CN109978191A - 工业装备系统的系统状态的评估方法以及评估装置 - Google Patents
工业装备系统的系统状态的评估方法以及评估装置 Download PDFInfo
- Publication number
- CN109978191A CN109978191A CN201910251862.4A CN201910251862A CN109978191A CN 109978191 A CN109978191 A CN 109978191A CN 201910251862 A CN201910251862 A CN 201910251862A CN 109978191 A CN109978191 A CN 109978191A
- Authority
- CN
- China
- Prior art keywords
- data
- module
- parameter set
- assessment
- industrial equipment
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000004927 fusion Effects 0.000 claims abstract description 104
- 238000012549 training Methods 0.000 claims abstract description 76
- 238000012545 processing Methods 0.000 claims abstract description 19
- 238000007781 pre-processing Methods 0.000 claims description 29
- 238000011156 evaluation Methods 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000001228 spectrum Methods 0.000 claims description 12
- 238000005201 scrubbing Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 7
- 238000013501 data transformation Methods 0.000 claims description 7
- 230000010354 integration Effects 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 7
- 239000000155 melt Substances 0.000 claims 1
- 238000002844 melting Methods 0.000 claims 1
- 230000008018 melting Effects 0.000 claims 1
- 238000012544 monitoring process Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 239000003245 coal Substances 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000013210 evaluation model Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000007726 management method 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
- 241001269238 Data Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000000547 structure data Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种工业装备系统的系统状态的评估方法以及评估装置,所述评估方法包括如下步骤:获取所述工业装备系统的多源异构的第一历史运行数据,对所述第一历史运行数据进行预处理,以得到第一目标参数集以及第一特征参数集;对所述第一特征参数集进行融合特征处理,以得到第一融合特征参数集;利用所述第一融合特征参数集以及所述第一目标参数集对评估模型进行训练,所述评估模型用于对所述系统状态进行评估;利用训练后的评估模型评估系统状态。本发明技术方案能够有效提高评估结果的稳定性和可靠性。
Description
技术领域
本发明涉及智能监测分析领域,尤其涉及一种工业装备系统的系统状态的评估方法以及评估装置。
背景技术
为了保证工业装备系统(如风力发电机、磨煤机、机床、发电机组、起重机等)稳定可靠的运行,通常需要对工业装备系统的系统状态(如发电性能、磨损状况、健康状态、故障与异常状态等)进行及时评估,从而为工业装备系统的调整和维修提供依据。
现有技术中在对工业装备系统的系统状态进行评估时,通常需要参考工业装备系统在历史运行过程中产生的运行控制数据、监测类数据等因素。但是,运行控制数据或者监测类数据往往都会涉及多种数据源,不同数据源的数据结构各异,数据采集的尺度和跨度也不尽相同,导致对采集到的数据的综合利用程度较低,降低了系统状态评估的准确性。另外,由于系统运行的状态随着环境的变化而处在不断变化之中,历史运行过程中产生的运行控制数据、监测类数据的指导往往具有滞后性,并不能实时准确的适应不断变化的系统状态,限制了系统状态评估的精度和可靠性。
发明内容
本发明要解决的技术问题是为了克服现有技术中不能准确可靠的评估系统状态的缺陷,提供一种工业装备系统的系统状态的评估方法以及评估装置。
本发明是通过下述技术方案来解决上述技术问题:
本发明提供了一种工业装备系统的系统状态的评估方法,所述评估方法包括:
获取所述工业装备系统的多源异构的第一历史运行数据,所述第一历史运行数据包括多个第一历史系统状态以及与每个所述第一历史系统状态对应的第一历史运行参数;
对所述第一历史运行数据进行预处理,以得到第一目标参数集以及第一特征参数集,其中,所述第一目标参数集包括预处理后的所述第一历史系统状态,所述第一特征参数集包括预处理后的所述第一历史运行参数;
对所述第一特征参数集进行融合特征处理,以得到第一融合特征参数集;
利用所述第一融合特征参数集以及所述第一目标参数集对评估模型进行训练,所述评估模型用于对所述系统状态进行评估;
获取所述工业装备系统的当前运行参数;
对所述当前运行参数进行所述预处理,以得到当前特征参数集;
对所述当前特征参数集进行融合特征处理,以得到当前融合特征参数集;
将所述当前融合特征参数集输入训练后的所述评估模型,以得到所述工业装备系统的所述当前系统状态。
较佳地,所述第一融合特征参数集和/或所述当前融合特征参数集的数据结构为一维数据、二维矩阵、图像数据或频谱数据的一种或多种。
较佳地,所述预处理包括数据清理、数据集成、数据变换、数据规约的一种或多种。
较佳地,所述获取所述工业装备系统的多源异构的第一历史运行数据的步骤包括:
接收用户的训练数据配置要求,所述训练数据配置要求包括系统状态,所述训练数据配置要求还包括数据用途、数据所属的时间段、样本时间间隔、数据源列表、参数列表的一种或多种;
根据所述训练数据配置要求获取所述第一历史运行数据。
较佳地,所述获取所述工业装备系统的当前运行参数的步骤包括:
接收用户的评估数据配置要求,所述评估数据配置要求包括数据用途、数据所属的时间段、样本时间间隔、数据源列表、参数列表的一种或多种;
根据所述评估数据配置要求获取所述当前运行参数。
较佳地,所述评估方法还包括:
获取所述工业装备系统的多源异构的第二历史运行数据,所述第二历史运行数据包括多个第二历史系统状态以及与每个所述第二历史系统状态对应的第二历史运行参数;其中,所述第二历史运行数据的时间区间不同于所述第一历史运行数据的时间区间;
对所述第二历史运行数据进行预处理,以得到第二目标参数集以及第二特征参数集,其中,所述第二目标参数集包括预处理后的所述第二历史系统状态,所述第二特征参数集包括预处理后的所述第二历史运行参数;
对所述第二特征参数集进行融合特征处理,以得到第二融合特征参数集;
利用所述第二融合特征参数集以及所述第二目标参数集对所述评估模型进行再次训练,以得到更新后的所述评估模型;
利用更新后的所述评估模型对所述工业装备系统的系统状态进行评估。
较佳地,所述第二融合特征参数集的数据结构为一维数据、二维矩阵、图像数据或频谱数据的一种或多种。
本发明还提供了一种工业装备系统的系统状态的评估装置,所述评估装置包括:
数据访问模块,用于获取所述工业装备系统的多源异构的第一历史运行数据,所述第一历史运行数据包括多个第一历史系统状态以及与每个所述第一历史系统状态对应的第一历史运行参数;
所述数据访问模块还用于调用数据预处理模块,所述数据预处理模块用于对所述第一历史运行数据进行预处理,以得到第一目标参数集以及第一特征参数集,其中,所述第一目标参数集包括预处理后的所述第一历史系统状态,所述第一特征参数集包括预处理后的所述第一历史运行参数;
所述数据预处理模块还用于调用历史融合特征生成模块,所述历史融合特征生成模块用于对所述第一特征参数集进行融合特征处理,以得到第一融合特征参数集;
所述历史融合特征生成模块还用于调用训练模块,所述训练模块用于利用所述第一融合特征参数集以及所述第一目标参数集对评估模型进行训练,所述评估模型用于对所述系统状态进行评估;
所述训练模块还用于调用所述数据访问模块,所述数据访问模块还用于获取所述工业装备系统的当前运行参数;
所述数据访问模块还用于调用所述数据预处理模块,所述数据预处理模块还用于对所述当前运行参数进行所述预处理,以得到当前特征参数集;
所述数据预处理模块还用于调用当前融合特征生成模块,所述当前融合特征生成模块用于对所述当前特征参数集进行融合特征处理,以得到当前融合特征参数集;
所述当前融合特征生成模块还用于调用评估模块,所述评估模块用于将所述当前融合特征参数集输入训练后的所述评估模型,以得到所述工业装备系统的所述当前系统状态。
较佳地,所述第一融合特征参数集和/或所述当前融合特征参数集的数据结构为一维数据、二维矩阵、图像数据或频谱数据的一种或多种。
较佳地,所述预处理包括数据清理、数据集成、数据变换、数据规约的一种或多种。
较佳地,所述评估装置还包括训练数据配置模块以及数据获取模块;
所述训练数据配置模块用于接收用户的训练数据配置要求,所述训练数据配置要求包括系统状态,所述训练数据配置要求还包括数据用途、数据所属的时间段、样本时间间隔、数据源列表、参数列表的一种或多种;
所述训练数据配置模块还用于调用所述数据获取模块,所述数据获取模块用于根据所述训练数据配置要求获取所述第一历史运行数据。
较佳地,所述评估装置还包括评估数据配置模块;
所述评估数据配置模块用于接收用户的评估数据配置要求,所述评估数据配置要求包括数据用途、数据所属的时间段、样本时间间隔、数据源列表、参数列表的一种或多种;
所述评估数据配置模块还用于调用所述数据获取模块,所述数据获取模块还用于根据所述评估数据配置要求获取所述当前运行参数。
较佳地,所述数据访问模块还用于获取所述工业装备系统的多源异构的第二历史运行数据,所述第二历史运行数据包括多个第二历史系统状态以及与每个所述第二历史系统状态对应的第二历史运行参数;其中,所述第二历史运行数据的时间区间不同于所述第一历史运行数据的时间区间;
所述数据预处理模块还用于对所述第二历史运行数据进行预处理,以得到第二目标参数集以及第二特征参数集,其中,所述第二目标参数集包括预处理后的所述第二历史系统状态,所述第二特征参数集包括预处理后的所述第二历史运行参数;
所述数据预处理模块还用于调用所述历史融合特征生成模块,所述历史融合特征生成模块还用于对所述第二特征参数集进行融合特征处理,以得到第二融合特征参数集;
所述历史融合特征生成模块还用于调用所述训练模块,所述训练模块还用于利用所述第二融合特征参数集以及所述第二目标参数集对所述评估模型进行再次训练,以得到更新后的所述评估模型;
所述训练模块还用于调用所述评估模块,所述评估模块还用于利用更新后的所述评估模型对所述工业装备系统的系统状态进行评估。
较佳地,所述第二融合特征参数集的数据结构为一维数据、二维矩阵、图像数据或频谱数据的一种或多种。
在符合本领域常识的基础上,上述各优选条件,可任意组合,即得本发明各较佳实例。
本发明的积极进步效果在于:本发明提供的工业装备系统的系统状态的评估方法以及评估装置能够同时融合多源异构数据,实现了对系统数据的充分利用,使得在评估系统状态时综合考虑多种因素的影响,有效提高了评估结果的稳定性和可靠性。另外,评估模型的训练与实时评估应用可以同时运行,并可以根据系统变化及时更新模型,提高了评估结果的准确性和实时性。
附图说明
图1是本发明实施例1的工业装备系统的系统状态的评估方法的流程图。
图2是本发明实施例1的工业装备系统的系统状态的评估方法的一种具体实施方式的流程图。
图3是本发明实施例1的训练数据配置要求示意图。
图4是本发明实施例1的评估数据配置要求示意图。
图5是本发明实施例1的样本组数据结构示意图。
图6是本发明实施例1的特征组数据结构示意图。
图7是本发明实施例2的工业装备系统的系统状态的评估方法的流程图。
图8是本发明实施例3的工业装备系统的系统状态的评估装置的结构框图。
具体实施方式
下面通过实施例的方式进一步说明本发明,但并不因此将本发明限制在所述的实施例范围之中。
实施例1
本发明提供了一种工业装备系统的系统状态的评估方法,如图1所述,所述评估方法可以包括如下步骤:
步骤S10:获取所述工业装备系统的多源异构的第一历史运行数据,所述第一历史运行数据包括多个第一历史系统状态以及与每个所述第一历史系统状态对应的第一历史运行参数;
步骤S11:对所述第一历史运行数据进行预处理,以得到第一目标参数集以及第一特征参数集,其中,所述第一目标参数集包括预处理后的所述第一历史系统状态,所述第一特征参数集包括预处理后的所述第一历史运行参数;
步骤S12:对所述第一特征参数集进行融合特征处理,以得到第一融合特征参数集;
步骤S13:利用所述第一融合特征参数集以及所述第一目标参数集对评估模型进行训练,所述评估模型用于对所述系统状态进行评估;
步骤S14:获取所述工业装备系统的当前运行参数;
步骤S15:对所述当前运行参数进行所述预处理,以得到当前特征参数集;
步骤S16:对所述当前特征参数集进行融合特征处理,以得到当前融合特征参数集;
步骤S17:将所述当前融合特征参数集输入训练后的所述评估模型,以得到所述工业装备系统的所述当前系统状态。
本实施例中的工业装备系统包括但不限于风力发电机、磨煤机、机床、发电机组、起重机等。所述工业装配系统可以包括运行控制子系统、监测子系统等以保障整个工业装配系统的稳定可靠运行。所述运行控制子系统以及监测子系统可以配备有独立的数据库,以存储各自的历史运行数据,所述历史运行数据可以包括机器自身的运行数据、机器关键部件的状态数据或相关子系统的状态数据、系统运维日志等多源异构类型数据。例如,对于风力发装备系统来说,其可以包括SCADA(数据采集与监视控制)系统和CMS(内容管理)系统,所述SCADA系统用于采集风机的控制参数(例如:变桨、偏航、风况、温度等数据),此类数据的记录频次一般为秒级或毫秒级,数据被采集后可以被存储于关系数据库;所述CMS系统可以用于监测系统的关键部件(如传动链)的运行状态,按照预设的时间间隔采集与所述运行状态相关的高频数据,此高频数据可以包括快变量数据(例如:轴承振动频率、风机转速等)以及缓变量数据(例如:有功功率、无功功率等),数据采集后可以存储于专有数据库或者其他通用的数据文件中。其中,所述CMS系统需要采集的数据的数量明显大于SCADA系统采集的数据的数量,因此,前述的两个系统对应的存储数据的数据库的容量也有很大差别。
另外,为了更加准确的训练评估模型,本实施例中的历史运行数据除了来自SCADA(数据采集与监视控制)系统和CMS(内容管理)系统采集的数据外,还可以包括对系统运行状态的报警或故障记录数据,此类数据多以日志或单独数据表形式存储。
优选地,所述预处理包括但不限于数据清理、数据集成、数据变换以及数据规约。
具体地,所述数据清理是指,通过填写缺失的值、光滑噪声数据、识别或删除离群点并解决不一致性来“清理”数据。通过数据清理可以使数据格式标准化,清除异常数据,纠正错误数据以及清除重复数据。
数据集成是指,把多个数据源中的数据结合起来并统一存储,从而简化数据存储空间。
数据变换是指,通过平滑聚集、数据概化或者规范化等方式将数据转换成适用于数据计算的形式,提高后续数据计算的速度。
数据归约是指将大量数据归约为数据集,不但能保持原始数据的完整性,还能够提高数据存放的秩序性。
本实施例中,由于研发设计人员需要利用所述数据源中的数据实现不同的目的(例如:利用数据来进行模型训练或者利用数据来进行系统状态评估),则在从数据源中读取数据之前,需要按照不同的目的来选择性的读取数据,也可以说是为读取数据设置筛选条件(即数据配置要求)。
所述数据配置要求可以包括训练数据配置要求以及评估数据配置要求。
请同时参考图2以及图3,具体地,所述步骤S10可以通过如下具体步骤实施:
步骤S101:接收用户的训练数据配置要求,所述训练数据配置要求包括系统状态,所述训练数据配置要求还包括数据用途、数据所属的时间段、样本时间间隔、数据源列表、参数列表的一种或多种;
步骤S102:根据所述训练数据配置要求获取所述第一历史运行数据。
请同时参考图2以及图4,具体地,所述步骤S14可以通过如下具体步骤实施:
步骤S141:接收用户的评估数据配置要求,所述评估数据配置要求包括数据用途、数据所属的时间段、样本时间间隔、数据源列表、参数列表的一种或多种;
步骤S142:根据所述评估数据配置要求获取所述当前运行参数。
本领域技术人员可以理解的是,若从数据源中读取的数据需要被用于训练评估模型,则设定数据用途为“训练”,选择训练数据的时间段为时间A至时间B,样本的时间间隔为T,数据源指定为SCADA系统的数据、CMS系统的数据以及系统运维的状态日志等,并从数据源中读取多个历史系统状态以及每个所述历史系统状态对应的历史运行参数。
若从数据源中读取的数据需要被用于评估系统状态,则数据配置时只需要获取系统的当前运行参数即可。也就是说,评估所述系统状态时的数据配置要求与训练所述评估模型时的数据配置要求类似,但是评估所述系统状态时的数据配置要求不包括对历史系统状态的配置这一项。
本实施例中,数据源中的原始数据经过预处理以后,得到的数据可以被称为样本数据,样本数据构成了前述的第一目标参数集以及第一特征参数集,其中,所述第一目标参数集可以包括预处理后的第一历史系统状态,所述第一特征参数集可以包括预处理后的第一历史运行参数。
进一步地,所述样本数据可以包括多组,每一组内又可以包括多条样本。
请参考图5,每一组样本数据都具有唯一样本组标识码以记录数据源的类型和用途,样本组内的每一条样本由时间码和相应的数据块构成,每个时间码可以为时间区间或具体时刻值。其中,所述样本组标识码可以是数字序列、字母序列或者数字字母序列的任意组合,本发明实施例对此不作限制。
进一步地,可以利用时域特征计算、包络分析、傅里叶变换、短时傅里叶变换、小波分析等特征提取方法对前述的样本数据进行数据特征提取,以生成融合特征参数集。
具体地,根据采用的特征提取手段不同,对所述第一特征参数集进行融合特征处理后得到的第一融合特征参数集可以包括不同结构(如一维数组、二维矩阵、图像数据或者频谱数据等)的特征组,也可以说,所有特征组构成了前述的第一融合特征参数集。
进一步地,请参考图6,所述特征组具有唯一特征组标识码以记录特征类型和用途。特征组内的每一条特征由时间码和相应的特征块构成。各个特征组中对应的时间码列表与样本组中的时间码列表保持一致。
本实施例中,所述评估模型可以是机器学习模型或者深度学习模型。可以理解的是,用于训练评估模型的数据越多,训练的迭代次数越多,则训练完成的评估模型越精确,相应的也会产生较高成本。本领域技术人员可以根据所述评估模型的具体应用场合而适应性的选取所需的训练数据的数据量以及迭代计算次数,本发明实施例对此不作限制。
进一步地,还可以通过有线或无线的方式将评估得到的当前系统状态发送至预先绑定的用户终端,所述用户终端可以为任意型号的PC端(个人电脑)或移动终端(例如:手机,ipad(平板电脑))等,以方便运维人员将评估得到的当前系统状态与实际系统状态进行对比分析。
本实施例提供的工业装备系统的系统状态的评估方法能够将系统产生的多源异构数据进行融合处理,形成了标准化的训练数据集,并以此为基础建立了支持多类特征输入的综合评估模型,最大限度的利用了系统运行信息,并综合考虑了各类因素对系统状态的影响,有利于提高系统状态评估的准确性和可靠性。另外,在自动获取相应的系统运行数据后,通过应用多种特征提取方法生成多种类型的特征参数,可以确保模型对特征参数的快速精确辨识,从而进一步提高了系统状态评估的精确性。
实施例2
本实施例提供了一种工业装备系统的系统状态的评估方法,如图7所示,本实施例中的评估方法是在实施例1基础上的进一步改进。
具体地,实施例2除了包括实施例1中所述的全部内容外,实施例2中所述评估方法还可以包括如下步骤:
步骤S20:获取所述工业装备系统的多源异构的第二历史运行数据,所述第二历史运行数据包括多个第二历史系统状态以及与每个所述第二历史系统状态对应的第二历史运行参数;其中,所述第二历史运行数据的时间区间不同于所述第一历史运行数据的时间区间;
步骤S21:对所述第二历史运行数据进行预处理,以得到第二目标参数集以及第二特征参数集,其中,所述第二目标参数集包括预处理后的所述第二历史系统状态,所述第二特征参数集包括预处理后的所述第二历史运行参数;
步骤S22:对所述第二特征参数集进行融合特征处理,以得到第二融合特征参数集;
步骤S23:利用所述第二融合特征参数集以及所述第二目标参数集对所述评估模型进行再次训练,以得到更新后的所述评估模型;
本领域技术人员可以理解的是,在评估模型更新之后,便可以利用更新后的所述评估模型对所述工业装备系统的系统状态进行评估,评估得到的状态可以用来与系统实际的状态进行对比分析。
本实施例中,所述第二历史运行数据的时间区间不同于所述第一历史运行数据的时间区间可以包括如下情况:
第一种情况,所述第二历史运行数据的时间区间与所述第一历史运行数据的时间区间不存在交叉。例如:所述第二历史运行数据的时间区间为4月份-6月份,而所述第一历史运行数据的时间区间为1月份-3月份。
第二种情况,所述第二历史运行数据的时间区间与所述第一历史运行数据的时间区间存在交叉。例如:所述第二历史运行数据的时间区间为3月份-6月份,而所述第一历史运行数据的时间区间为2月份-5月份。
优选地,所述第二融合特征参数集的数据结构可以包括但不限于一维数据、二维矩阵、图像数据或频谱数据。
在本实施例中,所述评估模型的训练与评估应用可以相对独立的同时运行,并可以根据具体地应用场合的需求而适应性的选择合适的第二历史运行数据来更新评估模型,提高了评估模型对系统变化的适应性,进而提高了评估结果的准确性和实时性。
实施例3
本实施例提供了一种工业装备系统的系统状态的评估装置,如图8所示,所述评估装置1可以包括:
数据访问模块10,用于获取所述工业装备系统的多源异构的第一历史运行数据,所述第一历史运行数据包括多个第一历史系统状态以及与每个所述第一历史系统状态对应的第一历史运行参数;
所述数据访问模块10还用于调用数据预处理模块11,所述数据预处理模块11用于对所述第一历史运行数据进行预处理,以得到第一目标参数集以及第一特征参数集,其中,所述第一目标参数集包括预处理后的所述第一历史系统状态,所述第一特征参数集包括预处理后的所述第一历史运行参数;
所述数据预处理模块11还用于调用历史融合特征生成模块12,所述历史融合特征生成模块12用于对所述第一特征参数集进行融合特征处理,以得到第一融合特征参数集;
所述历史融合特征生成模块12还用于调用训练模块13,所述训练模块13用于利用所述第一融合特征参数集以及所述第一目标参数集对评估模型进行训练,所述评估模型用于对所述系统状态进行评估;
所述训练模块13还用于调用所述数据访问模块10,所述数据访问模块10还用于获取所述工业装备系统的当前运行参数;
所述数据访问模块10还用于调用所述数据预处理模块11,所述数据预处理模块11还用于对所述当前运行参数进行所述预处理,以得到当前特征参数集;
所述数据预处理模块11还用于调用当前融合特征生成模块14,所述当前融合特征生成模块14用于对所述当前特征参数集进行融合特征处理,以得到当前融合特征参数集;
所述当前融合特征生成模块14还用于调用评估模块15,所述评估模块15用于将所述当前融合特征参数集输入训练后的所述评估模型,以得到所述工业装备系统的所述当前系统状态。
较佳地,所述第一融合特征参数集和/或所述当前融合特征参数集的数据结构为一维数据、二维矩阵、图像数据或频谱数据的一种或多种。
较佳地,所述预处理包括但不限于数据清理、数据集成、数据变换以及数据规约。
较佳地,所述评估装置1还包括训练数据配置模块101以及数据获取模块102;
所述训练数据配置模块101用于接收用户的训练数据配置要求,所述训练数据配置要求包括系统状态,所述训练数据配置要求还包括数据用途、数据所属的时间段、样本时间间隔、数据源列表、参数列表的一种或多种;
所述训练数据配置模块101还用于调用所述数据获取模块102,所述数据获取模块102用于根据所述训练数据配置要求获取所述第一历史运行数据。
较佳地,所述评估装置1还包括评估数据配置模块103;
所述评估数据配置模块103用于接收用户的评估数据配置要求,所述评估数据配置要求包括数据用途、数据所属的时间段、样本时间间隔、数据源列表、参数列表的一种或多种;
所述评估数据配置模块103还用于调用所述数据获取模块102,所述数据获取模块102还用于根据所述评估数据配置要求获取所述当前运行参数。
进一步地,所述评估装置1还可以包括数据发送模块16,所述数据发送模块16用于通过有线或无线的方式将评估得到的当前系统状态发送至预先绑定的用户终端。
具体地,所述用户终端可以为任意型号的PC端(个人电脑)或移动终端(例如:手机,ipad(平板电脑))等,以方便运维人员及时了解系统状态。
关于实施例3中的工业装备系统的系统状态的评估装置的工作原理、工作方式的更多内容,可以参照实施例1中的工业装备系统的系统状态的评估方法的相关描述,这里不再赘述。
本实施例提供的工业装备系统的系统状态的评估装置在运行时,能够将系统产生的多源异构数据进行融合处理,形成了标准化的训练数据集,并以此为基础建立了支持多类特征输入的综合评估模型,最大限度的利用了系统运行信息,并综合考虑了各类因素对系统状态的影响,有利于提高系统状态评估的准确性和可靠性。另外,在自动获取相应的系统运行数据后,通过应用多种特征提取方法生成多种类型的特征参数,可以确保模型对特征参数的快速精确辨识,从而进一步提高了系统状态评估的精确性。
实施例4
本实施例提供了一种工业装备系统的系统状态的评估装置,本实施例中的评估装置是在实施例3基础上的进一步改进。
具体地,所述数据访问模块10还用于获取所述工业装备系统的多源异构的第二历史运行数据,所述第二历史运行数据包括多个第二历史系统状态以及与每个所述第二历史系统状态对应的第二历史运行参数;其中,所述第二历史运行数据的时间区间不同于所述第一历史运行数据的时间区间;
所述数据访问模块10还用于调用所述数据预处理模块11,所述数据预处理模块11还用于对所述第二历史运行数据进行预处理,以得到第二目标参数集以及第二特征参数集,其中,所述第二目标参数集包括预处理后的所述第二历史系统状态,所述第二特征参数集包括预处理后的所述第二历史运行参数;
所述数据预处理模块11还用于调用所述历史融合特征生成模块12,所述历史融合特征生成模块12还用于对所述第二特征参数集进行融合特征处理,以得到第二融合特征参数集;
所述历史融合特征生成模块12还用于调用所述训练模块13,所述训练模块13还用于利用所述第二融合特征参数集以及所述第二目标参数集对所述评估模型进行再次训练,以得到更新后的所述评估模型;
所述训练模块13还用于调用所述评估模块15,所述评估模块15还用于利用更新后的所述评估模型对所述工业装备系统的系统状态进行评估。
较佳地,所述第二融合特征参数集的数据结构为一维数据、二维矩阵、图像数据或频谱数据的一种或多种。
关于实施例4中的工业装备系统的系统状态的评估装置的工作原理、工作方式的更多内容,可以参照实施例2中的工业装备系统的系统状态的评估方法的相关描述,这里不再赘述。
在本实施例中,所述评估模型的训练与评估应用可以相对独立的同时运行,并可以根据具体地应用场合的需求而适应性的选择合适的第二历史运行数据来更新评估模型,提高了评估模型对系统变化的适应性,进而提高了评估结果的准确性和实时性。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,但这些变更和修改均落入本发明的保护范围。
Claims (14)
1.一种工业装备系统的系统状态的评估方法,其特征在于,所述评估方法包括:
获取所述工业装备系统的多源异构的第一历史运行数据,所述第一历史运行数据包括多个第一历史系统状态以及与每个所述第一历史系统状态对应的第一历史运行参数;
对所述第一历史运行数据进行预处理,以得到第一目标参数集以及第一特征参数集,其中,所述第一目标参数集包括预处理后的所述第一历史系统状态,所述第一特征参数集包括预处理后的所述第一历史运行参数;
对所述第一特征参数集进行融合特征处理,以得到第一融合特征参数集;
利用所述第一融合特征参数集以及所述第一目标参数集对评估模型进行训练,所述评估模型用于对所述系统状态进行评估;
获取所述工业装备系统的当前运行参数;
对所述当前运行参数进行所述预处理,以得到当前特征参数集;
对所述当前特征参数集进行融合特征处理,以得到当前融合特征参数集;
将所述当前融合特征参数集输入训练后的所述评估模型,以得到所述工业装备系统的所述当前系统状态。
2.如权利要求1所述的工业装备系统的系统状态的评估方法,其特征在于,
所述第一融合特征参数集和/或所述当前融合特征参数集的数据结构为一维数据、二维矩阵、图像数据或频谱数据的一种或多种。
3.如权利要求1所述的工业装备系统的系统状态的评估方法,其特征在于,所述预处理包括数据清理、数据集成、数据变换、数据规约的一种或多种。
4.如权利要求1-3任一项所述的工业装备系统的系统状态的评估方法,其特征在于,所述获取所述工业装备系统的多源异构的第一历史运行数据的步骤包括:
接收用户的训练数据配置要求,所述训练数据配置要求包括系统状态,所述训练数据配置要求还包括数据用途、数据所属的时间段、样本时间间隔、数据源列表、参数列表的一种或多种;
根据所述训练数据配置要求获取所述第一历史运行数据。
5.如权利要求1-3任一项所述的工业装备系统的系统状态的评估方法,其特征在于,所述获取所述工业装备系统的当前运行参数的步骤包括:
接收用户的评估数据配置要求,所述评估数据配置要求包括数据用途、数据所属的时间段、样本时间间隔、数据源列表、参数列表的一种或多种;
根据所述评估数据配置要求获取所述当前运行参数。
6.如权利要求1-3任一项所述的工业装备系统的系统状态的评估方法,其特征在于,所述评估方法还包括:
获取所述工业装备系统的多源异构的第二历史运行数据,所述第二历史运行数据包括多个第二历史系统状态以及与每个所述第二历史系统状态对应的第二历史运行参数;其中,所述第二历史运行数据的时间区间不同于所述第一历史运行数据的时间区间;
对所述第二历史运行数据进行预处理,以得到第二目标参数集以及第二特征参数集,其中,所述第二目标参数集包括预处理后的所述第二历史系统状态,所述第二特征参数集包括预处理后的所述第二历史运行参数;
对所述第二特征参数集进行融合特征处理,以得到第二融合特征参数集;
利用所述第二融合特征参数集以及所述第二目标参数集对所述评估模型进行再次训练,以得到更新后的所述评估模型;
利用更新后的所述评估模型对所述工业装备系统的系统状态进行评估。
7.如权利要求6所述的工业装备系统的系统状态的评估方法,其特征在于,所述第二融合特征参数集的数据结构为一维数据、二维矩阵、图像数据或频谱数据的一种或多种。
8.一种工业装备系统的系统状态的评估装置,其特征在于,所述评估装置包括:
数据访问模块,用于获取所述工业装备系统的多源异构的第一历史运行数据,所述第一历史运行数据包括多个第一历史系统状态以及与每个所述第一历史系统状态对应的第一历史运行参数;
所述数据访问模块还用于调用数据预处理模块,所述数据预处理模块用于对所述第一历史运行数据进行预处理,以得到第一目标参数集以及第一特征参数集,其中,所述第一目标参数集包括预处理后的所述第一历史系统状态,所述第一特征参数集包括预处理后的所述第一历史运行参数;
所述数据预处理模块还用于调用历史融合特征生成模块,所述历史融合特征生成模块用于对所述第一特征参数集进行融合特征处理,以得到第一融合特征参数集;
所述历史融合特征生成模块还用于调用训练模块,所述训练模块用于利用所述第一融合特征参数集以及所述第一目标参数集对评估模型进行训练,所述评估模型用于对所述系统状态进行评估;
所述训练模块还用于调用所述数据访问模块,所述数据访问模块还用于获取所述工业装备系统的当前运行参数;
所述数据访问模块还用于调用所述数据预处理模块,所述数据预处理模块还用于对所述当前运行参数进行所述预处理,以得到当前特征参数集;
所述数据预处理模块还用于调用当前融合特征生成模块,所述当前融合特征生成模块用于对所述当前特征参数集进行融合特征处理,以得到当前融合特征参数集;
所述当前融合特征生成模块还用于调用评估模块,所述评估模块用于将所述当前融合特征参数集输入训练后的所述评估模型,以得到所述工业装备系统的所述当前系统状态。
9.如权利要求8所述的工业装备系统的系统状态的评估装置,其特征在于,
所述第一融合特征参数集和/或所述当前融合特征参数集的数据结构为一维数据、二维矩阵、图像数据或频谱数据的一种或多种。
10.如权利要求8所述的工业装备系统的系统状态的评估装置,其特征在于,所述预处理包括数据清理、数据集成、数据变换、数据规约的一种或多种。
11.如权利要求8-10任一项所述的工业装备系统的系统状态的评估装置,其特征在于,所述评估装置还包括训练数据配置模块以及数据获取模块;
所述训练数据配置模块用于接收用户的训练数据配置要求,所述训练数据配置要求包括系统状态,所述训练数据配置要求还包括数据用途、数据所属的时间段、样本时间间隔、数据源列表、参数列表的一种或多种;
所述训练数据配置模块还用于调用所述数据获取模块,所述数据获取模块用于根据所述训练数据配置要求获取所述第一历史运行数据。
12.如权利要求11所述的工业装备系统的系统状态的评估装置,其特征在于,所述评估装置还包括评估数据配置模块;
所述评估数据配置模块用于接收用户的评估数据配置要求,所述评估数据配置要求包括数据用途、数据所属的时间段、样本时间间隔、数据源列表、参数列表的一种或多种;
所述评估数据配置模块还用于调用所述数据获取模块,所述数据获取模块还用于根据所述评估数据配置要求获取所述当前运行参数。
13.如权利要求8-10任一项所述的工业装备系统的系统状态的评估装置,其特征在于,
所述数据访问模块还用于获取所述工业装备系统的多源异构的第二历史运行数据,所述第二历史运行数据包括多个第二历史系统状态以及与每个所述第二历史系统状态对应的第二历史运行参数;其中,所述第二历史运行数据的时间区间不同于所述第一历史运行数据的时间区间;
所述数据访问模块还用于调用所述数据预处理模块,所述数据预处理模块还用于对所述第二历史运行数据进行预处理,以得到第二目标参数集以及第二特征参数集,其中,所述第二目标参数集包括预处理后的所述第二历史系统状态,所述第二特征参数集包括预处理后的所述第二历史运行参数;
所述数据预处理模块还用于调用所述历史融合特征生成模块,所述历史融合特征生成模块还用于对所述第二特征参数集进行融合特征处理,以得到第二融合特征参数集;
所述历史融合特征生成模块还用于调用所述训练模块,所述训练模块还用于利用所述第二融合特征参数集以及所述第二目标参数集对所述评估模型进行再次训练,以得到更新后的所述评估模型;
所述训练模块还用于调用所述评估模块,所述评估模块还用于利用更新后的所述评估模型对所述工业装备系统的系统状态进行评估。
14.如权利要求13所述的工业装备系统的系统状态的评估装置,其特征在于,所述第二融合特征参数集的数据结构为一维数据、二维矩阵、图像数据或频谱数据的一种或多种。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910251862.4A CN109978191A (zh) | 2019-03-29 | 2019-03-29 | 工业装备系统的系统状态的评估方法以及评估装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910251862.4A CN109978191A (zh) | 2019-03-29 | 2019-03-29 | 工业装备系统的系统状态的评估方法以及评估装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109978191A true CN109978191A (zh) | 2019-07-05 |
Family
ID=67081733
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910251862.4A Pending CN109978191A (zh) | 2019-03-29 | 2019-03-29 | 工业装备系统的系统状态的评估方法以及评估装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109978191A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112763960A (zh) * | 2021-01-04 | 2021-05-07 | 山东电工电气集团有限公司 | 一种就地模块的自运维方法 |
CN113916289A (zh) * | 2021-09-30 | 2022-01-11 | 深圳市中金岭南有色金属股份有限公司凡口铅锌矿 | 一种矿山设备的健康状态监测系统及方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102606557A (zh) * | 2012-01-16 | 2012-07-25 | 北京航空航天大学 | 一种基于故障观测器与som的液压系统健康评估方法 |
CN104121949A (zh) * | 2014-08-18 | 2014-10-29 | 中国船舶重工集团公司第七一二研究所 | 一种船舶电力推进系统状态监测方法 |
US20160223600A1 (en) * | 2015-02-03 | 2016-08-04 | Envision Energy (Jiangsu) Co., Ltd. | Power generation performance evaluation method and apparatus for power generator set |
CN105989542A (zh) * | 2015-01-30 | 2016-10-05 | 国家电网公司 | 一种基于模糊支持向量机的继电保护状态在线评价方法 |
CN108549220A (zh) * | 2018-03-29 | 2018-09-18 | 广东电网有限责任公司电力调度控制中心 | 燃煤机组运行状态实时评估方法及其系统 |
CN109031103A (zh) * | 2018-06-11 | 2018-12-18 | 辽宁欣科电气股份有限公司 | 一种交流接触器性能退化与状态评估方法及系统 |
CN109063308A (zh) * | 2018-07-26 | 2018-12-21 | 北京航空航天大学 | 一种基于深度量子学习的健康评估方法 |
CN109495296A (zh) * | 2018-11-02 | 2019-03-19 | 国网四川省电力公司电力科学研究院 | 基于聚类与神经网络的智能变电站通信网络状态评价方法 |
-
2019
- 2019-03-29 CN CN201910251862.4A patent/CN109978191A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102606557A (zh) * | 2012-01-16 | 2012-07-25 | 北京航空航天大学 | 一种基于故障观测器与som的液压系统健康评估方法 |
CN104121949A (zh) * | 2014-08-18 | 2014-10-29 | 中国船舶重工集团公司第七一二研究所 | 一种船舶电力推进系统状态监测方法 |
CN105989542A (zh) * | 2015-01-30 | 2016-10-05 | 国家电网公司 | 一种基于模糊支持向量机的继电保护状态在线评价方法 |
US20160223600A1 (en) * | 2015-02-03 | 2016-08-04 | Envision Energy (Jiangsu) Co., Ltd. | Power generation performance evaluation method and apparatus for power generator set |
CN108549220A (zh) * | 2018-03-29 | 2018-09-18 | 广东电网有限责任公司电力调度控制中心 | 燃煤机组运行状态实时评估方法及其系统 |
CN109031103A (zh) * | 2018-06-11 | 2018-12-18 | 辽宁欣科电气股份有限公司 | 一种交流接触器性能退化与状态评估方法及系统 |
CN109063308A (zh) * | 2018-07-26 | 2018-12-21 | 北京航空航天大学 | 一种基于深度量子学习的健康评估方法 |
CN109495296A (zh) * | 2018-11-02 | 2019-03-19 | 国网四川省电力公司电力科学研究院 | 基于聚类与神经网络的智能变电站通信网络状态评价方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112763960A (zh) * | 2021-01-04 | 2021-05-07 | 山东电工电气集团有限公司 | 一种就地模块的自运维方法 |
CN112763960B (zh) * | 2021-01-04 | 2022-11-18 | 山东电工电气集团有限公司 | 一种就地模块的自运维方法 |
CN113916289A (zh) * | 2021-09-30 | 2022-01-11 | 深圳市中金岭南有色金属股份有限公司凡口铅锌矿 | 一种矿山设备的健康状态监测系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110674189A (zh) | 一种智能变电站二次状态监测与故障定位的方法 | |
CN107077132B (zh) | 使用分布式控制系统来管理加工厂的子系统的方法 | |
CN116127790B (zh) | 工业机器人预测性维护管理方法及系统 | |
CN106796423A (zh) | 智能可编程逻辑控制器 | |
CN104156812A (zh) | 建设工程施工现场原始数据采集系统及采集方法 | |
CN104376498A (zh) | 一种发电厂生产管理系统及方法 | |
CN116107282B (zh) | 一种基于企业应用集成的工业机器人预测性维护系统 | |
CN109978191A (zh) | 工业装备系统的系统状态的评估方法以及评估装置 | |
CN113887749A (zh) | 基于云边协同的电力物联网多维度监控处置方法、设备及平台 | |
CN117172751A (zh) | 一种智慧运维信息分析模型的构建方法 | |
Maktoubian et al. | Intelligent predictive maintenance (Ipdm) in forestry: A review of challenges and opportunities | |
CN111008313A (zh) | 一种导弹武器信息管理的云平台系统 | |
CN114047729B (zh) | 天然植物加工控制方法、系统、计算机设备和存储介质 | |
CN115563885A (zh) | 一种风电厂储能电池能量转换系统 | |
Lin et al. | Design and implementation of a CPS‐based predictive maintenance and automated management platform | |
CN113348473B (zh) | 管理人工智能模块的安装基础 | |
CN114331073A (zh) | 一种储能电站运维管理方法、系统及装置 | |
Pundir et al. | Machine learning based predictive maintenance model | |
RU179781U1 (ru) | Автоматизированный расчетно-информационный моделирующий комплекс артиллерийско-технического обеспечения ракетных войск и артиллерии | |
CN117008559B (zh) | 应用于有机肥料生产系统的数据采集处理方法及系统 | |
US20230206111A1 (en) | Compound model for event-based prognostics | |
CN116184965A (zh) | 一种基于大数据的工业物联网设备监控系统及方法 | |
EP3879359A1 (en) | A method for computer-implemented identifying an unauthorized access to a wind farm | |
INGKAPRADIT et al. | Model of Big Data Application for Performance Improvement to Smart Factory in Thailand | |
CN116303751A (zh) | 一种基于区块链的非工艺除尘能源管理系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190705 |
|
RJ01 | Rejection of invention patent application after publication |