CN113657648A - 一种多维数据融合的设备健康评估方法、装置及运维系统 - Google Patents

一种多维数据融合的设备健康评估方法、装置及运维系统 Download PDF

Info

Publication number
CN113657648A
CN113657648A CN202110831107.0A CN202110831107A CN113657648A CN 113657648 A CN113657648 A CN 113657648A CN 202110831107 A CN202110831107 A CN 202110831107A CN 113657648 A CN113657648 A CN 113657648A
Authority
CN
China
Prior art keywords
preset
health
equipment
evaluation
data
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.)
Granted
Application number
CN202110831107.0A
Other languages
English (en)
Other versions
CN113657648B (zh
Inventor
冯东英
肖金超
杨敬锋
苑明哲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenyang Institute of Automation of CAS
Original Assignee
Shenyang Institute of Automation of CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenyang Institute of Automation of CAS filed Critical Shenyang Institute of Automation of CAS
Priority to CN202110831107.0A priority Critical patent/CN113657648B/zh
Publication of CN113657648A publication Critical patent/CN113657648A/zh
Application granted granted Critical
Publication of CN113657648B publication Critical patent/CN113657648B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/253—Fusion techniques of extracted features
    • 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
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种多维数据融合的设备健康评估方法、装置及运维系统。该装置包括参数选取单元、数据融合单元以及评估预测单元。该系统包括交互模块、如前所述的多维数据融合的设备健康评估装置以及运维支持模块。通过预设的关联参数选取方法选取关联度较高的多维关联数据，对多维关联数据进行数据融合，根据融合计算后所得数据计算设备的不同评估级别的当前健康值，并对设备进行不同评估级别的健康值预测，该设备健康评估方法、装置及运维系统提升了设备健康评估的深入度和准确性。

Description

一种多维数据融合的设备健康评估方法、装置及运维系统
技术领域
本发明涉及多维数据融合的设备健康评估领域，涉及一种多维数据融合的设备健康评估方法、装置及运维系统。
背景技术
设备健康评估是指在设备运维周期中，通过对设备的多维度的参数进行计算判断，以评估设备不同层次的健康程度。深入、准确的设备健康评估有利于设备的运行、维修与保养以维持设备功能的正常。为防止设备性能劣化或降低设备失效的概率，按事先规定的计划或相应技术条件的规定进行的技术管理措施。一旦设备故障，操作者需要第一时间迅速通知设备维护人员前来维护。
在现有技术中，维修人员通常根据维修计划进行维修，或者根据报警量进行问题判断并进行维修，还可以对设备状态趋势进行设备健康评估。
但是，现有技术仍存在下述缺陷：1、报警量通常对应单一参数，而靠单一的参数难以发现深层次问题；2、健康评估效率和准确率都比较低。
因此，当前需要一种多维数据融合的设备健康评估方法、装置及运维系统以解决现有技术中存在的上述问题。
发明内容
针对现存的上述技术问题，本发明实施例的目的在于提供一种多维数据融合的设备健康评估方法、装置及运维系统，从而能够提升设备健康评估的深入性和准确性。
本发明实施例提供了一种多维数据融合的设备健康评估方法，包括：根据预设的关联参数选取方法，从预设的多种设备参数中计算获取多维关联数据组；通过预设的数据融合方法，对所述多维关联数据组进行处理计算以获得融合特征向量组；通过预设的评估预测方法，根据预设的预测模型、预设的评估对象、预设的评估级别以及所述融合特征向量组，计算获得所述评估对象的健康值以及预测值，从而完成设备评估。
在一个实施例中，所述根据预设的关联参数选取方法，从预设的多种设备参数中计算获取多维关联数据，具体为：从预设的多种设备参数中，获取预设的设备机理模型参数组以及设备状态参数组；对所述设备机理模型参数组以及所述设备状态参数组进行无量纲化处理，从而相应获取第一设备机理数据组以及第一设备运行数据组；所述第一设备机理数据组对应于所述设备机理模型参数组，第一设备运行数据组对应于所述设备状态参数组；所述第一设备运行数据组包括多种设备的第二设备运行数据组；通过灰色关联度法，计算所述设备状态参数组分别与各个第二设备运行数据组的关联度，并根据所述关联度，按预设的顺序对多个第二设备运行数据组进行排序，从而获取第一关联序列；根据预设的关联筛选条件，从所述第一关联序列中筛选获取多维关联数据。
在一个实施例中，所述通过预设的数据融合方法，对所述多维关联数据组进行处理计算以获得融合特征向量组，具体为：对所述多维关联数据组中的数据进行数据清洗，并对清洗后的数据进行归一化处理，从而获取融合特征向量组。
在一个实施例中，所述通过预设的评估预测方法，根据预设的预测模型、预设的评估对象、预设的评估级别以及所述融合特征向量组，计算获得所述评估对象的健康值以及预测值，具体为：获取预设的评估对象以及所述融合特征向量组中对应于所述评估对象的评估特征数据，并获取预设的评估级别；根据所述评估特征数据计算获得参数健康值；以预设的第一权重对多个参数健康值进行加权计算，并根据加权后的多个参数健康值计算获得部件健康值；以预设的第二权重对多个部件健康值进行加权计算，并根据加权后的多个部件健康值计算获得设备健康值；以预设的第三权重对多个设备健康值进行加权计算，并根据加权后的多个设备健康值计算获得系统健康值；当所述评估级别为参数级时，将所述参数健康值作为所述评估对象的健康值；当所述评估级别为部件级时，将所述部件健康值作为所述评估对象的健康值；当所述评估级别为设备级时，将所述设备健康值作为所述评估对象的健康值；当所述评估级别为系统级时，将所述系统健康值作为所述评估对象的健康值；根据所述健康值构建健康值数据库，并基于预设的预测模型以及所述健康值数据库，对所述评估对象进行预测，从而相应获取预测值。
本发明实施例还提供了一种多维数据融合的运维方法，所述设备运维方法包括：获取用户预设选定的多种设备参数、评估对象以及评估级别；执行如前所述的多维数据融合的设备健康评估方法以获取所述评估对象的健康值以及预测值；根据所述健康值、所述预测值以及预设的运维策略模型，向所述用户提供运维方案；所述运维策略模型是基于决策树以及策略库构建的；所述策略库包括设备操作手册、故障排除手册、对象模型以及专家经验。
在一个实施例中，所述运维方法还包括：接收所述用户输入的策略编辑指令，通过自动、半自动或手动的方式编辑所述策略库。
在一个实施例中，所述运维方法还包括：当无法向用户提供运维方案时，向所述用户发送提示信息。
本发明实施例还提供了一种多维数据融合的设备健康评估装置，所述设备健康评估装置包括参数选取单元、数据融合单元以及评估预测单元；其中，所述参数选取单元用于根据预设的关联参数选取方法，从预设的多种设备参数中计算获取多维关联数据组；所述数据融合单元用于通过预设的数据融合方法，对所述多维关联数据组进行处理计算以获得融合特征向量组；所述评估预测单元用于通过预设的评估预测方法，根据预设的预测模型、预设的评估对象、预设的评估级别以及所述融合特征向量组，计算获得所述评估对象的健康值以及预测值，从而完成设备评估。
本发明实施例还提供了一种多维数据融合的运维系统，所述运维系统包括交互模块、如前所述的多维数据融合的设备健康评估装置以及运维支持模块，其中，所述交互模块用于获取用户预设选定的多种设备参数、评估对象以及评估级别；所述设备评估装置用于执行如前所述的多维数据融合的设备健康评估方法以获取所述评估对象的健康值以及预测值；所述运维支持模块用于根据所述健康值、所述预测值以及预设的运维策略模型，向所述用户提供运维方案；所述运维策略模型是基于决策树以及策略库构建的；所述策略库包括设备操作手册、故障排除手册、对象模型以及专家经验。
在一个实施例中，所述交互模块还用于接收所述用户输入的策略编辑操作，通过自动、半自动或手动的方式编辑所述策略库。
相比于现有技术，本发明实施例具有如下有益效果：
本发明实施例提供了一种多维数据融合的设备健康评估方法、装置及运维系统，通过预设的关联参数选取方法选取关联度较高的多维关联数据，对多维关联数据进行数据融合，根据融合计算后所得数据计算设备的不同评估级别的当前健康值，并对设备进行不同评估级别的健康值预测，该设备健康评估方法、装置及运维系统提升了设备健康评估的深入性和准确性。
进一步地，本发明实施例提供的多维数据融合的运维方法及运维系统还通过评估所得健康值、预测所得预测值以及预设的运维策略模型，向用户提供运维方案，以提供技术支持。
附图说明
下文将结合说明书附图对本发明进行进一步的描述说明，其中：
图1示出了根据本发明的一种多维数据融合的设备健康评估方法的一个实施例的流程图；
图2示出了根据本发明的一种多维数据融合的运维方法的一个实施例的流程图；
图3示出了根据本发明的一种多维数据融合的设备健康评估装置的一个实施例的结构图；
图4示出了根据本发明的一种多维数据融合的运维系统的一个实施例的结构图。
具体实施方式
下面将结合本发明实施例中的附图，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作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。
具体实施例一
本发明实施例首先提供了根据本发明的一种多维数据融合的设备健康评估方法的一个实施例。图1示出了根据本发明的一种多维数据融合的设备健康评估方法的一个实施例的流程图。如图1所示，该方法包括如下步骤：
S1:根据预设的关联参数选取方法，从预设的多种设备参数中计算获取多维关联数据组。
对设备而言，设备状态通常由多个参数组成，单个参数仅能代表某一方面的状态，难以表现高阶的系统状态，同时，对于具有输入端设备和输出端设备的工作设备，由于输入端设备状态和输出端设备状态对该工作设备的设备状态会具有一定影响；在对设备进行评估时，单纯割裂地通过单一参数反映设备健康状态难以发现设备潜在问题；在此基础上，仅考虑该工作设备的设备状态参数会降低评估准确性。因此，需要通过多个维度的参数对设备的健康进行判断才能更好地对设备进行健康评估，以及对潜在问题进行预测；但是，过多参数参与的数据分析将带来效率低下的问题，因此，在利用多维参数进行评估的基础上，需要预先对多维参数进行筛选。在本实施例中，通过计算各个设备参数数据组分别与设备机理模型参数组的关联度，来筛选关联度较高的多维关联数据组。在一个实施例中，用于计算关联度的方法为灰色关联度法。
具体地，首先从预设的多种设备参数中，获取预设的设备机理模型参数组以及设备状态参数组；接着，对所述设备机理模型参数组以及所述设备状态参数组进行无量纲化处理，从而相应获取第一设备机理数据组以及第一设备运行数据组；随后，通过灰色关联度法，计算所述设备状态参数组分别与各个第二设备运行数据组的关联度，并根据所述关联度，按预设的顺序对多个第二设备运行数据组进行排序，从而获取第一关联序列；最后，根据预设的关联筛选条件，从所述第一关联序列中筛选获取多维关联数据。
在一个实施例中，所述第一设备机理数据组对应于所述设备机理模型参数组，第一设备运行数据组对应于所述设备状态参数组，所述第一设备运行数据组包括多种设备的第二设备运行数据组。其中，第一设备机理数据组由设备机理模型参数组经过无量纲化处理后而得；第一设备运行数据组由设备状态参数组经过无量纲化处理后而得。
在一个实施例中，设备状态参数组包括输入设备状态参数组、输出设备状态参数组以及当前设备状态参数组。其中，输入设备状态参数组来自当前评估的设备的输入端设备，输出设备状态参数组来自当前评估的设备的输出端设备。
在一个实施例中，预设的顺序包括降序和升序；相应地，当预设的顺序为降序时，预设的关联筛选条件为选取排列在预设的临界值所处位置以上的所有数据组；当预设的顺序为升序时，预设的关联筛选条件为选取排列在临界值所处位置以下的所有数据。
在一个实施例中，在获取多维关联数据组后，将多维关联数据组写入Redis实时数据库和历史数据库以进行存储。
经过本步骤选取的数据组即为多维关联数据组，由于这一个或多个多维关联数据组从多维度描述了设备的状态，能够深入反应设备的潜在状态；并且设备机理模型参数组之间的关联度较高，避免评估过程中受到关联度低甚至不相关数据的干扰，从而有利于设备评估的深入性和准确性。
S2:通过预设的数据融合方法，对所述多维关联数据组进行处理计算以获得融合特征向量组。
由于不合理的数据融合也可能达不到有效的健康评估，在筛选获取关联度较高的多维关联数据组后，还应当对筛选后的多维参数进行合理数据融合。合理的数据融合包括数据清洗过程以及数据融合过程。在本实施例中，应对所述多维关联数据组中的数据进行数据清洗，并对清洗后的数据进行归一化处理，从而获取融合特征向量组。
具体地，首先，对于异常数据，需取该异常数据的相邻数据值，并对相邻数据值进行加权平均以替换该异常数据，对于缺失数据，直接用缺失位的相邻值或相邻值的加权平均值进行补充，对于异构数据，则采用统一的数据结构化标准进行格式转换，并在最后对多维关联数据组中的所有数据的正确性进行二次判定；随后，将多维关联数据组中的各项参数X的对应变量x映射到[0,1]区间。
在一个实施例中，正确性的二次判定过程为采用与各项数据相关的模拟量数据进行联合判断，例如：当对开关量状态数据进行正确性的二次判定时，采用与该开关量状态数据相关的模拟量数据进行联合判断。
在一个实施例中，参数归一化处理方法为：
Figure BDA0003175491890000071
其中，xn’为第n项参数对应变量x进行线性归一变换后的特征矢量，xmin为对应变量x的最小值，xmax为对应变量x的最大值，xSTD为参数X的标准值。在参数X存在标准值的情况下，偏离xSTD就意味着该参数变差，x’的取值由该参数是否有标准值而定，如果小于标准值，则xn’＝xl；若大于标准值则xn’＝xr；若不需与标准值比较，则xn’＝xm。
在对多维关联数据组中的各项参数进行归一化后，将参数归一化结果通过加权数进行构造形成特征向量，从而形成特征向量为：
X'＝{x’1,x'2,x'3,……,x'n}
其中，xn’为第n项参数对应变量x进行线性归一变换后的特征矢量。
S3:通过预设的评估预测方法，根据预设的预测模型、预设的评估对象、预设的评估级别以及所述融合特征向量组，计算获得所述评估对象的健康值以及预测值，从而完成设备评估。
为了使得评估结果能更全面地表征设备的健康度，在本步骤中，通过设置不同的评估级别，从不同的评估级别计算设备的健康值与预测值，从而对设备进行不同级别的健康评估与健康预测。在一个实施例中，评估级别分为参数级、部件级、设备级和系统级。
具体地，获取预设的评估对象以及所述融合特征向量组中对应于所述评估对象的评估特征数据，并获取预设的评估级别；根据所述评估特征数据计算获得参数健康值；以预设的第一权重对多个参数健康值进行加权计算，并根据加权后的多个参数健康值计算获得部件健康值；以预设的第二权重对多个部件健康值进行加权计算，并根据加权后的多个部件健康值计算获得设备健康值；以预设的第三权重对多个设备健康值进行加权计算，并根据加权后的多个设备健康值计算获得系统健康值；当所述评估级别为参数级时，将所述参数健康值作为所述评估对象的健康值；当所述评估级别为部件级时，将所述部件健康值作为所述评估对象的健康值；当所述评估级别为设备级时，将所述设备健康值作为所述评估对象的健康值；当所述评估级别为系统级时，将所述系统健康值作为所述评估对象的健康值；根据所述健康值构建健康值数据库，并基于预设的预测模型以及所述健康值数据库，对所述评估对象进行预测，从而相应获取预测值。
其中，健康值计算公式如下：
H＝∑{H’1·P1,H'2·P2,H’3·P3,……,H'n·Pn}
其中，Hn’为第n个对象的健康值，Pn为第n个对象健康值在向量中的权重。健康值可分为4个等级，H≥0.9表示健康优良，运行良好；0.9≥H≥0.75表示健康状况一般，需要持续关注；0.75≥H≥0.6表示健康状况差，可能有部件出现故障，需要立即排查处理；H≤0.6表示健康状况非常差，需立即排查处理。对于部件级的重要部件以上级别对象，需启动应急处理机制。
在计算得出健康值后，利用健康值在时间序列上的变化来表征部件、设备、系统的健康状态的变化。具体地，在对设备进行健康评估之前，基于线性回归法，利用健康值的历史数据构建部件级、设备级、系统级的预测模型，在计算得出健康值后，通过计算所得健康值以及前述预测模型，实现部件、设备、系统的不同时间尺度(当前、当天、当月、当季、当年)的健康预测，获取当前评估对象的剩余寿命或产能等指标以作为预测值。
在一个实施例中，当计算得出的健康值或预测值达到预设的警报值时，向用户发送警报信息，所述警报信息的形式包括文字形式、图像形式、声音形式以及前述一种或多种的组合。
本发明实施例提供了一种多维数据融合的设备健康评估方法，通过预设的关联参数选取方法选取关联度较高的多维关联数据，对多维关联数据进行数据融合，根据融合计算后所得数据计算设备的不同评估级别的当前健康值，并对设备进行不同评估级别的健康值预测，该设备健康评估方法提升了设备健康评估的深入性和准确性。
具体实施例二
更进一步地，本发明实施例还提供了一种多维数据融合的运维方法的一个实施例。图2示出了根据本发明的一种多维数据融合的运维方法的一个实施例的流程图。如图2所示，该方法包括如下步骤：
A1:获取用户预设选定的多种设备参数、评估对象以及评估级别。
在一个实施例中，多种设备参数、评估对象以及评估级别可以在设备使用前预设选定，也可以在每次获取用户输入的运维指令后，自动分析生成。
A2:执行如前所述的多维数据融合的设备健康评估方法以获取所述评估对象的健康值以及预测值。
A3:根据所述健康值、所述预测值以及预设的运维策略模型，向所述用户提供运维方案。
所述运维策略模型是基于决策树以及策略库构建的；所述策略库包括设备操作手册、故障排除手册、对象模型以及专家经验。
A4:当无法向用户提供运维方案时，向所述用户发送提示信息。
在一个实施例中，提示信息的形式包括文字形式、图像形式、声音形式以及前述一种或多种的组合。
在一个实施例中，所述运维方法还包括：接收所述用户输入的策略编辑指令，通过自动、半自动或手动的方式编辑所述策略库。
在设备运维期间，首先获取用户预设选定的多种设备参数、评估对象以及评估级别；随后，执行如前所述的多维数据融合的设备评估方法以获取所述评估对象的健康值以及预测值；然后，根据所述健康值、所述预测值以及预设的运维策略模型，向所述用户提供运维方案；在无法向用户提供运维方案时，向所述用户发送提示信息。
本发明实施例提供了一种多维数据融合的运维方法，通过预设的关联参数选取方法选取关联度较高的多维关联数据，对多维关联数据进行数据融合，根据融合计算后所得数据计算设备的不同评估级别的当前健康值，并对设备进行不同评估级别的健康值预测，该运维方法提升了设备健康评估的深入性和准确性；进一步地，本发明实施例提供的多维数据融合的运维方法还通过评估所得健康值、预测所得预测值以及预设的运维策略模型，向用户提供了相应运维方案，以提供技术支持。
具体实施例三
除上述方法外，本发明实施例还提供了根据本发明的一种多维数据融合的设备健康评估装置的一个实施例。图3示出了根据本发明的一种多维数据融合的设备健康评估装置的一个实施例的结构图。
如图3所示，本发明实施例还提供了一种多维数据融合的设备健康评估装置，设备健康评估装置包括参数选取单元11、数据融合单元12以及评估预测单元13。
参数选取单元11用于根据预设的关联参数选取方法，从预设的多种设备参数中计算获取多维关联数据组。
数据融合单元12用于通过预设的数据融合方法，对所述多维关联数据组进行处理计算以获得融合特征向量组。
评估预测单元13用于通过预设的评估预测方法，根据预设的预测模型、预设的评估对象、预设的评估级别以及所述融合特征向量组，计算获得所述评估对象的健康值以及预测值，从而完成设备评估。
当通过本实施例提供的多维数据融合的设备健康评估装置对设备进行设备健康评估时，该设备健康评估装置执行如前所述的多维数据融合的设备健康评估方法，具体地，参数选取单元11根据预设的关联参数选取方法，从预设的多种设备参数中计算获取多维关联数据组；数据融合单元12通过预设的数据融合方法，对所述多维关联数据组进行处理计算以获得融合特征向量组；评估预测单元13通过预设的评估预测方法，根据预设的预测模型、预设的评估对象、预设的评估级别以及所述融合特征向量组，计算获得所述评估对象的健康值以及预测值，从而完成设备评估。
本发明实施例提供了一种多维数据融合的设备健康评估装置，通过预设的关联参数选取方法选取关联度较高的多维关联数据，对多维关联数据进行数据融合，根据融合计算后所得数据计算设备的不同评估级别的当前健康值，并对设备进行不同评估级别的健康值预测，该设备健康评估装置提升了设备健康评估的深入性和准确性。
具体实施例四
除上述方法和装置外，本发明还提供了根据本发明的一种多维数据融合的运维系统的一个实施例。图4示出了根据本发明的一种多维数据融合的运维系统的一个实施例的结构图。
如图4所示，所述运维系统包括如前所述的多维数据融合的设备健康评估装置1、交互模块2以及运维支持模块3，其中，设备健康评估装置1、交互模块2以及运维支持模块3彼此之间相互通信连接。
设备健康评估装置1用于执行如前所述的多维数据融合的设备健康评估方法以获取所述评估对象的健康值以及预测值；
交互模块2用于获取用户预设选定的多种设备参数、评估对象以及评估级别。在一个实施例中，交互模块1还用于接收所述用户输入的策略编辑操作，通过自动、半自动或手动的方式编辑所述策略库。在一个实施例中，交互模块1包括触摸/不可触摸显示屏。在一个实施例中，交互模块1还包括可输入的键盘和/或可输入的虚拟键盘。在一个实施例中，交互模块1还包括扬声器和/或蜂鸣器。
运维支持模块3用于根据所述健康值、所述预测值以及预设的运维策略模型，向所述用户提供运维方案。其中，运维策略模型是基于决策树以及策略库构建的；所述策略库包括设备操作手册、故障排除手册、对象模型以及专家经验。在一个实施例中，运维支持模块3还包括预警单元，所述预警单元用于在计算得出的健康值或预测值达到预设的警报值时，通过交互模块1向用户发送警报信息；以及在无法向用户提供运维方案时，通过交互模块1向所述用户发送提示信息。
在一个实施例中，提示信息的形式包括文字形式、图像形式、声音形式以及前述一种或多种的组合。在一个实施例中，所述警报信息的形式包括文字形式、图像形式、声音形式以及前述一种或多种的组合。
当需要通过本实施例提供的多维数据融合的运维系统对设备进行运维时，首先交互模块2用于获取用户预设选定的多种设备参数、评估对象以及评估级别；接着，设备评估装置1用于执行如前所述的多维数据融合的设备健康评估方法以获取所述评估对象的健康值以及预测值，并在计算得出的健康值或预测值达到预设的警报值时，通过交互模块1向用户发送警报信息；随后，运维支持模块3用于根据所述健康值、所述预测值以及预设的运维策略模型，向所述用户提供运维方案；在无法向用户提供运维方案时，通过交互模块1向所述用户发送提示信息。
本发明实施例提供了一种多维数据融合的运维系统，通过预设的关联参数选取方法选取关联度较高的多维关联数据，对多维关联数据进行数据融合，根据融合计算后所得数据计算设备的不同评估级别的当前健康值，并对设备进行不同评估级别的健康值预测，该运维系统提升了设备健康评估的深入性和准确性；进一步地，本发明实施例提供的多维数据融合的运维系统还通过评估所得健康值、预测所得预测值以及预设的运维策略模型，向用户提供运维方案，以提供技术支持。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围。特别指出，对于本领域技术人员来说，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种多维数据融合的设备健康评估方法，其特征在于，包括：
根据预设的关联参数选取方法，从预设的多种设备参数中计算获取多维关联数据组；
通过预设的数据融合方法，对所述多维关联数据组进行处理计算以获得融合特征向量组；
通过预设的评估预测方法，根据预设的预测模型、预设的评估对象、预设的评估级别以及所述融合特征向量组，计算获得所述评估对象的健康值以及预测值，从而完成设备评估。
2.根据权利要求1所述的多维数据融合的设备健康评估方法，其特征在于，所述根据预设的关联参数选取方法，从预设的多种设备参数中计算获取多维关联数据，具体为：
从预设的多种设备参数中，获取预设的设备机理模型参数组以及设备状态参数组；
对所述设备机理模型参数组以及所述设备状态参数组进行无量纲化处理，从而相应获取第一设备机理数据组以及第一设备运行数据组；所述第一设备机理数据组对应于所述设备机理模型参数组，第一设备运行数据组对应于所述设备状态参数组；所述第一设备运行数据组包括多种设备的第二设备运行数据组；
通过灰色关联度法，计算所述设备状态参数组分别与各个第二设备运行数据组的关联度，并根据所述关联度，按预设的顺序对多个第二设备运行数据组进行排序，从而获取第一关联序列；
根据预设的关联筛选条件，从所述第一关联序列中筛选获取多维关联数据。
3.根据权利要求2所述的多维数据融合的设备健康评估方法，其特征在于，所述通过预设的数据融合方法，对所述多维关联数据组进行处理计算以获得融合特征向量组，具体为：
对所述多维关联数据组中的数据进行数据清洗，并对清洗后的数据进行归一化处理，从而获取融合特征向量组。
4.根据权利要求3所述的多维数据融合的设备健康评估方法，其特征在于，所述通过预设的评估预测方法，根据预设的预测模型、预设的评估对象、预设的评估级别以及所述融合特征向量组，计算获得所述评估对象的健康值以及预测值，具体为：
获取预设的评估对象以及所述融合特征向量组中对应于所述评估对象的评估特征数据，并获取预设的评估级别；
根据所述评估特征数据计算获得参数健康值；
以预设的第一权重对多个参数健康值进行加权计算，并根据加权后的多个参数健康值计算获得部件健康值；
以预设的第二权重对多个部件健康值进行加权计算，并根据加权后的多个部件健康值计算获得设备健康值；
以预设的第三权重对多个设备健康值进行加权计算，并根据加权后的多个设备健康值计算获得系统健康值；
当所述评估级别为参数级时，将所述参数健康值作为所述评估对象的健康值；
当所述评估级别为部件级时，将所述部件健康值作为所述评估对象的健康值；
当所述评估级别为设备级时，将所述设备健康值作为所述评估对象的健康值；
当所述评估级别为系统级时，将所述系统健康值作为所述评估对象的健康值；
根据所述健康值构建健康值数据库，并基于预设的预测模型以及所述健康值数据库，对所述评估对象进行预测，从而相应获取预测值。
5.一种多维数据融合的运维方法，其特征在于，所述运维方法包括：
获取用户预设选定的多种设备参数、评估对象以及评估级别；
执行如权利要求1-4任一项所述的多维数据融合的设备健康评估方法以获取所述评估对象的健康值以及预测值；
根据所述健康值、所述预测值以及预设的运维策略模型，向所述用户提供运维方案；所述运维策略模型是基于决策树以及策略库构建的；所述策略库包括设备操作手册、故障排除手册、对象模型以及专家经验。
6.根据权利要求5所述的多维数据融合的运维方法，其特征在于，所述运维方法还包括：
接收所述用户输入的策略编辑指令，通过自动、半自动或手动的方式编辑所述策略库。
7.根据权利要求5或6所述的多维数据融合的运维方法，其特征在于，所述运维方法还包括：
当无法向用户提供运维方案时，向所述用户发送提示信息。
8.一种多维数据融合的设备健康评估装置，其特征在于，所述设备健康评估装置包括参数选取单元、数据融合单元以及评估预测单元；其中，
所述参数选取单元用于根据预设的关联参数选取方法，从预设的多种设备参数中计算获取多维关联数据组；
所述数据融合单元用于通过预设的数据融合方法，对所述多维关联数据组进行处理计算以获得融合特征向量组；
所述评估预测单元用于通过预设的评估预测方法，根据预设的预测模型、预设的评估对象、预设的评估级别以及所述融合特征向量组，计算获得所述评估对象的健康值以及预测值，从而完成设备评估。
9.一种多维数据融合的运维系统，其特征在于，所述运维系统包括交互模块、如权利要求8所述的多维数据融合的设备健康评估装置以及运维支持模块，其中，
所述交互模块用于获取用户预设选定的多种设备参数、评估对象以及评估级别；
所述设备评估装置用于执行如权利要求1-4任一项所述的多维数据融合的设备健康评估方法以获取所述评估对象的健康值以及预测值；
所述运维支持模块用于根据所述健康值、所述预测值以及预设的运维策略模型，向所述用户提供运维方案；所述运维策略模型是基于决策树以及策略库构建的；所述策略库包括设备操作手册、故障排除手册、对象模型以及专家经验。
10.根据权利要求9所述的多维数据融合的运维系统，其特征在于，所述交互模块还用于接收所述用户输入的策略编辑操作，通过自动、半自动或手动的方式编辑所述策略库。
CN202110831107.0A 2021-07-22 2021-07-22 一种多维数据融合的设备健康评估方法、装置及运维系统 Active CN113657648B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110831107.0A CN113657648B (zh) 2021-07-22 2021-07-22 一种多维数据融合的设备健康评估方法、装置及运维系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110831107.0A CN113657648B (zh) 2021-07-22 2021-07-22 一种多维数据融合的设备健康评估方法、装置及运维系统

Publications (2)

Publication Number Publication Date
CN113657648A true CN113657648A (zh) 2021-11-16
CN113657648B CN113657648B (zh) 2024-03-19

Family

ID=78477703

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110831107.0A Active CN113657648B (zh) 2021-07-22 2021-07-22 一种多维数据融合的设备健康评估方法、装置及运维系统

Country Status (1)

Country Link
CN (1) CN113657648B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114429316A (zh) * 2022-04-06 2022-05-03 北京全路通信信号研究设计院集团有限公司 一种集中监测系统中的设备健康状态预测方法及系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5963919A (en) * 1996-12-23 1999-10-05 Northern Telecom Limited Inventory management strategy evaluation system and method
JP2004164025A (ja) * 2002-11-08 2004-06-10 Toshiba Mach Co Ltd 管理支援装置、そのシステム、その方法、そのプログラム、および、そのプログラムを記録した記録媒体
CN1916949A (zh) * 2006-09-06 2007-02-21 曾德华 电力设备状态评估及维修策略支撑系统
CN102789545A (zh) * 2012-07-12 2012-11-21 哈尔滨工业大学 基于退化模型匹配的涡轮发动机剩余寿命的预测方法
WO2019144386A1 (zh) * 2018-01-26 2019-08-01 大连理工大学 一种航空发动机过渡态关键性能参数预测方法
CN111539515A (zh) * 2020-04-21 2020-08-14 中国电子科技集团公司第三十八研究所 一种基于故障预测的复杂装备维修决策方法
CN111768082A (zh) * 2020-06-02 2020-10-13 广东电网有限责任公司 一种基于大数据分析的电力设备状态评估方法
CN111984513A (zh) * 2020-08-25 2020-11-24 浙江天垂科技有限公司 一种预测性维护方法、装置、设备以及存储介质
CN112803587A (zh) * 2020-12-30 2021-05-14 国网河北省电力有限公司 一种基于诊断决策库的自动化设备状态智能巡视方法
CN112836921A (zh) * 2020-12-02 2021-05-25 国网浙江省电力有限公司 一种基于电网微数据融合的数据监测分析及优化方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5963919A (en) * 1996-12-23 1999-10-05 Northern Telecom Limited Inventory management strategy evaluation system and method
JP2004164025A (ja) * 2002-11-08 2004-06-10 Toshiba Mach Co Ltd 管理支援装置、そのシステム、その方法、そのプログラム、および、そのプログラムを記録した記録媒体
CN1916949A (zh) * 2006-09-06 2007-02-21 曾德华 电力设备状态评估及维修策略支撑系统
CN102789545A (zh) * 2012-07-12 2012-11-21 哈尔滨工业大学 基于退化模型匹配的涡轮发动机剩余寿命的预测方法
WO2019144386A1 (zh) * 2018-01-26 2019-08-01 大连理工大学 一种航空发动机过渡态关键性能参数预测方法
CN111539515A (zh) * 2020-04-21 2020-08-14 中国电子科技集团公司第三十八研究所 一种基于故障预测的复杂装备维修决策方法
CN111768082A (zh) * 2020-06-02 2020-10-13 广东电网有限责任公司 一种基于大数据分析的电力设备状态评估方法
CN111984513A (zh) * 2020-08-25 2020-11-24 浙江天垂科技有限公司 一种预测性维护方法、装置、设备以及存储介质
CN112836921A (zh) * 2020-12-02 2021-05-25 国网浙江省电力有限公司 一种基于电网微数据融合的数据监测分析及优化方法
CN112803587A (zh) * 2020-12-30 2021-05-14 国网河北省电力有限公司 一种基于诊断决策库的自动化设备状态智能巡视方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
刘科研;盛万兴;张东霞;贾东梨;胡丽娟;何开元;: "智能配电网大数据应用需求和场景分析研究", 中国电机工程学报, vol. 35, no. 02, pages 287 - 293 *
宋人杰;刘瑞英;刘耀伟;吴启龙;曹明;: "基于层次灰关联分析的变压器状态评估关键指标体系构建及应用", 高电压技术, no. 08, pages 83 - 89 *
曲晓慧, 乔新勇, 陈玫, 安钢: "基于灰色关联分析的柴油机状况评估", 兵工学报, vol. 26, no. 04, 15 July 2005 (2005-07-15), pages 557 - 559 *
江秀臣;盛戈;: "电力设备状态大数据分析的研究和应用", 高电压技术, no. 04, pages 7 - 16 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114429316A (zh) * 2022-04-06 2022-05-03 北京全路通信信号研究设计院集团有限公司 一种集中监测系统中的设备健康状态预测方法及系统

Also Published As

Publication number Publication date
CN113657648B (zh) 2024-03-19

Similar Documents

Publication Publication Date Title
Liu et al. Risk evaluation approaches in failure mode and effects analysis: A literature review
US20140143610A1 (en) Data preserving apparatus, method and system therefor
CN110428018A (zh) 一种全链路监控系统中的异常预测方法及装置
CN113099476B (zh) 网络质量检测方法、装置、设备及存储介质
US20170169342A1 (en) System and method for diagnosing at least one component requiring maintenance in an appliance and/or installation
KR101776350B1 (ko) 압축기를 진단하는 방법 및 시스템
CN112632179A (zh) 模型构建方法、装置、存储介质及设备
CN113657648B (zh) 一种多维数据融合的设备健康评估方法、装置及运维系统
CN114138601A (zh) 一种业务告警方法、装置、设备及存储介质
CN116258482B (zh) 一种自动选择维修方案的方法、服务器、电子设备
CN116975639B (zh) 设备的异常防控系统及方法
CN113032239A (zh) 风险提示方法、装置、电子设备及存储介质
CN112819262A (zh) 存储器、工艺管道检维修决策方法、装置和设备
CN114066322A (zh) 一种输油气管道无人站运行管理及风险防控能力评价方法
WO2008065399A1 (en) Organisation assessment and representation system and method
CN113807743A (zh) 一种电网调度自动化软件可靠性评估方法及系统
JP2005071136A (ja) 納期管理支援システム、そのプログラム、そのプログラムを記録した記録媒体および製品の納期管理方法
CN112613718A (zh) 一种特定场所风险评估方法及装置
CN109409717B (zh) 基于大数据和深度学习的主动审计方法和机器人系统
CN117670172B (zh) 一种外贸数据处理方法和系统
CN113240358B (zh) 一种超大跨斜拉桥梁型施工徐变数据自动记录方法
US20230214739A1 (en) Recommendation system for improving support for a service
CN110322148B (zh) 一种多层级任务可靠性分配方法及系统
CN118228130A (zh) 一种基于设备健康状态的监测方法、系统和存储介质
CN115098835A (zh) 设备状态评估方法、系统和计算机终端

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