CN111382946B - 设备健康状态的自主评估方法、系统及工业互联网设备 - Google Patents
设备健康状态的自主评估方法、系统及工业互联网设备 Download PDFInfo
- Publication number
- CN111382946B CN111382946B CN202010177585.XA CN202010177585A CN111382946B CN 111382946 B CN111382946 B CN 111382946B CN 202010177585 A CN202010177585 A CN 202010177585A CN 111382946 B CN111382946 B CN 111382946B
- Authority
- CN
- China
- Prior art keywords
- state
- space
- equipment
- health
- class
- 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.)
- Active
Links
- 230000036541 health Effects 0.000 title claims abstract description 112
- 238000011156 evaluation Methods 0.000 title abstract description 22
- 238000000034 method Methods 0.000 claims abstract description 35
- 230000002159 abnormal effect Effects 0.000 claims description 26
- 230000003862 health status Effects 0.000 claims description 23
- 230000008859 change Effects 0.000 claims description 12
- 238000009826 distribution Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 3
- 230000002567 autonomic effect Effects 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 description 12
- 230000007246 mechanism Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000012544 monitoring process Methods 0.000 description 8
- 230000015556 catabolic process Effects 0.000 description 7
- 238000006731 degradation reaction Methods 0.000 description 7
- 238000010224 classification analysis Methods 0.000 description 6
- 238000005457 optimization Methods 0.000 description 6
- 238000011217 control strategy Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000010408 sweeping Methods 0.000 description 4
- 238000007476 Maximum Likelihood Methods 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 230000001502 supplementing effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Images
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Game Theory and Decision Science (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种设备健康状态的评估方法、系统及工业互联网设备，其中，该方法包括：初始化设备的状态类空间；其中，状态类空间包括设备的多类状态空间的集合；获取设备的状态数据，并将状态数据进行归类分析，确定状态数据所属的状态类别，以更新状态类空间；根据更新后的状态类空间计算设备的健康指数，用于表征设备的健康状态。本发明解决了现有技术中只能依据故障信息进行报警，系统运行连续性差的问题，降低了系统的失效风险，提高了系统运行的连续性。
Description
技术领域
本发明涉及工业互联网技术领域，具体而言，涉及一种设备健康状态的自主评估方法、系统及工业互联网设备。
背景技术
随着现代科技技术的不断发展，自动化技术和信息化技术得到深度融合，工业互联网概念和相关产品正逐渐改变着人们的生活。无论是轻量型的自动化楼宇管理系统，还是重量级的高产数字化工厂，亦或是未来的智慧城市，这张张大网络均包括诸多设备。并且由于设备数量庞大，且设备之间的物理连接和网络连接变得越来越复杂，因此，一旦某个设备出现性能退化或发生故障，将会导致整个网络的运行受到影响，轻则导致系统停止运行，影响生产。重则威胁到人身和财产安全。
对于复杂网络和设备组成的系统，迫切需要对设备运行状态进行监测，而目前普遍的做法是基于设备硬件上报的故障状态信息进行相应的平台报警，对于系统运行的连续性要求没有实质性的意义。随着人们对所处环境的舒适体验要求不断提高，系统运行效率和连续性对于提升产品品质和用户体验极为重要，然而目前的故障后处理策略难以满足此种要求。
针对相关技术中只能依据故障信息进行报警，系统运行连续性差的问题，目前尚未提出有效地解决方案。
发明内容
本发明提供了一种设备健康状态的自主评估方法、系统及工业互联网设备，以至少解决现有技术中只能依据故障信息进行报警，系统运行连续性差的问题。
为解决上述技术问题，根据本发明实施例的一个方面，提供了一种设备健康状态的自主评估方法，包括：初始化设备的状态类空间；其中，状态类空间包括设备的多类状态空间的集合；获取设备的状态数据，并将状态数据进行归类分析，确定状态数据所属的状态类别，以更新状态类空间；根据更新后的状态类空间计算设备的健康指数，用于表征设备的健康状态。
进一步地，初始化设备的状态类空间，包括：获取设备的历史状态数据；将历史状态数据进行状态分类，形成多类状态空间，多类状态空间的集合形成状态类空间。
进一步地，状态数据至少包括当前状态和当前状态对设备的健康影响因子；获取设备的状态数据包括：实时采集设备的当前状态；根据当前状态确定当前状态的变化趋势；根据当前状态的变化趋势确定当前状态对设备的健康影响因子。
进一步地，将状态数据进行归类分析，确定状态数据所属的状态类别，包括：判断状态数据是否属于多类状态空间中的一类；如果是，确定状态数据所属的类别空间，并将状态数据归入所属的类别空间；否则，将状态数据成立一类新的类别空间。
进一步地，判断状态数据是否属于多类状态空间中的一类，包括：根据聚类算法计算状态数据与每类状态空间的距离；如果状态数据与每类状态空间的距离均大于第一预设距离，则确定状态数据不属于多类状态空间中的一类；否则，确定状态数据属于多类状态空间中的一类。
进一步地，确定状态数据所属的类别空间，包括：对比状态数据与每类状态空间的距离；确定与状态数据距离最短的状态空间为状态数据所属的类别空间。
进一步地，状态类空间包括正常运行状态空间和一类或多类非正常运行状态空间；根据更新后的状态类空间计算设备的健康指数，包括：计算更新后的状态类空间中每类状态空间的大小，确定正常运行状态空间；计算每类非正常运行状态空间与正常运行状态空间之间的距离；根据每类非正常运行状态空间与正常运行状态空间之间的距离确定每类非正常运行状态空间的设备健康权重；综合每类非正常运行状态空间的设备健康权重确定设备的健康指数。
进一步地，确定正常运行状态空间，包括：对比每类状态空间的空间大小，确定空间最大的状态空间为正常运行状态空间。
进一步地，综合每类非正常运行状态空间的设备健康权重确定设备的健康指数，包括：计算非正常运行状态空间的设备健康权重的联合概率分布，作为设备的健康指数。
进一步地，设备的健康状态包括多类状态，其中，每类状态对应不同范围的健康指数。
根据本发明实施例的另一方面，提供了一种设备健康状态的评估系统，包括：传感器模块，用于获取设备的状态数据；状态归类模块，用于初始化设备的状态类空间；其中，状态类空间包括设备的多类状态空间的集合，并将状态数据进行归类分析，确定状态数据所属的状态类别，以更新状态类空间；健康指标模块，用于根据更新后的状态类空间计算设备的健康指数，用于表征设备的健康状态。
根据本发明实施例的又一方面，提供了一种工业互联网设备，包括如上述的设备健康状态的评估系统。
根据本发明实施例的又一方面，提供了一种包含计算机可执行指令的存储介质，计算机可执行指令在由计算机处理器执行时用于执行如上述的设备健康状态的自主评估方法。
在本发明中，提出了一种设备健康状态的自主评估方法，针对具有渐变故障的设备和系统，在进行状态监测的基础上，将状态数据进行归类分析，并定义设备的总体健康状态自评级机制，在设备发生故障前给出其运行的健康状态，从而可实施有效降低设备性能退化的优化控制策略，将预测评估结果用于指导实时的运维策略，降低包含此设备的系统的失效风险，提高了系统运行的连续性。
附图说明
图1是根据本发明实施例的设备健康状态的自主评估方法的一种可选的流程图；
图2是根据本发明实施例的设备全状态采集方法的一种可选的流程图；
图3是根据本发明实施例的设备全状态归类分析方法的一种可选的流程图；
图4是根据本发明实施例的设备单一状态健康指数和总体健康指数计算和关系示意图；以及
图5是根据本发明实施例的设备健康状态的评估系统的一种可选的系统框架图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
实施例1
在本发明优选的实施例1中提供了一种设备健康状态的自主评估方法，该控制方法可以直接应用至各种智能扫地机器人上，也可以应用至具有扫地机器人部分功能的其他装置上，具体实现时，可以通过在扫地机器人或其他装置安装软件、APP、或者写入扫地机器人或其他装置控制器相应的程序的方式来实现。具体来说，图1示出该方法的一种可选的流程图，如图1所示，该方法包括如下步骤S102-S106：
S102：初始化设备的状态类空间；其中，状态类空间包括设备的多类状态空间的集合；
S104：获取设备的状态数据，并将状态数据进行归类分析，确定状态数据所属的状态类别，以更新状态类空间；
S106：根据更新后的状态类空间计算设备的健康指数，用于表征设备的健康状态。
在上述实施方式中，提出了一种设备健康状态的自主评估方法，针对具有渐变故障的设备和系统，在进行状态监测的基础上，将状态数据进行归类分析，并定义设备的总体健康状态自评级机制，在设备发生故障前给出其运行的健康状态，从而可实施有效降低设备性能退化的优化控制策略，将预测评估结果用于指导实时的运维策略，降低包含此设备的系统的失效风险，提高了系统运行的连续性。
在本发明中设置了状态类空间，包括设备的多类状态空间的集合，由于采用状态类空间计算设备的健康指数，在获取设备的状态数据之前，需要初始化设备的状态类空间，具体步骤包括：获取设备的历史状态数据；将历史状态数据进行状态分类，形成多类状态空间，多类状态空间的集合形成状态类空间。该过程与状态数据的归类分析基本一致，只是采用了历史状态数据进行初始化。
在本发明中，状态数据至少包括当前状态和当前状态对设备的健康影响因子；获取设备的状态数据包括：实时采集设备的当前状态；根据当前状态确定当前状态的变化趋势；根据当前状态的变化趋势确定当前状态对设备的健康影响因子。
在另一种可选的实施方式中，上述状态数据也称为设备全状态，设备全状态采集的流程示意图如图2所示：
设备状态监测；即针对设备进行全寿命周期的状态监测；
设备单一状态变化趋势；对获取到的单个设备状态信息进行数学分析，获取对应状态的一阶微分等变化趋势；
变化趋势对总体健康程度的影响因子；基于变化趋势分析对应状态对系统总体健康程度的影响因子或权重，并将设备的状态和对设备的健康影响因子称之为设备的全状态；
在确定设备的全状态之后，进行设备全状态归类分析。
在本发明另一个可选的实施方式中，设备全状态归类分析如图3所示，包括：
首先，初始化设备状态类空间。
确定设备全状态；上述两步骤已经在前描述，此处不再赘述。
状态归类分析；将实时获取到的状态数据进行归类分析；具体将状态数据进行归类分析，确定状态数据所属的状态类别，包括：判断状态数据是否属于多类状态空间中的一类；如果是，确定状态数据所属的类别空间，并将状态数据归入所属的类别空间；否则，将状态数据成立一类新的类别空间。进一步地，判断状态数据是否属于多类状态空间中的一类，包括：根据聚类算法计算状态数据与每类状态空间的距离；如果状态数据与每类状态空间的距离均大于第一预设距离，则确定状态数据不属于多类状态空间中的一类；否则，确定状态数据属于多类状态空间中的一类。之后，对比状态数据与每类状态空间的距离；确定与状态数据距离最短的状态空间为状态数据所属的类别空间。常见的聚类算法可采用k均值聚类或谱聚类等，并采用设备的特性指导初始化设备状态类空间。在获取初始化的状态空间后，采用聚类的方法归类实时状态，当聚类的距离大于一定范围时，即可将其作为新的设备状态类，并将其用于设备状态空间的补充；即当归类的结果超出现有的状态类空间，采用这些状态对设备状态类空间进行新增和补充，由此形成设备自主健康等级评估的自循环机制，实现设备健康状态的自评级机制。
自主获取设备正常状态空间；状态类空间包括正常运行状态空间和一类或多类非正常运行状态空间；确定正常运行状态空间，包括：对比每类状态空间的空间大小，确定空间最大的状态空间为正常运行状态空间。
计算各归类空间的距离；即计算每类非正常运行状态空间与正常运行状态空间之间的距离。计算设备实时状态与状态类空间的距离可采用距离度量的方式，考虑到工业互联网设备状态的复杂性，可采用无量纲的马氏距离进行度量。
自主定义空间状态等级，即根据每类非正常运行状态空间与正常运行状态空间之间的距离确定每类非正常运行状态空间的设备健康权重；综合每类非正常运行状态空间的设备健康权重确定设备的健康指数。
如图3所示，对前一步骤获取的设备全状态数据，首先初始化设备状态类空间，并将实时获取到的状态数据进行归类分析，将实时状态数据归为某一类，同时，实时统计类空间的大小(因为当前状态数据会影响状态类空间)，并将类空间最大的状态空间作为设备正常运行的状态空间(在当前状态数据影响下，设备正常运行的状态空间可能会改变)。
另外，通过计算除正常状态空间以外的类空间与设备正常状态空间之间的距离，获得设备每种单一状态所属类空间到正常类空间的距离，由此计算设备状态数据对设备总体健康程度计算的贡献率或称为权重。当归类的结果超出现有的状态类空间，采用这些状态对设备状态类空间进行新增和补充。由此形成设备自主健康等级评估的自循环机制。
如图4所示，图4示出设备单一状态健康指数和总体健康指数计算和关系示意图，针对实时采集到的设备运行状态，如图所示，可以包括多个设备运行状态，通过归类分析获取实时的设备健康状态影响因子，同时计算对应状态与分类状态库之间的距离，通过健康等级计算方法将距离转换为单状态健康指数，最后，将单状态健康指数融合计算为设备级的健康指数，用于指示当前分析设备的运行状态和性能等级等。
优选地，综合每类非正常运行状态空间的设备健康权重确定设备的健康指数，包括：计算非正常运行状态空间的设备健康权重的联合概率分布，作为设备的健康指数。进一步地，设备的健康状态包括多类状态，其中，每类状态对应不同范围的健康指数。
上述方法在获取设备单个状态的健康指数后，采用多状态联合分布律的概率密度函数，如极大似然估计分析，获得融合的设备级健康指数，作为设备的健康状态自评估结果。同时也可设置设备级的截断阈值作为多种健康状态的分界点。
在获得实时的设备健康状态等级后，可用于指导相应设备的日常运行和维护，其中包括但不限于设备的备件管理和售后服务等。通过以上机制的自主健康评估和不断的优化演进，最终达到精确评定设备运行状态的多种性能等级的效果。
在本发明中，考虑到对于运行中的设备，人们更关心在故障发生前能够预知其健康状况，并针对具体的健康状态进行必要的维护和维保措施。为了实现此目的，利用设备在不同工况下运行产生的状态数据进行实时的设备运行健康状态评估，了解设备的实时健康状态，用于指导制定合理、高效、节约的运维措施和维修计划，确保系统运行的稳定性和连续性，降低运维成本。
实施例2
基于上述实施例1中提供的设备健康状态的自主评估方法，在本发明优选的实施例2中还提供了一种设备健康状态的评估系统，具体地，图5示出该系统的一种可选的系统框架图，如图5所示，该系统包括：
传感器模块，用于获取设备的状态数据；随着技术的进步，将会有很多的智能传感器出现，这些传感器不仅可以获得状态的实时信息，并且能够捕捉到状态的变化信息，通过采集状态信息和变化信息，为后续的状态归类分析做准备。同时，由于同一个设备往往需要采集多种运行状态信息，这些传感器的采集原理各不相同。因此，这里的传感器编号为1～n。
传感器与设备相连接，如系统框架图所示，系统中的设备是指类似于楼宇系统中的智能冰箱、空调以及配电设备等，针对这些设备进行必要的状态监测，实时掌握它的运行状况，并将采集到的状态信息进行传输至运维服务器，以便后续状态数据的分析。
传感器还与状态模块相连接，针对具体的传感器采集具体的状态信息，状态模块包括两类信息，其一是状态的瞬时值信息，第二是状态的前后变化信息。
传感器还与状态归类模块，用于初始化设备的状态类空间；其中，状态类空间包括设备的多类状态空间的集合，并将状态数据进行归类分析，确定状态数据所属的状态类别，以更新状态类空间；
健康指标模块，用于根据更新后的状态类空间计算设备的健康指数，用于表征设备的健康状态。健康指标模块包括：状态健康指标模块和系统级健康指标模块。
其中，状态健康指标模块依据分好类的状态库，通过筛选确定设备正常运行的状态空间作为基，分别计算当前状态的瞬时值和基之间的距离，并将计算得到的距离归一化，获取相应状态对应的健康指标。系统级健康指标模块在分别获得各状态对应的归一化健康指标后，采用多状态联合分布极大似然估计分析等方法构建设备级的健康指标，从而获得该设备的实时运行健康状态。
在上述实施方式中，提出了一种设备健康状态的评估系统，针对具有渐变故障的设备和系统，在进行状态监测的基础上，将状态数据进行归类分析，并定义设备的总体健康状态自评级机制，在设备发生故障前给出其运行的健康状态，从而可实施有效降低设备性能退化的优化控制策略，将预测评估结果用于指导实时的运维策略，降低包含此设备的系统的失效风险，提高了系统运行的连续性。
关于上述实施例中的系统，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
实施例3
基于上述实施例2中提供的设备健康状态的评估系统，在本发明优选的实施例3中还提供了一种工业互联网设备，包括如上述的设备健康状态的评估系统。
在上述实施方式中，提出了一种设备健康状态的自主评估方法，针对具有渐变故障的设备和系统，在进行状态监测的基础上，将状态数据进行归类分析，并定义设备的总体健康状态自评级机制，在设备发生故障前给出其运行的健康状态，从而可实施有效降低设备性能退化的优化控制策略，将预测评估结果用于指导实时的运维策略，降低包含此设备的系统的失效风险，提高了系统运行的连续性。
实施例4
基于上述实施例1中提供的设备健康状态的自主评估方法，在本发明优选的实施例4中还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如上述的设备健康状态的自主评估方法。
在上述实施方式中，提出了一种设备健康状态的自主评估方法，针对具有渐变故障的设备和系统，在进行状态监测的基础上，将状态数据进行归类分析，并定义设备的总体健康状态自评级机制，在设备发生故障前给出其运行的健康状态，从而可实施有效降低设备性能退化的优化控制策略，将预测评估结果用于指导实时的运维策略，降低包含此设备的系统的失效风险，提高了系统运行的连续性。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未发明的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (12)
1.一种设备健康状态的自主评估方法，其特征在于，包括：
初始化设备的状态类空间；其中，所述状态类空间包括所述设备的多类状态空间的集合；
获取所述设备的状态数据，并将所述状态数据进行归类分析，确定所述状态数据所属的状态类别，以更新所述状态类空间；
根据更新后的所述状态类空间计算所述设备的健康指数，用于表征所述设备的健康状态；
所述状态类空间包括正常运行状态空间和一类或多类非正常运行状态空间；根据更新后的所述状态类空间计算所述设备的健康指数，包括：
计算更新后的所述状态类空间中每类状态空间的大小，确定所述正常运行状态空间；
计算每类所述非正常运行状态空间与所述正常运行状态空间之间的距离；
根据每类所述非正常运行状态空间与所述正常运行状态空间之间的距离确定每类所述非正常运行状态空间的设备健康权重；
综合每类所述非正常运行状态空间的设备健康权重确定所述设备的健康指数。
2.根据权利要求1所述的方法，其特征在于，初始化设备的状态类空间，包括：
获取所述设备的历史状态数据；
将所述历史状态数据进行状态分类，形成多类状态空间，所述多类状态空间的集合形成所述状态类空间。
3.根据权利要求1所述的方法，其特征在于，所述状态数据至少包括当前状态和当前状态对所述设备的健康影响因子；获取所述设备的状态数据包括：
实时采集所述设备的当前状态；
根据所述当前状态确定所述当前状态的变化趋势；
根据所述当前状态的变化趋势确定所述当前状态对所述设备的健康影响因子。
4.根据权利要求1所述的方法，其特征在于，将所述状态数据进行归类分析，确定所述状态数据所属的状态类别，包括：
判断所述状态数据是否属于所述多类状态空间中的一类；
如果是，确定所述状态数据所属的类别空间，并将所述状态数据归入所属的类别空间；
否则，将所述状态数据成立一类新的类别空间。
5.根据权利要求4所述的方法，其特征在于，判断所述状态数据是否属于所述多类状态空间中的一类，包括：
根据聚类算法计算所述状态数据与每类状态空间的距离；
如果所述状态数据与每类状态空间的距离均大于第一预设距离，则确定所述状态数据不属于所述多类状态空间中的一类；
否则，确定所述状态数据属于所述多类状态空间中的一类。
6.根据权利要求5所述的方法，其特征在于，确定所述状态数据所属的类别空间，包括：
对比所述状态数据与每类状态空间的距离；
确定与所述状态数据距离最短的状态空间为所述状态数据所属的类别空间。
7.根据权利要求1所述的方法，其特征在于，确定所述正常运行状态空间，包括：
对比每类状态空间的空间大小，确定空间最大的状态空间为所述正常运行状态空间。
8.根据权利要求1所述的方法，其特征在于，综合每类所述非正常运行状态空间的设备健康权重确定所述设备的健康指数，包括：
计算所述非正常运行状态空间的设备健康权重的联合概率分布，作为所述设备的健康指数。
9.根据权利要求1所述的方法，其特征在于，所述设备的健康状态包括多类状态，其中，每类状态对应不同范围的健康指数。
10.一种设备健康状态的评估系统，其特征在于，包括：
传感器模块，用于获取所述设备的状态数据；
状态归类模块，用于初始化设备的状态类空间；其中，所述状态类空间包括所述设备的多类状态空间的集合，并将所述状态数据进行归类分析，确定所述状态数据所属的状态类别，以更新所述状态类空间；
健康指标模块，用于根据更新后的所述状态类空间计算所述设备的健康指数，用于表征所述设备的健康状态；所述状态类空间包括正常运行状态空间和一类或多类非正常运行状态空间；健康指标模块用于：计算更新后的所述状态类空间中每类状态空间的大小，确定所述正常运行状态空间；计算每类所述非正常运行状态空间与所述正常运行状态空间之间的距离；根据每类所述非正常运行状态空间与所述正常运行状态空间之间的距离确定每类所述非正常运行状态空间的设备健康权重；综合每类所述非正常运行状态空间的设备健康权重确定所述设备的健康指数。
11.一种工业互联网设备，其特征在于，包括如权利要求10所述的设备健康状态的评估系统。
12.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1至9中任一项所述的设备健康状态的自主评估方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010177585.XA CN111382946B (zh) | 2020-03-13 | 2020-03-13 | 设备健康状态的自主评估方法、系统及工业互联网设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010177585.XA CN111382946B (zh) | 2020-03-13 | 2020-03-13 | 设备健康状态的自主评估方法、系统及工业互联网设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111382946A CN111382946A (zh) | 2020-07-07 |
| CN111382946B true CN111382946B (zh) | 2022-06-21 |
Family
ID=71222681
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010177585.XA Active CN111382946B (zh) | 2020-03-13 | 2020-03-13 | 设备健康状态的自主评估方法、系统及工业互联网设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111382946B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113325726A (zh) * | 2021-05-14 | 2021-08-31 | 山东中瑞电气有限公司 | 楼宇自控系统及其控制方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8380389B2 (en) * | 2009-11-30 | 2013-02-19 | Honeywell International Inc. | Health monitoring systems and methods with vehicle identification |
| CN105129109B (zh) * | 2015-09-30 | 2017-05-17 | 北京航空航天大学 | 一种基于多重分形理论和自组织映射网络的飞机副翼作动器系统健康评估方法 |
| CN107341349B (zh) * | 2017-06-30 | 2020-04-14 | 上海交通大学 | 风机健康评估的方法、系统、存储器及控制器 |
| CN109034580B (zh) * | 2018-07-16 | 2020-09-11 | 三门核电有限公司 | 一种基于大数据分析的信息系统整体健康度评估方法 |
| CN109326082B (zh) * | 2018-09-30 | 2021-05-07 | 珠海格力电器股份有限公司 | 安防监控方法、装置、系统、服务器和空调 |
-
2020
- 2020-03-13 CN CN202010177585.XA patent/CN111382946B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN111382946A (zh) | 2020-07-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108320043B (zh) | 一种基于电力大数据的配电网设备状态诊断预测方法 | |
| CN104809051B (zh) | 用于预测计算机应用中的异常和故障的方法和装置 | |
| CN110865924B (zh) | 电力信息系统内部服务器健康度诊断方法与健康诊断框架 | |
| CN117176560B (zh) | 一种基于物联网的监测设备监管系统及其方法 | |
| CN113036913B (zh) | 一种综合能源设备状态监测方法及装置 | |
| CN116683588B (zh) | 锂离子电池充放电控制方法及系统 | |
| CN116226469A (zh) | 一种储能设备故障的智能诊断方法及系统 | |
| CN117560300B (zh) | 一种智能物联网流量预测与优化系统 | |
| CN117406026A (zh) | 一种适用于分布式电源的配电网故障检测方法 | |
| CN117973902B (zh) | 一种基于保电平台故障处置智能决策方法及系统 | |
| CN117422447A (zh) | 变压器维护策略生成方法、系统、电子设备及存储介质 | |
| CN111382946B (zh) | 设备健康状态的自主评估方法、系统及工业互联网设备 | |
| CN116125204A (zh) | 一种基于电网数字化的故障预测系统 | |
| CN117354171B (zh) | 基于物联网平台的平台健康状况预警方法及系统 | |
| CN116910680B (zh) | 一种健身器材的远程故障检测方法及系统 | |
| CN113723827A (zh) | 地铁机电设备运行风险诊断及运维管控方法与系统 | |
| CN109064074A (zh) | 避雷器状态诊断方法、系统及设备 | |
| CN117408162A (zh) | 基于数字孪生的电网故障控制方法 | |
| CN116714469A (zh) | 充电桩健康监测方法、装置、终端及存储介质 | |
| CN117589444B (zh) | 一种基于联邦学习的风力发电机齿轮箱故障诊断方法 | |
| CN117038048B (zh) | 一种用于医疗器械的远程故障处理方法及系统 | |
| CN117808157B (zh) | 基于智能识别的未报备停电行为预测分析系统 | |
| KR102573254B1 (ko) | 연합 학습을 이용한 기계설비 고장 예지 분석 시스템 | |
| CN116258467B (zh) | 一种电力施工管控系统 | |
| CN118230532A (zh) | 一种动力电池组装线实时监控预警系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |