CN116187047A - 设备寿命预测方法及相关装置 - Google Patents
设备寿命预测方法及相关装置 Download PDFInfo
- Publication number
- CN116187047A CN116187047A CN202310122242.7A CN202310122242A CN116187047A CN 116187047 A CN116187047 A CN 116187047A CN 202310122242 A CN202310122242 A CN 202310122242A CN 116187047 A CN116187047 A CN 116187047A
- Authority
- CN
- China
- Prior art keywords
- target
- equipment
- state information
- life cycle
- factor
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种设备寿命预测方法及相关装置,其方法包括:通过获取目标设备的设备状态信息并在设备状态信息中进行特征数据提取获取状态信息因子;对状态信息因子的时域特性进行分析获取目标设备对应的生命周期模型;在满足生命周期模型的分析条件的情况下对目标设备的生命周期进行预测并生成预测报告。利用时域特性生成的生命周期模型可以精确地实现对设备寿命的预测,解决了设备及时更换的技术问题,实现了保障设备运行安全的技术效果。
Description
技术领域
本申请涉及设备管理领域,尤其是涉及一种设备寿命预测方法及相关装置。
背景技术
随着科学技术的进步,地铁成为了越来越多城市中的首要出行方式,目前维持地铁运行的地铁机电设备众多,对于地铁的维护往往也是通过设备购买时的相关资料以及驻点工作人员进行解决。因为维持地跌的设备数量和种类都比较多,因此设备使用老化发现不及时的问题,无法及时做到对设备进行替换更新。
因此,如何科学地对设备寿命进行预测成为了一个亟待解决的技术问题。
发明内容
为了解决科学地对设备寿命进行预测的问题,本申请提供一种设备寿命预测方法及相关装置。
第一方面,本申请提供的一种设备寿命预测方法采用如下的技术方案:一种设备寿命预测方法,包括:
获取目标设备的设备状态信息;
在所述设备状态信息中进行特征数据提取以获取状态信息因子;
根据所述状态信息因子中的时域特性进行分析以获取所述目标设备对应的生命周期模型;
判断当前是否满足所述生命周期模型的分析条件;
若是,则根据所述生命周期模型对所述目标设备的生命周期进行预测并生成预测报告。
可选的,所述在所述设备状态信息中进行特征数据提取以获取状态信息因子的步骤,包括:
在所述设备状态信息中进行数据清洗获取第一目标数据;
在所述第一目标数据中根据预设有效时间确定有效数据;
在所述有效数据中根据时域特征进行数据提取以获取状态信息因子。
可选的,所述根据所述状态信息因子中的时域特性进行分析以获取所述目标设备对应的生命周期模型的步骤之前,还包括:
根据所述目标设备确定设备类型;
在所述预设因子集合中根据所述设备类型匹配对应的信号因子类型;
根据所述信号因子类型确定时域特性分析条件。
可选的,所述根据所述状态信息因子中的时域特性进行分析以获取所述目标设备对应的生命周期模型的步骤,包括:
获取所述时域特性分析条件并在预设信息库中进行遍历以获取目标类型集合;
根据所述目标类型集合结合所述状态信息因子进行分析,并获取分析结果;
在预设设备系数表中获取所述目标设备对应的目标系数;
将所述分析结果结合所述目标系数生成所述目标设备对应的生命周期模型。
可选的,所述根据所述目标类型集合结合所述状态信息因子进行分析,并获取分析结果的步骤,包括:
根据所述目标类型集合在所述状态信息因子中确定待分析参数;
对所述待分析参数中的时域特性进行分析,确定所述目标设备当前的使用进度;
将所述使用进度作为分析结果。
可选的,所述判断当前是否满足所述生命周期模型的分析条件的步骤,包括:
根据所述目标设备的设备状态信息判断是否超过预设连续工作时长;
若否,则获取所述生命周期模型的运行标准;
根据所述运行标准结合所述目标设备的设备状态信息判断是否满足所述生命周期模型的分析条件。
可选的,所述根据所述生命周期模型对所述目标设备的生命周期进行预测并生成预测报告的步骤,包括:
将所述目标设备的设备状态信息作为输入信息输入至所述生命周期模型,并获取输出结果;
根据所述输出结果判断是否属于危险结果;
若是,则生成一类预测报告,并结合所述一类预测报告发送至预设预警端口;
若否,则生成二类预测报告并在所述二类预测报告中生成剩余使用时长建议。
第二方面,本申请提供一种设备寿命预测装置,所述设备寿命预测装置包括:
信息获取模块,用于获取目标设备的设备状态信息;
状态信息因子提取模块,用于在所述设备状态信息中进行特征数据提取以获取状态信息因子;
模型建立模块,用于根据所述状态信息因子中的时域特性进行分析以获取所述目标设备对应的生命周期模型;
分析判断模块,用于判断当前是否满足所述生命周期模型的分析条件;
报告生成模块,用于若是,则根据所述生命周期模型对所述目标设备的生命周期进行预测并生成预测报告。
第三方面,本申请提供一种计算机设备,所述设备包括:存储器、处理器,所述处理器在运行所述存储器存储的计算机指令时,执行如上文中任一项所述的方法。
第四方面,本申请提供一种计算机可读存储介质,包括指令,当所述指令在计算机上运行时,使得计算机执行如上文所述的方法。
综上描述,本申请包括以下有益技术效果:
本申请通过获取目标设备的设备状态信息并在设备状态信息中进行特征数据提取获取状态信息因子;对状态信息因子的时域特性进行分析获取目标设备对应的生命周期模型;在满足生命周期模型的分析条件的情况下对目标设备的生命周期进行预测并生成预测报告。利用时域特性生成的生命周期模型可以精确地实现对设备寿命的预测,解决了设备及时更换的技术问题,实现了保障设备运行安全的技术效果。
附图说明
图1是本申请实施例方案涉及的硬件运行环境的计算机设备结构示意图;
图2是本申请设备寿命预测方法第一实施例的流程示意图;
图3是本申请设备寿命预测方法第一实施例的工作逻辑图;
图4是本申请设备寿命预测方法第二实施例的流程示意图;
图5是本申请设备寿命预测装置第一实施例的结构框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下通过附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的计算机设备结构示意图。
如图1所示,计算机设备可以包括:处理器1001,例如中央处理器(CentralProcessing Unit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(Wireless-Fidelity,Wi-Fi)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory,RAM),也可以是稳定的非易失性存储器(Non-Volatile Memory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对计算机设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及设备寿命预测程序。
在图1所示的计算机设备中,网络接口1004主要用于与网络服务器进行数据通信;用户接口1003主要用于与用户进行数据交互;本发明计算机设备中的处理器1001、存储器1005可以设置计算机设备中,所述计算机设备通过处理器1001调用存储器1005中存储的设备寿命预测程序,并执行本发明实施例提供的设备寿命预测方法。
本发明实施例提供了一种设备寿命预测方法,参照图2,图2为本发明设备寿命预测方法第一实施例的流程示意图。
本实施例中,所述设备寿命预测方法包括以下步骤:
步骤S10:获取目标设备的设备状态信息。
需要说明的是,在本实施例中设备状态信息包括目标设备的运行信息和目标设备的硬件信息;其中目标设备的运行信息包括:工作电流、工作电压、工作温度、振动信息、位移信息等;目标设备的硬件信息包括:线路连接情况、线路损耗情况、支撑损耗情况等。
可以理解的是,获取目标设备的设备状态信息是指通过物联网的方式获取目标设备在运行过程中产生的数据以及采用传感器监测的方式获取设备状态信息。例如:通过温度测量设备可以获取目标设备在工作过程中的工作环境温度参数。
需要说明的是,如图3所示的工作逻辑图,本实施例中的其中一种具体实施方式是指用于地铁设备的寿命预测,在确定目标设备之后提取设备状态信息中的信息因子,通过多源数据融合分析以及时域特征提取最终实现寿命识别,在获取设备的寿命结果之后进一步针对设备寿命进行决策。
步骤S20:在设备状态信息中进行特征数据提取以获取状态信息因子。
需要说明的是,在本实施例中的特征数据提取是指对设备状态信息中的无用数据进行剔除。设备状态信息中如上文所述存在无关数据,无关数据并不会影响设备的使用寿命,例如在A段线缆的寿命预测中,线缆的工作温度和工作湿度可以作为状态信息因子,而线缆的震动因素则可以作为无用因子进行剔除。
在具体实施中,特征提取的方式是通过不同的设备类型对对应的无关因素进行剔除。通过管理员预先新建映射关系表的方式,在确定目标设备的设备类型之后通过映射关系表进行匹配获取待剔除的数据类型,以此实现特征数据的提取。
进一步的,为了提高信息因子获取的精确性,所述在设备状态信息中进行特征数据提取以获取状态信息因子的步骤,包括:在设备状态信息中进行数据清洗获取第一目标数据;在第一目标数据中根据预设有效时间确定有效数据;在有效数据中根据时域特征进行数据提取以获取状态信息因子。
需要说明的是,数据清洗是指去除非目标设备工作相关的数据信息,包括:其他设备的信息以及工作设备产生的错误信息。例如:在采集B段线缆的数据信息的过程中,会在B段起点和终点采集到其他线缆的数据信息,因此需要将其他线缆的额数据信息进行剔除。
可以理解的是,在获取第一目标数据之后,将根据数据种类确定数据对应的预设有效时间,在第一目标数据中根据预设有效时间对超过该时间的数据进行进一步清洗以获取有效数据,最终在有效数据中根据时域特征进行数据提取。
需要说明的是,在本实施例中时域特性是指压力传感器对特定的输入(通常是阶跃压力)在时间域的响应特性。主要包括自振频率、上升时间、建立时间、过冲量及灵敏度等。
步骤S30:根据状态信息因子中的时域特性进行分析以获取目标设备对应的生命周期模型。
需要说明的是,在本实施例中的生命周期模型是指将目标设备的数据作为输入可以输出寿命预测的模型。其中,目标设备输入的必要数据包括:目标设备的基础数据,目标设备的采集数据,目标设备历史数据。输出的数据将是截止输入模型中进行计算的时间,目标设备所剩余寿命。
在具体实施中,生成的生命周期模型计算原则为:获取目标设备的基础信息中的设备理论寿命信息,将当前采集的目标设备的工作信息结合目标设备的历史采集信息生成设备常态化工作信息;将常态化工作信息与目标设备基础信息中的理论工作环境信息进行对比获取损耗系数;通过损耗系数和当前总工作时长确定目标设备的寿命预测情况。
步骤S40:判断当前是否满足所述生命周期模型的分析条件。
需要说明的是,在本实施例中的目标设备若是新购置的设备则无需进行设备寿命的预测,具体如何判断是否为新购置设备可以由系统管理人员进行设定,例如:规定购置1个月之内的设备没有达到生命周期模型的分析条件。
进一步的,为了提升无需进行分析的设备筛选的精确度,所述判断当前是否满足生命周期模型的分析条件的步骤,包括:根据目标设备的设备状态信息判断是否超过预设连续工作时长;若否,则获取生命周期模型的运行标准;根据运行标准结合目标设备的设备状态信息判断是否满足生命周期模型的分析条件。
需要说明的是,在本实施例中将设定连续工作时长,该时长用于判定目标设备是否超负荷进行工作,在设备超负荷进行工作的过程中采集的设备状态信息将会偏离设备正常工作过程中的设备状态信息。
可以理解的是,运行标准是指在设备工作的信息中进行标准设定,例如设定设备至少需要工作的时长,设备在正常工作状态下占总体工作运行状态中的比例等。例如:运行标准规定目标设备需要存在工作记录2000h,才能进行设备生命周期预测。
步骤S50:若是,则根据生命周期模型对目标设备的生命周期进行预测并生成预测报告。
需要说明的是,在本实施例中生命周期又称设备寿命周期。设备寿命周期是指设备从投入使用开始,到在技术上或经济上不宜继续使用而退出使用过程为止所经历的时间。设备的寿命周期有以下三种: (1) 设备的物质寿命,亦称自然寿命。它是指设备从投入使用开始,到由于有形磨损使设备在技术上完全丧失使用价值而报废为止所经历的时间。(2) 设备的技术寿命,亦称有效寿命。它是指设备从投入使用开始,到由于技术进步,性能更好、效率更高的新型设备出现,使原有设备在未达到物质寿命之前就丧失使用价值而退出使用过程所经历的时间。(3) 设备的经济寿命。指从设备投入使用开始,到由于设备老化,使用费用急剧增加,继续使用在经济上不合理而退出使用过程为止所经历的时间
进一步的,为了提升预测报告的实用性,所述根据所述生命周期模型对目标设备的生命周期进行预测并生成预测报告的步骤,包括:将目标设备的设备状态信息作为输入信息输入至生命周期模型,并获取输出结果;根据输出结果判断是否属于危险结果;若是,则生成一类预测报告,并结合一类预测报告发送至预设预警端口;若否,则生成二类预测报告并在二类预测报告中生成剩余使用时长建议。
需要说明的是,一类预测报告为判定目标设备会随时影响正常使用的情况下生成的报告,二类预测报告为判定目标暂时不会影响正常使用的情况下生成的报告。因此,一类预测报告对应的措施是立即将一类预测报告发送至预警端口,例如:在可以将预警端口设定至总控制室以及相关值班人员的移动设备以实现及时预警的效果;二类预测报告因为判定短时间内不会对周围设备的工作造成负面影响,因此在生成预测报告的同时还会生成剩余使用时长建议。其中,剩余使用时长的建议主要是根据目标设备的历史工作记录中的工作环境数据收集推算而来,如果目标设备在历史工作过程中经常处于满负荷甚至超负荷工作的状态,会造成在测算的同时损耗系数比较高,生成的剩余使用时长会降低。
本实施例通过获取目标设备的设备状态信息并在设备状态信息中进行特征数据提取获取状态信息因子;对状态信息因子的时域特性进行分析获取目标设备对应的生命周期模型;在满足生命周期模型的分析条件的情况下对目标设备的生命周期进行预测并生成预测报告。利用时域特性生成的生命周期模型可以精确地实现对设备寿命的预测,解决了设备及时更换的技术问题,实现了保障设备运行安全的技术效果。
参考图4,图4为本发明设备寿命预测方法第二实施例的流程示意图。
基于上述第一实施例,本实施例设备寿命预测方法的所述步骤S30之前,还包括:
步骤S301:根据目标设备确定设备类型。
需要说明的是,在本实施例中设备类型可以分为暴露式工作设备以及非暴露式工作设备;核心工作设备和非核心工作设备等,具体情况根据使用情况进行设定。
步骤S302:在预设因子集合中根据设备类型匹配对应的信号因子类型。
需要说明的是,对应不同类型的目标设备将会采集不同的信号因子,具体的采集逻辑由信号因子类型进行决定。
可以理解的是,信号因子类型是指采集数据的类型。
步骤S303:根据信号因子类型确定时域特性分析条件。
可以理解的是,时域特性分析条件是利用传感器数据融合技术从多源数据的视角进行处理与综合,得到各种信号的内在联系和规律,从而剔除无用的、错误的信号,筛选出正确与有用的信息。
在具体实施中,以地铁设备为例将经过融合处理的多源信号进行合成,把多源数据信号在时间上和空间上的特征信息根据某种准则进行提取,形成一个被监测的地铁设备的某种特征 的全生命周期模型。根据生命周期模型,加上计划生命周期、维护成本与周期、已使用的周期等信号因子来预测识别地铁设备寿命时间。
进一步的,为了提升生命周期模型生成的准确性,所述根据状态信息因子中的时域特性进行分析以获取目标设备对应的生命周期模型的步骤,包括:获取时域特性分析条件并在预设信息库中进行遍历以获取目标类型集合;根据目标类型集合结合状态信息因子进行分析,并获取分析结果;在预设设备系数表中获取目标设备对应的目标系数;将分析结果结合目标系数生成目标设备对应的生命周期模型。
需要说明的是根据时域特性分析条件获取到目标类型集合之后,将对应获取到的数据作为目标设备的待分析数据;通过状态信息因子的分析获取目标设备工作的具体参数因子以及分析得到的工作环境因素。对工作环境因素进行判断,判断依据为根据目标设备的基础引入信息中适合的工作环境。因此会得出结论,目标设备当前工作环境是否为推荐工作环境,若否,则会生成损耗系数,将损耗系数作为目标系数最终结合分析结果生成生命周期模型。
需要说明的是,所述根据目标类型集合结合状态信息因子进行分析,并获取分析结果的步骤,包括:根据目标类型集合在状态信息因子中确定待分析参数;对待分析参数中的时域特性进行分析,确定目标设备当前的使用进度;将使用进度作为分析结果。
需要说明的是,根据状态信息因子的分析结果将会确定待分析参数即目标设备相关的工作参数,结合采集的历史工作记录将会获得目标设备对应的使用进度以此确定目标设备当前所处的生命周期。
本实施例通过根据目标设备确定设备类型;在预设因子集合中根据设备类型匹配对应的信号因子类型;根据信号因子类型确定时域特性分析条件。实现了在进行生命周期模型建立之前删除大量无用数据的技术效果,进一步提升了计算时间,提高了生命周期模型建立的效率。
此外,本发明实施例还提出一种计算机可读存储介质,所述存储介质上存储有设备寿命预测的程序,所述设备寿命预测的程序被处理器执行时实现如上文所述的设备寿命预测的方法的步骤。
参照图5,图5为本发明设备寿命预测装置第一实施例的结构框图。
如图5所示,本发明实施例提出的设备寿命预测装置包括:
信息获取模块10,用于获取目标设备的设备状态信息;
状态信息因子提取模块20,用于在所述设备状态信息中进行特征数据提取以获取状态信息因子;
模型建立模块30,用于根据所述状态信息因子中的时域特性进行分析以获取所述目标设备对应的生命周期模型;
分析判断模块40,用于判断当前是否满足所述生命周期模型的分析条件;
报告生成模块50,用于若是,则根据所述生命周期模型对所述目标设备的生命周期进行预测并生成预测报告。
应当理解的是,以上仅为举例说明,对本发明的技术方案并不构成任何限定,在具体应用中,本领域的技术人员可以根据需要进行设置,本发明对此不做限制。
本实施例通过获取目标设备的设备状态信息并在设备状态信息中进行特征数据提取获取状态信息因子;对状态信息因子的时域特性进行分析获取目标设备对应的生命周期模型;在满足生命周期模型的分析条件的情况下对目标设备的生命周期进行预测并生成预测报告。利用时域特性生成的生命周期模型可以精确地实现对设备寿命的预测,解决了设备及时更换的技术问题,实现了保障设备运行安全的技术效果。
在一实施例中,所述状态信息因子提取模块20,还用于在所述设备状态信息中进行数据清洗获取第一目标数据;在所述第一目标数据中根据预设有效时间确定有效数据;在所述有效数据中根据时域特征进行数据提取以获取状态信息因子。
在一实施例中,所述模型建立模块30,还用于根据所述目标设备确定设备类型;在所述预设因子集合中根据所述设备类型匹配对应的信号因子类型;根据所述信号因子类型确定时域特性分析条件。
在一实施例中,所述模型建立模块30,还用于获取所述时域特性分析条件并在预设信息库中进行遍历以获取目标类型集合;根据所述目标类型集合结合所述状态信息因子进行分析,并获取分析结果;在预设设备系数表中获取所述目标设备对应的目标系数;将所述分析结果结合所述目标系数生成所述目标设备对应的生命周期模型。
在一实施例中,所述模型建立模块30,还用于根据所述目标类型集合在所述状态信息因子中确定待分析参数;对所述待分析参数中的时域特性进行分析,确定所述目标设备当前的使用进度;将所述使用进度作为分析结果。
在一实施例中,所述分析判断模块40,还用于根据所述目标设备的设备状态信息判断是否超过预设连续工作时长;若否,则获取所述生命周期模型的运行标准;根据所述运行标准结合所述目标设备的设备状态信息判断是否满足所述生命周期模型的分析条件。
在一实施例中,所述报告生成模块50,还用于将所述目标设备的设备状态信息作为输入信息输入至所述生命周期模型,并获取输出结果;根据所述输出结果判断是否属于危险结果;若是,则生成一类预测报告,并结合所述一类预测报告发送至预设预警端口;若否,则生成二类预测报告并在所述二类预测报告中生成剩余使用时长建议。
需要说明的是,以上所描述的工作流程仅仅是示意性的,并不对本发明的保护范围构成限定,在实际应用中,本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的,此处不做限制。
另外,未在本实施例中详尽描述的技术细节,可参见本发明任意实施例所提供的设备寿命预测的方法,此处不再赘述。
此外,需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如只读存储器(Read Only Memory,ROM)/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种设备寿命预测方法,其特征在于,包括:
获取目标设备的设备状态信息;
在所述设备状态信息中进行特征数据提取以获取状态信息因子;
根据所述状态信息因子中的时域特性进行分析以获取所述目标设备对应的生命周期模型;
判断当前是否满足所述生命周期模型的分析条件;
若是,则根据所述生命周期模型对所述目标设备的生命周期进行预测并生成预测报告。
2.根据权利要求1所述的设备寿命预测方法,其特征在于,所述在所述设备状态信息中进行特征数据提取以获取状态信息因子的步骤,包括:
在所述设备状态信息中进行数据清洗获取第一目标数据;
在所述第一目标数据中根据预设有效时间确定有效数据;
在所述有效数据中根据时域特征进行数据提取以获取状态信息因子。
3.根据权利要求1所述的设备寿命预测方法,其特征在于,所述根据所述状态信息因子中的时域特性进行分析以获取所述目标设备对应的生命周期模型的步骤之前,还包括:
根据所述目标设备确定设备类型;
在所述预设因子集合中根据所述设备类型匹配对应的信号因子类型;
根据所述信号因子类型确定时域特性分析条件。
4.根据权利要求3所述的设备寿命预测方法,其特征在于,所述根据所述状态信息因子中的时域特性进行分析以获取所述目标设备对应的生命周期模型的步骤,包括:
获取所述时域特性分析条件并在预设信息库中进行遍历以获取目标类型集合;
根据所述目标类型集合结合所述状态信息因子进行分析,并获取分析结果;
在预设设备系数表中获取所述目标设备对应的目标系数;
将所述分析结果结合所述目标系数生成所述目标设备对应的生命周期模型。
5.根据权利要求4所述的设备寿命预测方法,其特征在在于,所述根据所述目标类型集合结合所述状态信息因子进行分析,并获取分析结果的步骤,包括:
根据所述目标类型集合在所述状态信息因子中确定待分析参数;
对所述待分析参数中的时域特性进行分析,确定所述目标设备当前的使用进度;
将所述使用进度作为分析结果。
6.根据权利要求1所述的设备寿命预测方法,其特征在于,所述判断当前是否满足所述生命周期模型的分析条件的步骤,包括:
根据所述目标设备的设备状态信息判断是否超过预设连续工作时长;
若否,则获取所述生命周期模型的运行标准;
根据所述运行标准结合所述目标设备的设备状态信息判断是否满足所述生命周期模型的分析条件。
7.根据权利要求1所述的设备寿命预测方法,其特征在于,所述根据所述生命周期模型对所述目标设备的生命周期进行预测并生成预测报告的步骤,包括:
将所述目标设备的设备状态信息作为输入信息输入至所述生命周期模型,并获取输出结果;
根据所述输出结果判断是否属于危险结果;
若是,则生成一类预测报告,并结合所述一类预测报告发送至预设预警端口;
若否,则生成二类预测报告并在所述二类预测报告中生成剩余使用时长建议。
8.一种设备寿命预测装置,其特征在于,所述设备寿命预测装置包括:
信息获取模块,用于获取目标设备的设备状态信息;
状态信息因子提取模块,用于在所述设备状态信息中进行特征数据提取以获取状态信息因子;
模型建立模块,用于根据所述状态信息因子中的时域特性进行分析以获取所述目标设备对应的生命周期模型;
分析判断模块,用于判断当前是否满足所述生命周期模型的分析条件;
报告生成模块,用于若是,则根据所述生命周期模型对所述目标设备的生命周期进行预测并生成预测报告。
9.一种计算机设备,其特征在于,所述设备包括:存储器、处理器,所述处理器在运行所述存储器存储的计算机指令时,执行如权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,包括指令,当所述指令在计算机上运行时,使得计算机执行如权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310122242.7A CN116187047A (zh) | 2023-02-16 | 2023-02-16 | 设备寿命预测方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310122242.7A CN116187047A (zh) | 2023-02-16 | 2023-02-16 | 设备寿命预测方法及相关装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116187047A true CN116187047A (zh) | 2023-05-30 |
Family
ID=86439891
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310122242.7A Pending CN116187047A (zh) | 2023-02-16 | 2023-02-16 | 设备寿命预测方法及相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116187047A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109724785A (zh) * | 2018-12-29 | 2019-05-07 | 中铁工程装备集团有限公司 | 一种基于多源信息融合的刀具状态监测及寿命预测系统 |
US20210406717A1 (en) * | 2020-06-29 | 2021-12-30 | Oracle International Corporation | Enabling efficient machine learning model inference using adaptive sampling for autonomous database services |
WO2022100017A1 (zh) * | 2020-11-16 | 2022-05-19 | 杭州景业智能科技股份有限公司 | 基于边缘计算的刀具寿命预测方法、装置和计算机设备 |
CN115310240A (zh) * | 2022-10-11 | 2022-11-08 | 烟台杰瑞石油装备技术有限公司 | 油气压裂泵设备寿命预测方法、装置及非易失性存储介质 |
CN115409067A (zh) * | 2022-09-07 | 2022-11-29 | 西安工业大学 | 一种数控机床组件剩余寿命预测方法 |
-
2023
- 2023-02-16 CN CN202310122242.7A patent/CN116187047A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109724785A (zh) * | 2018-12-29 | 2019-05-07 | 中铁工程装备集团有限公司 | 一种基于多源信息融合的刀具状态监测及寿命预测系统 |
US20210406717A1 (en) * | 2020-06-29 | 2021-12-30 | Oracle International Corporation | Enabling efficient machine learning model inference using adaptive sampling for autonomous database services |
WO2022100017A1 (zh) * | 2020-11-16 | 2022-05-19 | 杭州景业智能科技股份有限公司 | 基于边缘计算的刀具寿命预测方法、装置和计算机设备 |
CN115409067A (zh) * | 2022-09-07 | 2022-11-29 | 西安工业大学 | 一种数控机床组件剩余寿命预测方法 |
CN115310240A (zh) * | 2022-10-11 | 2022-11-08 | 烟台杰瑞石油装备技术有限公司 | 油气压裂泵设备寿命预测方法、装置及非易失性存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104951990B (zh) | 电网数据处理方法及设备 | |
JP6427357B2 (ja) | 診断支援システム及び診断支援方法 | |
JP4990988B2 (ja) | 機器劣化評価支援方法及び機器劣化評価支援装置 | |
CN109960232B (zh) | 领先辅助参数的选择方法和设备维护预诊断的方法 | |
CN115794532A (zh) | 多指标智能动态阈值监控方法及系统 | |
JP5061744B2 (ja) | 状況解析システムおよび状況解析方法 | |
CN112016689A (zh) | 信息处理装置、预测判别系统以及预测判别方法 | |
CN110808864A (zh) | 通信预警方法、装置及系统 | |
CN107121943B (zh) | 一种用于获得智能仪表的健康预测信息的方法和装置 | |
Bejaoui et al. | A data-driven prognostics technique and rul prediction of rotating machines using an exponential degradation model | |
CN114977176A (zh) | 电力负荷分解方法、装置、设备及存储介质 | |
CN115878958A (zh) | 一种变压器油温预测方法、装置、设备及存储介质 | |
CN110469461B (zh) | 一种风机齿带的断裂预估方法、其装置及可读存储介质 | |
KR102285374B1 (ko) | 인공지능 기반 작업 전력패턴 자동 인식 방법과 이를 위한 시스템 | |
CN105844169B (zh) | 信息安全度量方法及装置 | |
CN116187047A (zh) | 设备寿命预测方法及相关装置 | |
KR101993366B1 (ko) | 건설현장의 온실가스 발생추이 예측/경고시스템 및 그 방법 | |
CN111311318A (zh) | 用户流失预警的方法、装置、设备及存储介质 | |
CN115169650B (zh) | 一种大数据分析的装备健康预测方法 | |
CN116070734A (zh) | 一种变压器故障预测方法、装置、设备及存储介质 | |
CN115018366B (zh) | 储能系统工作状态监测方法、装置、存储介质及电子设备 | |
CN117370847B (zh) | 基于深度学习的隔离开关检测方法及装置 | |
CN117609740B (zh) | 基于工业大模型智能预测维护系统 | |
CN115018011B (zh) | 电力负荷类型识别方法、装置、设备及存储介质 | |
CN118153757A (zh) | 电气元件的寿命预测方法、装置、电子设备及存储介质 |
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 |