弱分类器和每个样本得到至少一个二次错误样本，并获取新的设备数据得到第二新样本；

S32711：根据第二新样本与每个二次错误样本得到强分类器；

通过训练得到弱分类器，再将弱分类器训练成强分类器，经过训练得到的强分类器能够自动对新的设备数据进行分析，从而对生产设备的当前时刻设备运行状态进行评估。

可选的，在一些其它实施例中，步骤S4具体为：

S41：查看危害程度信息或根据故障类型发出预警信息到报警模块和移动终端；

S42：报警模块根据预警信息进行报警；

S43：移动终端根据预警信息进行报警。

移动终端通过数据传输模块传输的预警信息，能够远程进行报警，避免了工作人员不在现场错过预警信息的情况。

以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

读者应理解，在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (8)

1.一种工业生产设备故障预警系统，其特征在于，包括：采集模块、故障定位模块、系统管理模块、健康度评估模块和警报模块；

所述采集模块用于采集设备数据；

所述故障定位模块用于根据所述设备数据判断故障类型；

所述健康度评估模块用于根据所述设备数据和所述故障类型得到危害程度信息并发送到所述系统管理模块；

所述系统管理模块用于查看所述危害程度信息，所述系统管理模块还用于根据所述危害程度信息发出预警信息；

所述警报模块用于根据所述预警信息进行报警；

所述健康度评估模块还用于根据所述设备数据和所述故障类型统计生产设备在多个预设时段内每个所述故障类型出现故障的故障次数和持续时间，每个预设时段设有不同的第一权重值，所述健康度评估模块还用于根据所述故障次数、所述持续时间和故障出现所在时段所对应的所述第一权重值得到危害程度信息并发送到所述系统管理模块。

2.根据权利要求1所述的工业生产设备故障预警系统，其特征在于：还包括危险度评估模块；所述故障定位模块还用于根据所述设备数据和所述故障类型生成故障历史数据；所述危险度评估模块用于分别将多个时段的所述故障历史数据进行归一化得到多个样本，并将每个所述样本进行维度缩减得到降维数据；所述危险度评估模块还用于计算当前的所述降维数据所在时段的前一时段的所述降维数据，记为先前降维数据，并根据当前的所述降维数据和所述先前降维数据得到健康状态信息；所述危险度评估模块还用于根据所述健康状态信息得到强分类器，所述危险度评估模块还用于获取新的所述设备数据得到新的所述降维数据，并根据所述强分类器和新的所述降维数据得到当前时刻设备运行状态并发送到所述系统管理模块，所述系统管理模块还用于查看所述当前时刻设备运行状态。

3.根据权利要求2所述的工业生产设备故障预警系统，其特征在于：所述危险度评估模块具体用于分别对每个所述样本进行预处理得到与每个所述样本对应的初始数据；所述危险评估模块还用于根据所有所述样本数据得到数据均值，每个所述样本数据减去所述数据均值并计算出协方差矩阵，计算所述协方差矩阵的特征向量和多个特征值，根据大小关系对每个所述特征值进行排序，并选择最大的特征值作为主成分构造一个特征矩阵；所述危险度评估模块还用于计算得到所述特征矩阵的投影矩阵，将所述投影矩阵左乘以所述协方差矩阵得到降维数据。

4.根据权利要求3所述的工业生产设备故障预警系统，其特征在于：所述危险度评估模块具体用于计算出多个所述健康状态信息，并根据所有所述健康状态信息训练得到弱分类器y_m，再根据下列公式计算出误差∈_m：

其中，m表示所述样本的总个数，n为所述样本的维度，t为时段，N表示自然数集，x_n表示样本集合中的第n个样本，I()表示取交集；

所述危险度评估模块还用于根据下列公式计算出话语权α_m：

其中，ln()为自然对数函数；

所述危险度评估模块还用于根据下列公式计算出第二权重W_m+1：

其中，i为所述样本的序号，Z_m为规范化因子，exp()为以自然常数e为底的指数函数；

所述危险度评估模块还用于根据下列公式计算出规范化因子Z_m：

所述危险度评估模块还用于根据下列公式计算出第一弱分类器Y_M(x)：

其中，sign()为符号函数，M表示样本的维度；

所述危险度评估模块还用于根据每个所述样本和所述第一弱分类器得到至少一个错误样本，并获取新的设备数据得到第一新样本，根据所述第一新样本与每个所述错误样本得到第二弱分类器；所述危险度评估模块还用于根据所述第一弱分类器、所述第二弱分类器和每个所述样本得到至少一个二次错误样本，并获取新的设备数据得到第二新样本，根据所述第二新样本与每个所述二次错误样本得到强分类器。

5.根据权利要求1所述的工业生产设备故障预警系统，其特征在于：还包括数据传输模块和移动终端，所述数据传输模块分别与所述系统管理模块和所述移动终端连接，所述系统管理模块用于通过数据传输模块将所述预警信息发送到所述移动终端。

6.一种工业生产设备故障预警方法，其特征在于：包括以下步骤：

S1：采集设备数据；

S2：根据所述设备数据判断故障类型；

S3：根据所述设备数据和所述故障类型得到危害程度信息；

S4：查看所述危害程度信息或根据所述危害程度信息发出预警信息到报警模块；

S5：所述报警模块根据所述预警信息进行报警；

所述步骤S3还包括：

S31：根据所述设备数据和所述故障类型统计生产设备在多个预设时段内每个所述故障类型出现故障的故障次数和持续时间；

S32：每个预设时段设有不同的第一权重值，根据所述故障次数、所述持续时间和故障出现所在时段所对应的所述第一权重值得到危害程度信息。

7.根据权利要求6所述的工业生产设备故障预警方法，其特征在于：步骤S32具体包括：

S321：根据所述设备数据统计生产设备在多个预设时段内出现故障的故障次数和持续时间；

S322：根据所述设备数据和所述故障类型生成故障历史数据；

S323：分别将多个时段的所述故障历史数据进行归一化得到样本；

S324：将每个所述样本进行维度缩减得到降维数据；

S325：计算当前的所述降维数据所在时段的前一时段的所述降维数据，记为先前降维数据；

S326：据当前的所述降维数据和所述先前降维数据得到健康状态信息；

S327：根据所述健康状态信息得到所述强分类器；

S328：获取新的所述设备数据得到新的所述降维数据；

S329：根据所述强分类器和新的所述降维数据得到当前时刻设备运行状态；

S3210：查看所述当前时刻设备运行状态。

8.根据权利要求7所述的工业生产设备故障预警方法，其特征在于：所述步骤S324具体为：

S3241：分别对每个所述样本进行预处理得到多个与每个所述样本对应的初始数据；

S3242：根据所有所述样本数据得到数据均值，每个所述样本数据减去所述数据均值并计算出协方差矩阵；

S3243：计算所述协方差矩阵的特征向量和多个特征值，根据大小关系对每个所述特征值进行排序，并选择最大的特征值作为主成分构造一个特征矩阵；

S3244：计算得到所述特征矩阵的投影矩阵，将所述投影矩阵左乘以所述协方差矩阵得到降维数据。

Images