CN110058576A - 基于大数据的设备故障预测与健康管理方法 - Google Patents
基于大数据的设备故障预测与健康管理方法 Download PDFInfo
- Publication number
- CN110058576A CN110058576A CN201810051675.7A CN201810051675A CN110058576A CN 110058576 A CN110058576 A CN 110058576A CN 201810051675 A CN201810051675 A CN 201810051675A CN 110058576 A CN110058576 A CN 110058576A
- Authority
- CN
- China
- Prior art keywords
- equipment
- data
- big data
- health management
- construction
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 43
- 238000010276 construction Methods 0.000 claims abstract description 42
- 238000005065 mining Methods 0.000 claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 21
- 238000005516 engineering process Methods 0.000 claims abstract description 19
- 238000012423 maintenance Methods 0.000 claims abstract description 18
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 16
- 238000003745 diagnosis Methods 0.000 claims abstract description 15
- 230000015556 catabolic process Effects 0.000 claims abstract description 5
- 238000004092 self-diagnosis Methods 0.000 claims abstract description 5
- 239000003245 coal Substances 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 10
- 238000012544 monitoring process Methods 0.000 claims description 8
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000013135 deep learning Methods 0.000 claims description 3
- 238000006731 degradation reaction Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 claims description 3
- 229910052742 iron Inorganic materials 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000000295 complement effect Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24065—Real time diagnostics
Abstract
本发明公开了一种基于大数据的设备故障预测与健康管理方法，所述方法包括下列步骤：步骤1，通过人工智能(AI)建设算法平台：基于大数据而不是基于模型，采用数据标记法实现机器自学习；步骤2，选择一矿业企业为基点搭建矿业设备大数据云计算中心模块，采集设备数据，搭建诊断平台；步骤3，建设专家诊断与人工智能自诊断，建设设备故障预测与健康管理平台模块；步骤4，建设生态/平台化增值服务模块，生产商、专家等相互合作，搭建矿业生态圈，平台化服务；本发明改变现有定期保养、维修以及事后故障维修模式，利用大数据和人工智能技术，提前预测，用预测性维护替代现有模式，大样本、大数据，使设备故障预测更精准、可靠。
Description
技术领域
本发明涉及设备故障预测与健康管理技术领域，更具体的说是涉及一种基于大数据的设备故障预测与健康管理方法。
背景技术
煤矿的生产离不开各种先进煤炭生产设备的正常安全运行，可以说煤矿的生产过程与煤矿设备的安全管理与维修是相辅相成的；现有古城煤矿管理系统存在以下问题：1.核心问题：设备故障识别，健全的设备故障库难以建立，且没有历史故障数据库；2.数据采集问题：目前井下设备如采煤机数据、油液数据等无法采集；3.数据样本少；4.单个设备无监控、分析，关键设备无数据。
因此，如何提供一种设备故障库与数据标记同步开展、数据采集样本大、具体设备有监控和分析的基于大数据的设备故障预测与健康管理方法是本领域技术人员亟需解决的问题。
发明内容
有鉴于此，本发明提供了一种设备故障库与数据标记同步开展、数据采集样本大、具体设备有监控和分析的基于大数据的设备故障预测与健康管理方法。
为实现上述目的，本发明提供如下技术方案：
基于大数据的设备故障预测与健康管理方法，所述方法包括以下步骤：
步骤1，通过人工智能(AI)建设算法平台：基于大数据而不是基于模型(设备故障模型难以健全)，采用数据标记法实现机器自学习；
步骤2，选择一矿业企业为基点搭建矿业设备大数据云计算中心模块，采集设备数据，搭建诊断平台；
步骤3，建设专家诊断与人工智能自诊断，通过远程诊断中心，专家、机器远程自诊断，下发指令，矿场执行，建设设备故障预测与健康管理平台模块；
步骤4，建设生态/平台化增值服务模块，矿场、设备生产商、专家团队、维修团队、备件厂商、相互合作，搭建矿业生态圈，平台化服务。
优选的，在上述基于大数据的设备故障预测与健康管理方法中，所述步骤1 采用的人工智能技术包括：4大创新技术，数据标记技术、深度学习技术、概率图技术、强化学习技术；7大创新应用，数据采集、故障预测、故障诊断、设备健康管理、信号处理、设备状态监测、设备退化分析。
优选的，在上述基于大数据的设备故障预测与健康管理方法中，所述步骤2 采用的设备故障诊断方法基于人工智能，包括以下步骤：
步骤21，数据采集；
步骤22，数据标记；
步骤23，传输至神经网络；
步骤24，故障预测。
优选的，在上述基于大数据的设备故障预测与健康管理方法中，所述步骤2 将设备进行统一建模和编码，形成设备库，且根据平台搭建进度，前期选取关键设备进行诊断分析，建立重点设备特征参数，以重要的特征值建立设备故障预测模型。
优选的，在上述基于大数据的设备故障预测与健康管理方法中，所述步骤2 选择一矿业企业为基点搭建矿业设备大数据云计算中心模块包括：搭建煤矿设备数据中心单元、搭建铁矿数据中心设备单元、搭建其他矿业设备数据单元。
优选的，在上述基于大数据的设备故障预测与健康管理方法中，所述步骤 22采用数据标记平台，从设备输入为标记数据至云平台，通过专家库进行标记，输出已标记数据，避免海量数据人工标记难度大。
优选的，在上述基于大数据的设备故障预测与健康管理方法中，所述步骤3 建设设备故障预测与健康管理平台模块包括：建设状态监测单元、建设健康评估单元、建设故障预测单元、建设故障诊断单元、建设设备管理培训单元、建设指挥调度单元、建设维修监管单元。
优选的，在上述基于大数据的设备故障预测与健康管理方法中，所述步骤4 建设生态/平台化增值服务模块包括：建设诊断服务单元、建设备件服务单元、建设维修服务单元、建设租赁服务单元、建设金融服务单元。
优选的，在上述基于大数据的设备故障预测与健康管理方法中，所述步骤2 采集设备数据使用的方法为：云计算中心通过控制系统采集和传感器采集从设备采集相关数据。
优选的，在上述基于大数据的设备故障预测与健康管理方法中，所述步骤2 的设备大数据云计算中心模块与步骤3的设备故障预测与健康管理平台模块连接方法为：通过专线或VPN通道联通。
经由上述的技术方案可知，与现有技术相比，本发明改变现有定期保养、维修以及事后故障维修模式，利用大数据和人工智能技术，提前预测，用预测性维护替代现有模式；本发明将设备故障库与数据标记同步开展，组织专家团队进行故障识别、数据标记，逐步健全设备故障库，设有历史故障数据库，有助于设备的维修；本发明增设传感器，采集井下设备参数，且选择一煤矿场为试点，率先采集数据，扩展到其他矿场，将同型设备数据采集到集中数据库中，扩大了数据样本，大样本、大数据，使设备故障预测更精准、可靠。
具体实施方式
下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例公开了一种设备故障库与数据标记同步开展、数据采集样本大、具体设备有监控和分析的基于大数据的设备故障预测与健康管理方法，
所述方法具体包括以下步骤：
步骤1，通过人工智能(AI)建设算法平台：基于大数据而不是基于模型(设备故障模型难以健全)，采用数据标记法实现机器自学习；
步骤2，选择一矿业企业为基点搭建矿业设备大数据云计算中心模块，采集设备数据，搭建诊断平台；
步骤3，建设专家诊断与人工智能自诊断，通过远程诊断中心，专家、机器远程自诊断，下发指令，矿场执行，建设设备故障预测与健康管理平台模块；
步骤4，建设生态/平台化增值服务模块，矿场、设备生产商、专家团队、维修团队、备件厂商、相互合作，搭建矿业生态圈，平台化服务。
本发明提供的方法原理为根据设备现状或历史性能状态和数据，开展预测性地诊断，并根据诊断/预测信息、可用维修资源和使用要求对维修活动做出适当决策；本发明将设备故障库与数据标记同步开展，组织专家团队进行故障识别、数据标记，逐步健全设备故障库，设有历史故障数据库，有助于设备的维修；本发明增设传感器，采集井下设备参数，且选择一煤矿场为试点，率先采集数据，扩展到其他矿场，将同型设备数据采集到集中数据库中，扩大了数据样本，大样本、大数据，使设备故障预测更精准、可靠。
为了进一步优化上述技术方案，所述步骤1采用的人工智能技术包括：4大创新技术，数据标记技术、深度学习技术、概率图技术、强化学习技术；7大创新应用，数据采集、故障预测、故障诊断、设备健康管理、信号处理、设备状态监测、设备退化分析。
为了进一步优化上述技术方案，所述步骤2采用的设备故障诊断方法基于人工智能，包括以下步骤：
步骤21，数据采集；
步骤22，数据标记；
步骤23，传输至神经网络；
步骤24，故障预测。
为了进一步优化上述技术方案，所述步骤2将设备进行统一建模和编码，形成设备库，且根据平台搭建进度，前期选取关键设备进行诊断分析，建立重点设备特征参数，以重要的特征值建立设备故障预测模型。
为了进一步优化上述技术方案，所述步骤2选择一矿业企业为基点搭建矿业设备大数据云计算中心模块包括：搭建煤矿设备数据中心单元、搭建铁矿数据中心设备单元、搭建其他矿业设备数据单元。
为了进一步优化上述技术方案，所述步骤22采用数据标记平台，从设备输入为标记数据至云平台，通过专家库进行标记，输出已标记数据，避免海量数据人工标记难度大。
为了进一步优化上述技术方案，所述步骤3建设设备故障预测与健康管理平台模块包括：建设状态监测单元、建设健康评估单元、建设故障预测单元、建设故障诊断单元、建设设备管理培训单元、建设指挥调度单元、建设维修监管单元。
为了进一步优化上述技术方案，所述步骤4建设生态/平台化增值服务模块包括：建设诊断服务单元、建设备件服务单元、建设维修服务单元、建设租赁服务单元、建设金融服务单元。
为了进一步优化上述技术方案，所述步骤2采集设备数据使用的方法为：云计算中心通过控制系统采集和传感器采集从设备采集相关数据。
为了进一步优化上述技术方案，所述步骤2的设备大数据云计算中心模块与步骤3的设备故障预测与健康管理平台模块连接方法为：通过专线或VPN通道联通。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其他实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.基于大数据的设备故障预测与健康管理方法，其特征在于，所述方法包括以下步骤：
步骤1，通过人工智能(AI)建设算法平台：基于大数据而不是基于模型(设备故障模型难以健全)，采用数据标记法实现机器自学习；
步骤2，选择一矿业企业为基点搭建矿业设备大数据云计算中心模块，采集设备数据，搭建诊断平台；
步骤3，建设专家诊断与人工智能自诊断，通过远程诊断中心，专家、机器远程自诊断，下发指令，矿场执行，建设设备故障预测与健康管理平台模块；
步骤4，建设生态/平台化增值服务模块，矿场、设备生产商、专家团队、维修团队、备件厂商、相互合作，搭建矿业生态圈，平台化服务。
2.根据权利要求1所述的基于大数据的设备故障预测与健康管理方法，所述步骤1采用的人工智能技术包括：4大创新技术，数据标记技术、深度学习技术、概率图技术、强化学习技术；7大创新应用，数据采集、故障预测、故障诊断、设备健康管理、信号处理、设备状态监测、设备退化分析。
3.根据权利要求1所述的基于大数据的设备故障预测与健康管理方法，其特征在于，所述步骤2采用的设备故障诊断方法基于人工智能，包括以下步骤：
步骤21，数据采集；
步骤22，数据标记；
步骤23，传输至神经网络；
步骤24，故障预测。
4.根据权利要求1所述的基于大数据的设备故障预测与健康管理方法，其特征在于，所述步骤2将设备进行统一建模和编码，形成设备库，且根据平台搭建进度，前期选取关键设备进行诊断分析，建立重点设备特征参数，以重要的特征值建立设备故障预测模型。
5.根据权利要求1所述的基于大数据的设备故障预测与健康管理方法，其特征在于，所述步骤2选择一矿业企业为基点搭建矿业设备大数据云计算中心模块包括：搭建煤矿设备数据中心单元、搭建铁矿数据中心设备单元、搭建其他矿业设备数据单元。
6.根据权利要求3所述的基于大数据的设备故障预测与健康管理方法，其特征在于，所述步骤22采用数据标记平台，从设备输入为标记数据至云平台，通过专家库进行标记，输出已标记数据，避免海量数据人工标记难度大。
7.根据权利要求1所述的基于大数据的设备故障预测与健康管理方法，其特征在于，所述步骤3建设设备故障预测与健康管理平台模块包括：建设状态监测单元、建设健康评估单元、建设故障预测单元、建设故障诊断单元、建设设备管理培训单元、建设指挥调度单元、建设维修监管单元。
8.根据权利要求1所述的基于大数据的设备故障预测与健康管理方法，其特征在于，所述步骤4建设生态/平台化增值服务模块包括：建设诊断服务单元、建设备件服务单元、建设维修服务单元、建设租赁服务单元、建设金融服务单元。
9.根据权利要求1所述的基于大数据的设备故障预测与健康管理方法，其特征在于，所述步骤2采集设备数据使用的方法为：云计算中心通过控制系统采集和传感器采集从设备采集相关数据。
10.根据权利要求1所述的基于大数据的设备故障预测与健康管理方法，其特征在于，所述步骤2的设备大数据云计算中心模块与步骤3的设备故障预测与健康管理平台模块连接方法为：通过专线或VPN通道联通。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810051675.7A CN110058576A (zh) | 2018-01-19 | 2018-01-19 | 基于大数据的设备故障预测与健康管理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810051675.7A CN110058576A (zh) | 2018-01-19 | 2018-01-19 | 基于大数据的设备故障预测与健康管理方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110058576A true CN110058576A (zh) | 2019-07-26 |
Family
ID=67314855
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810051675.7A Pending CN110058576A (zh) | 2018-01-19 | 2018-01-19 | 基于大数据的设备故障预测与健康管理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110058576A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111047058A (zh) * | 2019-12-20 | 2020-04-21 | 中国煤炭科工集团太原研究院有限公司 | 一种煤矿机械售后服务终端系统 |
| CN111539607A (zh) * | 2020-04-15 | 2020-08-14 | 支付宝(杭州)信息技术有限公司 | 一种服务提供方法和装置 |
| CN111980938A (zh) * | 2020-08-22 | 2020-11-24 | 浙江水利水电学院 | 一种防洪排涝水泵机组诊断技术路线 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1380235A (zh) * | 2001-04-06 | 2002-11-20 | Eni技术公司 | 工业薄膜加工动力输送系统的故障预测方法 |
| CN106712713A (zh) * | 2017-03-13 | 2017-05-24 | 广西大学 | 一种光伏电站的监测系统以及监测和异常定位方法 |
| CN107153869A (zh) * | 2017-03-29 | 2017-09-12 | 南昌大学 | 一种基于布谷鸟搜索优化神经网络的变压器故障诊断方法 |
| CN107273912A (zh) * | 2017-05-10 | 2017-10-20 | 重庆邮电大学 | 一种基于三支决策理论的主动学习方法 |
-
2018
- 2018-01-19 CN CN201810051675.7A patent/CN110058576A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1380235A (zh) * | 2001-04-06 | 2002-11-20 | Eni技术公司 | 工业薄膜加工动力输送系统的故障预测方法 |
| CN106712713A (zh) * | 2017-03-13 | 2017-05-24 | 广西大学 | 一种光伏电站的监测系统以及监测和异常定位方法 |
| CN107153869A (zh) * | 2017-03-29 | 2017-09-12 | 南昌大学 | 一种基于布谷鸟搜索优化神经网络的变压器故障诊断方法 |
| CN107273912A (zh) * | 2017-05-10 | 2017-10-20 | 重庆邮电大学 | 一种基于三支决策理论的主动学习方法 |
Non-Patent Citations (1)
| Title |
|---|
| 王利栋: "《矿用风机状态维修方法及平台研究》", 《同煤科技》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111047058A (zh) * | 2019-12-20 | 2020-04-21 | 中国煤炭科工集团太原研究院有限公司 | 一种煤矿机械售后服务终端系统 |
| CN111539607A (zh) * | 2020-04-15 | 2020-08-14 | 支付宝(杭州)信息技术有限公司 | 一种服务提供方法和装置 |
| CN111980938A (zh) * | 2020-08-22 | 2020-11-24 | 浙江水利水电学院 | 一种防洪排涝水泵机组诊断技术路线 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Atamuradov et al. | Prognostics and health management for maintenance practitioners-Review, implementation and tools evaluation. | |
| US11346200B2 (en) | Method and system for guaranteeing safety of offshore oil well control equipment | |
| Tobon-Mejia et al. | A data-driven failure prognostics method based on mixture of Gaussians hidden Markov models | |
| CN102637019B (zh) | 一种工业生产过程智能集成故障诊断方法及装置 | |
| CN112052979B (zh) | 基于故障预测与健康管理的设备备件需求预测系统 | |
| RU2720753C1 (ru) | Способ эксплуатации системы контроля состояния вибрационной машины и система контроля состояния | |
| CN110806743A (zh) | 基于人工智能的设备故障检测与预警系统及方法 | |
| CN110058576A (zh) | 基于大数据的设备故障预测与健康管理方法 | |
| CN109492790A (zh) | 基于神经网络与数据挖掘的风电机组健康管理方法 | |
| CN112328703B (zh) | 一种基于增量学习的数控设备健康状态诊断装置及方法 | |
| CN101859128A (zh) | 一种基于知识的车铣复合机床故障预测专家系统 | |
| Ly et al. | Fault diagnosis and failure prognosis for engineering systems: A global perspective | |
| KR20210048100A (ko) | 생성적 적대 신경망을 이용한 상태 감시 데이터 생성 방법 및 장치 | |
| CN105574328B (zh) | 一种机载诊断模型的集成方法 | |
| CN105775943A (zh) | 一种数据驱动的电梯零部件预警系统及方法 | |
| CN116228186A (zh) | 基于人因工程的船舶机舱智能运维系统 | |
| CN107808169B (zh) | 一种航天多阶段任务系统可靠性评估方法和系统 | |
| Aqueveque et al. | Data-driven condition monitoring of mining mobile machinery in non-stationary operations using wireless accelerometer sensor modules | |
| CN107767056A (zh) | 一种用于电站磨煤机的状态监控与健康管理系统 | |
| CN117055502A (zh) | 基于物联网和大数据分析的智能控制系统 | |
| CN115526375A (zh) | 一种航天装备预测性维护系统 | |
| Köppen-Seliger et al. | MAGIC: An integrated approach for diagnostic data management and operator support | |
| CN112850387B (zh) | 一种电梯状态采集与诊断系统及方法 | |
| Tsai et al. | A study of function-based diagnosis strategy and testability analysis for a system | |
| Lee et al. | Intelligent factory agents with predictive analytics for asset management |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20230511 Address after: 274700 middle section of Dongxi Road, economic development zone, yuncheng county, Heze City, Shandong Province Applicant after: Shandong energy group Luxi Mining Co.,Ltd. Address before: No. 69 Commercial Street, Luozhuang District, Linyi City, Shandong Province, 276000 Applicant before: LINYI MINING GROUP Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190726 |
|
| RJ01 | Rejection of invention patent application after publication |