CN116957365B - 水泵电机的维护效果评估方法及其系统 - Google Patents
水泵电机的维护效果评估方法及其系统 Download PDFInfo
- Publication number
- CN116957365B CN116957365B CN202311213603.5A CN202311213603A CN116957365B CN 116957365 B CN116957365 B CN 116957365B CN 202311213603 A CN202311213603 A CN 202311213603A CN 116957365 B CN116957365 B CN 116957365B
- Authority
- CN
- China
- Prior art keywords
- data set
- maintenance
- water pump
- data
- pump motor
- 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
- 238000012423 maintenance Methods 0.000 title claims abstract description 241
- 238000011156 evaluation Methods 0.000 title claims abstract description 180
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 145
- 230000000694 effects Effects 0.000 title claims abstract description 112
- 238000013507 mapping Methods 0.000 claims abstract description 73
- 230000032683 aging Effects 0.000 claims abstract description 54
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 9
- 230000011218 segmentation Effects 0.000 claims description 25
- 238000012795 verification Methods 0.000 claims description 21
- 230000015556 catabolic process Effects 0.000 claims description 18
- 238000006731 degradation reaction Methods 0.000 claims description 18
- 238000004519 manufacturing process Methods 0.000 claims description 17
- 230000008859 change Effects 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 9
- 238000011157 data evaluation Methods 0.000 claims description 7
- 230000002498 deadly effect Effects 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims description 6
- 230000001960 triggered effect Effects 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 4
- 230000003993 interaction Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 description 7
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000009467 reduction 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种水泵电机的维护效果评估方法及其系统,涉及数据处理技术领域,该方法包括:建立水泵电机的标定特征集;构建水泵电机的历史数据集,包括故障数据集、维护数据集和使用数据集;以使用数据集作为评价指标,生成老化影响因子;以维护数据集作为零点时间,建立故障与维护策略的映射维护效果评价指标;以实时数据集作为基础数据,以映射维护效果评价指标作为评价数据,以老化影响因子作为补偿数据,执行维护效果评估,进行所述水泵电机的设备管理。本发明解决了现有技术中由于水泵电机的维护效果评估指标单一,导致评估结果的准确性低的技术问题,达到了通过多维指标评估,提高水泵维护效果评估的准确性和全面性的技术效果。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种水泵电机的维护效果评估方法及其系统。
背景技术
水泵电机是驱动水泵正常运转的关键部件,因此需要在日常中做好水泵电机的维护保养,而水泵电机的维护效果评估,能够进一步升级对水泵电机的维修和保养措施,进而提升水泵工作效率、延长使用寿命、降低能源消耗和提高系统性能。但当前的水泵电机维护效果评估方法多依赖单一的评价指标,缺乏全面性,导致评估结果的准确性较低。
发明内容
本申请提供了一种水泵电机的维护效果评估方法及其系统,用于解决现有技术中由于水泵电机的维护效果评估指标单一,导致评估结果的准确性低的技术问题。
本申请的第一个方面,提供了一种水泵电机的维护效果评估方法,所述方法包括:建立水泵电机的标定特征集,其中,所述标定特征集以所述水泵电机的型号和生产批次建立而成,且所述标定特征集表征了标定环境下水泵电机随时间变化的衰减评价指标;构建所述水泵电机的历史数据集,所述历史数据集通过交互所述水泵电机获得,且所述历史数据集包括故障数据集、维护数据集和使用数据集;以所述使用数据集作为评价指标,对所述水泵电机进行使用分析,建立与所述标定特征集的匹配指标,并将所述匹配指标映射至所述标定特征集,生成老化影响因子;抽取建立验证数据集,所述验证数据集以所述维护数据集作为零点时间抽取获得,以所述验证数据集进行所述维护数据集与所述故障数据集的数据评价,建立故障与维护策略的映射维护效果评价指标;获得实时数据集,所述实时数据集包括实时故障数据集、实时维护数据集,以所述实时数据集作为基础数据,以所述映射维护效果评价指标作为评价数据,以所述老化影响因子作为补偿数据,执行所述水泵电机的维护效果评估;根据维护效果评估结果进行所述水泵电机的设备管理。
本申请的第二个方面,提供了一种水泵电机的维护效果评估系统,所述系统包括:标定特征集建立模块,所述标定特征集建立模块用于建立水泵电机的标定特征集,其中,所述标定特征集以所述水泵电机的型号和生产批次建立而成,且所述标定特征集表征了标定环境下水泵电机随时间变化的衰减评价指标;历史数据集构建模块,所述历史数据集构建模块用于构建所述水泵电机的历史数据集,所述历史数据集通过交互所述水泵电机获得,且所述历史数据集包括故障数据集、维护数据集和使用数据集;老化影响因子生成模块,所述老化影响因子生成模块用于以所述使用数据集作为评价指标,对所述水泵电机进行使用分析,建立与所述标定特征集的匹配指标,并将所述匹配指标映射至所述标定特征集,生成老化影响因子;映射维护效果评价指标建立模块,所述映射维护效果评价指标建立模块用于抽取建立验证数据集,所述验证数据集以所述维护数据集作为零点时间抽取获得,以所述验证数据集进行所述维护数据集与所述故障数据集的数据评价,建立故障与维护策略的映射维护效果评价指标;维护效果评估模块,所述维护效果评估模块用于获得实时数据集,所述实时数据集包括实时故障数据集、实时维护数据集,以所述实时数据集作为基础数据,以所述映射维护效果评价指标作为评价数据,以所述老化影响因子作为补偿数据,执行所述水泵电机的维护效果评估;设备管理模块,所述设备管理模块用于根据维护效果评估结果进行所述水泵电机的设备管理。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请提供的一种水泵电机的维护效果评估方法,涉及数据处理技术领域,通过建立水泵电机的标定特征集;构建水泵电机的历史数据集,包括故障数据集、维护数据集和使用数据集;以使用数据集作为评价指标,生成老化影响因子;以维护数据集作为零点时间,建立故障与维护策略的映射维护效果评价指标;以实时数据集作为基础数据,以映射维护效果评价指标作为评价数据,以老化影响因子作为补偿数据,执行维护效果评估,进行所述水泵电机的设备管理,解决了现有技术中由于水泵电机的维护效果评估指标单一,导致评估结果的准确性低的技术问题,实现了通过多维指标评估,提高水泵维护效果评估的准确性和全面性的技术效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种水泵电机的维护效果评估方法流程示意图;
图2为本申请实施例提供的一种水泵电机的维护效果评估方法中将所述匹配指标映射至所述标定特征集的流程示意图;
图3为本申请实施例提供的一种水泵电机的维护效果评估方法中生成维护效果评估结果的流程示意图;
图4为本申请实施例提供的一种水泵电机的维护效果评估系统结构示意图。
附图标记说明:标定特征集建立模块11,历史数据集构建模块12,老化影响因子生成模块13,映射维护效果评价指标建立模块14,维护效果评估模块15,设备管理模块16。
具体实施方式
本申请提供了一种水泵电机的维护效果评估方法,用于解决现有技术中由于水泵电机的维护效果评估指标单一,导致评估结果的准确性低的技术问题。
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整的描述。显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。
实施例一
如图1所示,本申请提供了一种水泵电机的维护效果评估方法,所述方法包括:
P10:建立水泵电机的标定特征集,其中,所述标定特征集以所述水泵电机的型号和生产批次建立而成,且所述标定特征集表征了标定环境下水泵电机随时间变化的衰减评价指标;
可选的,通过生产厂家,获取当前水泵电机的型号和生产批次,进而提取当前水泵电机的设计使用寿命,也就是当前水泵电机在不同使用环境和使用标准下,使用寿命随时间的衰减情况,包括衰减程度和衰减速度,并以此作为衰减评价指标,建立水泵电机的标定特征集,所述标定特征集也就是水泵电机的老化特征集,可以反映当前水泵电机在不同使用条件下的使用寿命衰减情况。
进一步的,本申请实施例步骤P10还包括:
P11a:调用所述水泵电机的型号和生产批次数据;
P12a:以所述生产批次数据进行设备的同批次数据调用,建立批次数据集;
P13a:对所述批次数据集进行数据多维评价,确定补偿数据集约束;
P14a:以所述补偿数据集约束调用型号匹配规则,建立补偿数据集;
P15a:通过所述补偿数据集和所述批次数据集的样本比例生成特征影响因子;
P16a:提取所述补偿数据集和所述批次数据集的老化特征,并依据特征影响因子和初始约束因子执行老化特征调整,构建所述标定特征集。
可选的,通过咨询当前水泵电机的生产厂家,调用所述水泵电机的型号和生产批次数据,参照所述生产批次数据,调用同批次的执行过性能衰减测试的水泵电机的性能衰减数据作为样本数据,建立批次数据集,对所述批次数据集进行数据多维评价,所述多维评价就是从数据量和数据质量两个维度进行评价,根据数据量的大小和数据质量的高低,结合数据量和数据质量阈值,确定需要补充的同型号的电机的性能衰减数据量,也就是确定补偿数据集约束。
进一步的,参照所述补偿数据集约束调用型号匹配规则,也就是根据补偿数据集的同型号数据的采集约束,调用一定数量的同型号水泵电机的性能衰减数据,并以此建立补偿数据集,并且,因为同批次水泵电机的设备性能更相似,提取的样本性能衰减数据也更为接近,故通过所述补偿数据集和所述批次数据集中所包含的样本数量的比例,生成特征影响因子,也就是根据同型号性能衰减数据和同批次性能衰减数据的比例,生成老化特征的影响因子,也就是同型号数据对老化特征的影响因子。
进一步的,提取所述补偿数据集和所述批次数据集中的多个水泵电机老化特征,并依据特征影响因子和初始约束因子执行老化特征调整,也就是根据特征影响因子和初始约束因子对多个老化特征进行修正,消除同类型设备数据造成的误差,所述初始约束因子是指初始状态下的批次和型号的初始分配因子,进而使用调整后的所述补偿数据集和所述批次数据集的老化特征,构建所述标定特征集。
进一步的,本申请实施例步骤P10还包括:
P11b:构建分段约束,所述分段约束通过补偿数据集和所述批次数据集的测试数据构建,其中,所述分段约束表征了水泵电机在不同阶段的退化状态变化值;
P12b:以所述分段约束对水泵电机进行生命周期划分,根据划分结果执行数据分段拟合,生成分段自然退化函数;
P13b:通过所述分段自然退化函数执行分段的标定特征提取,建立所述标定特征集。
在本申请一种可行的实施例中,通过所述补偿数据集和所述批次数据集中的性能测试数据的变化情况,将水泵电机的运行状态分为多个运行阶段,也就是利用水泵电机在不同阶段的性能退化状态变化值,构建分段约束。进一步的,以所述分段约束对水泵电机进行生命周期划分,也就是根据水泵在不同阶段的性能状态变化值,将水泵电机的运行周期划分为多个阶段,例如分为试验调试阶段、正常运行阶段、性能衰退阶段,并根据划分结果执行各个分段的数据拟合,也就是根据各个分段的性能退化数据变化规律,生成各个分段的性能退化函数,也就是所述分段自然退化函数,利用所述分段自然退化函数来进行各个分段的标定特征提取,建立所述标定特征集,可以提高标定特征的准确度。
P20:构建所述水泵电机的历史数据集,所述历史数据集通过交互所述水泵电机获得,且所述历史数据集包括故障数据集、维护数据集和使用数据集;
示例性的,通过交互采集所述水泵电机的历史运行数据,包括历史故障数据、历史维护数据和历史使用数据,构建所述水泵电机的历史数据集,所述历史数据集包括故障数据集、维护数据集和使用数据集,也就是历史故障数据集、历史维护数据集和历史使用数据集,所述故障数据集包括多个历史故障类型、故障原因、故障后果等,所述维护数据集包含多个历史维修部位、维修方法、维修结果等,所述使用数据包含过去时间内,各个时段的使用功率、使用时长等,可以反映当前水泵电机之前的运行状况。
P30:以所述使用数据集作为评价指标,对所述水泵电机进行使用分析,建立与所述标定特征集的匹配指标,并将所述匹配指标映射至所述标定特征集,生成老化影响因子;
具体的,以所述使用数据集作为评价指标,也就是以历史使用数据作为水泵电机老化评价指标,例如将使用时长和使用功率作为评价指标,对水泵电机进行使用分析,通过不同的使用时长和使用功率条件下的水泵电机老化特征,建立使用时长和使用功率与所述标定特征集中特征的匹配指标,并将所述匹配指标映射至所述标定特征集,也就是将使用时长和使用功率与标定特征进行一一对应,生成老化影响因子,也就是历史使用过程中造成的设备性能下降值。
进一步的,如图2所示,本申请实施例步骤P30还包括:
P31:解析所述使用数据集,获得使用时长数据、使用强度数据;
P32:以所述使用时长数据对所述标定特征集的时间轴匹配,依据时间轴匹配结果生成第一映射参考;
P33:以所述使用强度数据对所述标定特征集进行特征偏移比对,根据偏移比对结果生成第二映射参考;
P34:设定偏移判定阈值,并配置满足阈值的递增系数;
P35:通过所述偏移判定阈值对所述偏移比对结果进行阈值判定,根据判定结果触发递增系数,生成第三映射参考;
P36:通过所述第一映射参考、所述第二映射参考和所述第三映射参考完成与所述标定特征集的匹配指标映射。
其中,解析所述使用数据集,获得多个使用时长数据、多个使用强度数据,也就是在历史使用过程中,所述水泵电机每次的使用时长和对应的使用强度,所述使用强度也就是使用功率。进一步的,以所述使用时长数据对所述标定特征集的时间轴匹配,也就是进行使用时长和设备老化特征的匹配,依据时间轴匹配结果生成第一映射参考,所述第一映射参考也就是使用时长对设备老化的影响程度参考。
进一步的,以所述使用强度数据对所述标定特征集进行特征偏移比对,所述特征偏移比对是指使用强度变化对比,也就是设备功率变化,根据所述使用强度的变化与设备老化特征的对应关系,生成蝶儿映射参考。进一步的,根据目标水泵电机的出厂额定功率,设置偏移判定阈值,也就是水泵电机功率变化阈值,并配置满足阈值的递增系数,也就是功率变化达到一定数值之后,设备性能大幅下降的递增系数,并通过所述偏移判定阈值对所述偏移比对结果进行阈值判定,根据判定结果触发递增系数,若所述偏移比对结果超过所述偏移判定阈值,也就是说所述水泵电机在使用过程中存在功率骤增或骤降的情况,可能触发设备产生较大的不可逆的性能损伤,则生成第三映射参考,也就是设备功率骤变和设备老化特征间的映射关系。
进一步的,通过所述第一映射参考、所述第二映射参考和所述第三映射参考,完成使用时长和使用功率与所述标定特征集的匹配指标映射,得到历史使用过程中的设备老化评估数据。
P40:抽取建立验证数据集,所述验证数据集以所述维护数据集作为零点时间抽取获得,以所述验证数据集进行所述维护数据集与所述故障数据集的数据评价,建立故障与维护策略的映射维护效果评价指标;
可以理解的是,以维护数据集所在的时间作为零点时间,进行水泵电机的历史维护数据采集,也就是采集维护后的设备性能数据,也就是设备维修效果数据,并以此建立验证数据集,并以所述验证数据集进行所述维护数据集与所述故障数据集的数据评价,也就是根据所述验证数据集中设备维修效果,对使用所述维护数据集中维修策略,以及所述故障数据集中对应的设备故障进行维修效果评价,建立维修故障-维修策略-维修效果之间的一一映射关系,也就是故障与维护策略的映射维护效果评价指标,可以反映历史维护策略的维护效果。
P50:获得实时数据集,所述实时数据集包括实时故障数据集、实时维护数据集,以所述实时数据集作为基础数据,以所述映射维护效果评价指标作为评价数据,以所述老化影响因子作为补偿数据,执行所述水泵电机的维护效果评估;
可选的,提取目标水泵电机的实时运行数据,包括实时运行故障数据和实时维护数据,所述实时运行故障数据是指当前时段设备运行时所发生的故障,所述实时维护数据是指当前时段,设备维护后的运行状态,以所述实时数据集作为基础数据,也就是目标设备当前的设备性能维护状态。以所述映射维护效果评价指标作为评价数据,对设备当前的性能状态进行维护效果评价,也就是进行当前时段的设备的维护效果评估,判断当前时段的设备维护效果的好坏,并以所述老化影响因子作为补偿数据,去除历史故障造成的设备老化影响,得到当前时段的设备维护效果评价结果。
进一步的,如图3所示,本申请实施例步骤50还包括:
P51:通过大数据搭建故障和维护的通用评价网络;
P52:将所述映射维护效果评价指标作为网络的特异化配置数据,对所述通用评价网络优化;
P53:将所述实时数据集作为基础数据输入优化后的所述通用评价网络,生成初始维护效果评估结果;
P54:将所述初始维护效果评估结果共享至补偿子网络,其中,所述补偿子网络通过所述老化影响因子搭建,且所述补偿子网络为耦合至所述通用评价网络的处理子网络;
P55:基于所述补偿子网络输出维护效果评估结果。
应当理解的是,通过大数据获取多个水泵电机故障维护样本数据作为训练数据,结合神经网络进行有监督训练,得到故障和维护的通用评价网络,将所述映射维护效果评价指标作为当前批次水泵电机的网络特异化配置数据,对所述通用评价网络优化,也就是根据当前批次的设备维护效果差异,调整所述通用评价网络优化,以达到更高的适配度。进一步的,将所述实时数据集作为基础数据输入优化后的所述通用评价网络,得到初始维护效果评估结果。
进一步的,根据所述老化影响因子,搭建补偿子网络,并将所述补偿子网络耦合至所述通用评价网络的处理子网络,然后将所述初始维护效果评估结果共享至补偿子网络,进行评估结果补偿,得到维护效果评估结果。
P60:根据维护效果评估结果进行所述水泵电机的设备管理。
具体的,根据所述维护效果评估结果,选择更加合理的设备运行功率和运行时长进行设备日常使用,选择更加有效的设备故障维修策略进行设备日常维护,以达到降低设备寿命衰减速度、增长设备使用寿命的效果。
进一步的,本申请实施例还包括步骤P70,步骤P70还包括:
P71:通过所述故障数据集和所述维护数据集进行所述水泵电机的状态损伤评价,生成致命冲击记录和非致命冲击记录;
P72:以所述致命冲击记录和所述非致命冲击记录进行设备的稳态影响评价,根据评价结果建立预维护周期;
P73:通过所述预维护周期执行所述水泵电机的设备预维护管理。
具体的,通过所述故障数据集和所述维护数据集进行所述水泵电机的状态损伤评价,也就是进行设备的损伤程度评价,生成致命冲击记录和非致命冲击记录,所述致命冲击就是对设备的损伤满足预设阈值的冲击,也就是对设备造成较大的永久性损伤的故障,所述预设阈值包含使用时长阈值和使用功率阈值等,根据设备的额定功率和额定连续工作时长来设定。
进一步的,以所述致命冲击记录和所述非致命冲击记录进行设备的稳态影响评价,也就是进行设备受到的故障或冲击的严重程度进行设备运行的稳定性评价,并根据设备运行的稳定性评价结果,来建立设备的预维护周期,示例性的,若设备运行的稳定性评价结果较好,则可按照较长的维护周期进行设备维护,若设备运行的稳定性评价结果较差,则按照较短的维护周期进行设备维护。
进一步的,本申请实施例、步骤P73还包括:
P73-1:建立预维护的认证策略,其中,所述认证策略通过认证停机损失、故障维护成本、预维护成本、故障概率、预维护结果生成;
P73-2:通过公式执行认证策略,公式如下:
;
其中,K为认证平衡值,L为故障维护成本,L1为停机损失,L2为预维护成本,P为故障概率,S为归一化后的预维护结果;
P73-3:若认证平衡值满足预设平衡阈值,则执行设备预维护管理。
在本申请一种可能的实施例中,获取进行设备预维护的影响因素,包括停机损失、故障维护成本、预维护成本、故障概率、预维护结果,由此建立预维护的认证策略,也就是用来判断是否执行预维护管理的认证方法,通过公式执行认证策略:;其中,K为认证平衡值,L为故障维护成本,L1为停机损失,L2为预维护成本,P为故障概率,S为归一化后的预维护结果,当所述认证平衡值超出预设平衡阈值时,说明当前设备的故障概率和故障损失较大,则执行设备预维护管理,也就是提前进行预定的维护周期外的设备维护,以保证设备的安全平稳运行。
综上所述,本申请实施例至少具有如下技术效果:
本申请通过建立水泵电机的标定特征集;构建水泵电机的历史数据集,包括故障数据集、维护数据集和使用数据集;以使用数据集作为评价指标,生成老化影响因子;以维护数据集作为零点时间,建立故障与维护策略的映射维护效果评价指标;以实时数据集作为基础数据,以映射维护效果评价指标作为评价数据,以老化影响因子作为补偿数据,执行维护效果评估,进行所述水泵电机的设备管理。
达到了通过多维指标评估,提高水泵维护效果评估的准确性和全面性的技术效果。
实施例二
基于与前述实施例中一种水泵电机的维护效果评估方法相同的发明构思,如图4所示,本申请提供了一种水泵电机的维护效果评估系统,本申请实施例中的系统与方法实施例基于同样的发明构思。其中,所述系统包括:
标定特征集建立模块11,所述标定特征集建立模块11用于建立水泵电机的标定特征集,其中,所述标定特征集以所述水泵电机的型号和生产批次建立而成,且所述标定特征集表征了标定环境下水泵电机随时间变化的衰减评价指标;
历史数据集构建模块12,所述历史数据集构建模块12用于构建所述水泵电机的历史数据集,所述历史数据集通过交互所述水泵电机获得,且所述历史数据集包括故障数据集、维护数据集和使用数据集;
老化影响因子生成模块13,所述老化影响因子生成模块13用于以所述使用数据集作为评价指标,对所述水泵电机进行使用分析,建立与所述标定特征集的匹配指标,并将所述匹配指标映射至所述标定特征集,生成老化影响因子;
映射维护效果评价指标建立模块14,所述映射维护效果评价指标建立模块14用于抽取建立验证数据集,所述验证数据集以所述维护数据集作为零点时间抽取获得,以所述验证数据集进行所述维护数据集与所述故障数据集的数据评价,建立故障与维护策略的映射维护效果评价指标;
维护效果评估模块15,所述维护效果评估模块15用于获得实时数据集,所述实时数据集包括实时故障数据集、实时维护数据集,以所述实时数据集作为基础数据,以所述映射维护效果评价指标作为评价数据,以所述老化影响因子作为补偿数据,执行所述水泵电机的维护效果评估;
设备管理模块16,所述设备管理模块16用于根据维护效果评估结果进行所述水泵电机的设备管理。
进一步的,所述标定特征集建立模块11还用于执行以下步骤:
调用所述水泵电机的型号和生产批次数据;
以所述生产批次数据进行设备的同批次数据调用,建立批次数据集;
对所述批次数据集进行数据多维评价,确定补偿数据集约束;
以所述补偿数据集约束调用型号匹配规则,建立补偿数据集;
通过所述补偿数据集和所述批次数据集的样本比例生成特征影响因子;
提取所述补偿数据集和所述批次数据集的老化特征,并依据特征影响因子和初始约束因子执行老化特征调整,构建所述标定特征集。
进一步的,所述标定特征集建立模块11还用于执行以下步骤:
构建分段约束,所述分段约束通过补偿数据集和所述批次数据集的测试数据构建,其中,所述分段约束表征了水泵电机在不同阶段的退化状态变化值;
以所述分段约束对水泵电机进行生命周期划分,根据划分结果执行数据分段拟合,生成分段自然退化函数;
通过所述分段自然退化函数执行分段的标定特征提取,建立所述标定特征集。
进一步的,所述老化影响因子生成模块13还用于执行以下步骤:
解析所述使用数据集,获得使用时长数据、使用强度数据;
以所述使用时长数据对所述标定特征集的时间轴匹配,依据时间轴匹配结果生成第一映射参考;
以所述使用强度数据对所述标定特征集进行特征偏移比对,根据偏移比对结果生成第二映射参考;
设定偏移判定阈值,并配置满足阈值的递增系数;
通过所述偏移判定阈值对所述偏移比对结果进行阈值判定,根据判定结果触发递增系数,生成第三映射参考;
通过所述第一映射参考、所述第二映射参考和所述第三映射参考完成与所述标定特征集的匹配指标映射。
进一步的,所述维护效果评估模块15还用于执行以下步骤:
通过大数据搭建故障和维护的通用评价网络;
将所述映射维护效果评价指标作为网络的特异化配置数据,对所述通用评价网络优化;
将所述实时数据集作为基础数据输入优化后的所述通用评价网络,生成初始维护效果评估结果;
将所述初始维护效果评估结果共享至补偿子网络,其中,所述补偿子网络通过所述老化影响因子搭建,且所述补偿子网络为耦合至所述通用评价网络的处理子网络;
基于所述补偿子网络输出维护效果评估结果。
进一步的,所述系统还包括:
冲击记录生成模块,所述冲击记录生成模块用于通过所述故障数据集和所述维护数据集进行所述水泵电机的状态损伤评价,生成致命冲击记录和非致命冲击记录;
预维护周期建立模块,所述预维护周期建立模块用于以所述致命冲击记录和所述非致命冲击记录进行设备的稳态影响评价,根据评价结果建立预维护周期;
设备预维护管理模块,所述设备预维护管理模块用于通过所述预维护周期执行所述水泵电机的设备预维护管理。
进一步的,所述系统还包括:
认证策略建立模块,所述认证策略建立模块用于建立预维护的认证策略,其中,所述认证策略通过认证停机损失、故障维护成本、预维护成本、故障概率、预维护结果生成;
认证策略执行模块,所述认证策略执行模块用于通过公式执行认证策略,公式如下:
;
其中,K为认证平衡值,L为故障维护成本,L1为停机损失,L2为预维护成本,P为故障概率,S为归一化后的预维护结果;
设备预维护管理执行模块,所述设备预维护管理执行模块用于若认证平衡值满足预设平衡阈值,则执行设备预维护管理。
需要说明的是,上述本申请实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本申请的较佳实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
本说明书和附图仅仅是本申请的示例性说明,且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样,倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内,则本申请意图包括这些改动和变型在内。
Claims (2)
1.水泵电机的维护效果评估方法,其特征在于,所述方法包括:
建立水泵电机的标定特征集,其中,所述标定特征集以所述水泵电机的型号和生产批次建立而成,且所述标定特征集表征了标定环境下水泵电机随时间变化的衰减评价指标;
构建所述水泵电机的历史数据集,所述历史数据集通过交互所述水泵电机获得,且所述历史数据集包括故障数据集、维护数据集和使用数据集;
以所述使用数据集作为评价指标,对所述水泵电机进行使用分析,建立与所述标定特征集的匹配指标,并将所述匹配指标映射至所述标定特征集,生成老化影响因子;
抽取建立验证数据集,所述验证数据集以所述维护数据集作为零点时间抽取获得,以所述验证数据集进行所述维护数据集与所述故障数据集的数据评价,建立故障与维护策略的映射维护效果评价指标;
获得实时数据集,所述实时数据集包括实时故障数据集、实时维护数据集,以所述实时数据集作为基础数据,以所述映射维护效果评价指标作为评价数据,以所述老化影响因子作为补偿数据,执行所述水泵电机的维护效果评估;
根据维护效果评估结果进行所述水泵电机的设备管理;
所述方法还包括:
解析所述使用数据集,获得使用时长数据、使用强度数据;
以所述使用时长数据对所述标定特征集的时间轴匹配,依据时间轴匹配结果生成第一映射参考;
以所述使用强度数据对所述标定特征集进行特征偏移比对,根据偏移比对结果生成第二映射参考;
设定偏移判定阈值,并配置满足阈值的递增系数;
通过所述偏移判定阈值对所述偏移比对结果进行阈值判定,根据判定结果触发递增系数,生成第三映射参考;
通过所述第一映射参考、所述第二映射参考和所述第三映射参考完成与所述标定特征集的匹配指标映射;
所述方法还包括:
调用所述水泵电机的型号和生产批次数据;
以所述生产批次数据进行设备的同批次数据调用,建立批次数据集;
对所述批次数据集进行数据多维评价,确定补偿数据集约束;
以所述补偿数据集约束调用型号匹配规则,建立补偿数据集;
通过所述补偿数据集和所述批次数据集的样本比例生成特征影响因子;
提取所述补偿数据集和所述批次数据集的老化特征,并依据特征影响因子和初始约束因子执行老化特征调整,构建所述标定特征集;
所述方法还包括:
构建分段约束,所述分段约束通过补偿数据集和所述批次数据集的测试数据构建,其中,所述分段约束表征了水泵电机在不同阶段的退化状态变化值;
以所述分段约束对水泵电机进行生命周期划分,根据划分结果执行数据分段拟合,生成分段自然退化函数;
通过所述分段自然退化函数执行分段的标定特征提取,建立所述标定特征集;
所述方法还包括:
通过大数据搭建故障和维护的通用评价网络;
将所述映射维护效果评价指标作为网络的特异化配置数据,对所述通用评价网络优化;
将所述实时数据集作为基础数据输入优化后的所述通用评价网络,生成初始维护效果评估结果;
将所述初始维护效果评估结果共享至补偿子网络,其中,所述补偿子网络通过所述老化影响因子搭建,且所述补偿子网络为耦合至所述通用评价网络的处理子网络;
基于所述补偿子网络输出维护效果评估结果;
所述方法还包括:
通过所述故障数据集和所述维护数据集进行所述水泵电机的状态损伤评价,生成致命冲击记录和非致命冲击记录;
以所述致命冲击记录和所述非致命冲击记录进行设备的稳态影响评价,根据评价结果建立预维护周期;
通过所述预维护周期执行所述水泵电机的设备预维护管理;
所述方法还包括:
建立预维护的认证策略,其中,所述认证策略通过认证停机损失、故障维护成本、预维护成本、故障概率、预维护结果生成;
通过公式执行认证策略,公式如下:
;
其中,K为认证平衡值,L为故障维护成本,L1为停机损失,L2为预维护成本,P为故障概率,S为归一化后的预维护结果;
若认证平衡值满足预设平衡阈值,则执行设备预维护管理。
2.水泵电机的维护效果评估系统,其特征在于,所述系统包括:
标定特征集建立模块,所述标定特征集建立模块用于建立水泵电机的标定特征集,其中,所述标定特征集以所述水泵电机的型号和生产批次建立而成,且所述标定特征集表征了标定环境下水泵电机随时间变化的衰减评价指标;
历史数据集构建模块,所述历史数据集构建模块用于构建所述水泵电机的历史数据集,所述历史数据集通过交互所述水泵电机获得,且所述历史数据集包括故障数据集、维护数据集和使用数据集;
老化影响因子生成模块,所述老化影响因子生成模块用于以所述使用数据集作为评价指标,对所述水泵电机进行使用分析,建立与所述标定特征集的匹配指标,并将所述匹配指标映射至所述标定特征集,生成老化影响因子;
映射维护效果评价指标建立模块,所述映射维护效果评价指标建立模块用于抽取建立验证数据集,所述验证数据集以所述维护数据集作为零点时间抽取获得,以所述验证数据集进行所述维护数据集与所述故障数据集的数据评价,建立故障与维护策略的映射维护效果评价指标;
维护效果评估模块,所述维护效果评估模块用于获得实时数据集,所述实时数据集包括实时故障数据集、实时维护数据集,以所述实时数据集作为基础数据,以所述映射维护效果评价指标作为评价数据,以所述老化影响因子作为补偿数据,执行所述水泵电机的维护效果评估;
设备管理模块,所述设备管理模块用于根据维护效果评估结果进行所述水泵电机的设备管理;
所述老化影响因子生成模块还用于执行以下步骤:
解析所述使用数据集,获得使用时长数据、使用强度数据;
以所述使用时长数据对所述标定特征集的时间轴匹配,依据时间轴匹配结果生成第一映射参考;
以所述使用强度数据对所述标定特征集进行特征偏移比对,根据偏移比对结果生成第二映射参考;
设定偏移判定阈值,并配置满足阈值的递增系数;
通过所述偏移判定阈值对所述偏移比对结果进行阈值判定,根据判定结果触发递增系数,生成第三映射参考;
通过所述第一映射参考、所述第二映射参考和所述第三映射参考完成与所述标定特征集的匹配指标映射;
所述标定特征集建立模块还用于执行以下步骤:
调用所述水泵电机的型号和生产批次数据;
以所述生产批次数据进行设备的同批次数据调用,建立批次数据集;
对所述批次数据集进行数据多维评价,确定补偿数据集约束;
以所述补偿数据集约束调用型号匹配规则,建立补偿数据集;
通过所述补偿数据集和所述批次数据集的样本比例生成特征影响因子;
提取所述补偿数据集和所述批次数据集的老化特征,并依据特征影响因子和初始约束因子执行老化特征调整,构建所述标定特征集;
所述标定特征集建立模块还用于执行以下步骤:
构建分段约束,所述分段约束通过补偿数据集和所述批次数据集的测试数据构建,其中,所述分段约束表征了水泵电机在不同阶段的退化状态变化值;
以所述分段约束对水泵电机进行生命周期划分,根据划分结果执行数据分段拟合,生成分段自然退化函数;
通过所述分段自然退化函数执行分段的标定特征提取,建立所述标定特征集;
所述维护效果评估模块还用于执行以下步骤:
通过大数据搭建故障和维护的通用评价网络;
将所述映射维护效果评价指标作为网络的特异化配置数据,对所述通用评价网络优化;
将所述实时数据集作为基础数据输入优化后的所述通用评价网络,生成初始维护效果评估结果;
将所述初始维护效果评估结果共享至补偿子网络,其中,所述补偿子网络通过所述老化影响因子搭建,且所述补偿子网络为耦合至所述通用评价网络的处理子网络;
基于所述补偿子网络输出维护效果评估结果;
所述系统还包括:
冲击记录生成模块,所述冲击记录生成模块用于通过所述故障数据集和所述维护数据集进行所述水泵电机的状态损伤评价,生成致命冲击记录和非致命冲击记录;
预维护周期建立模块,所述预维护周期建立模块用于以所述致命冲击记录和所述非致命冲击记录进行设备的稳态影响评价,根据评价结果建立预维护周期;
设备预维护管理模块,所述设备预维护管理模块用于通过所述预维护周期执行所述水泵电机的设备预维护管理;
认证策略建立模块,所述认证策略建立模块用于建立预维护的认证策略,其中,所述认证策略通过认证停机损失、故障维护成本、预维护成本、故障概率、预维护结果生成;
所述认证策略执行模块用于通过公式执行认证策略,公式如下:
;
其中,K为认证平衡值,L为故障维护成本,L1为停机损失,L2为预维护成本,P为故障概率,S为归一化后的预维护结果;
若认证平衡值满足预设平衡阈值,则执行设备预维护管理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311213603.5A CN116957365B (zh) | 2023-09-20 | 2023-09-20 | 水泵电机的维护效果评估方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311213603.5A CN116957365B (zh) | 2023-09-20 | 2023-09-20 | 水泵电机的维护效果评估方法及其系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116957365A CN116957365A (zh) | 2023-10-27 |
CN116957365B true CN116957365B (zh) | 2023-11-24 |
Family
ID=88458699
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311213603.5A Active CN116957365B (zh) | 2023-09-20 | 2023-09-20 | 水泵电机的维护效果评估方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116957365B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112330152A (zh) * | 2020-11-05 | 2021-02-05 | 华润电力技术研究院有限公司 | 一种基于数据融合的给水泵状态评价与运维方法和系统 |
CN113034210A (zh) * | 2021-04-28 | 2021-06-25 | 重庆大学 | 一种基于数据驱动场景下车辆行驶成本评价方法 |
CN114460445A (zh) * | 2022-02-17 | 2022-05-10 | 重庆大学 | 考虑老化阈值与寿命的变压器老化不可用率评估方法 |
CN115660170A (zh) * | 2022-10-26 | 2023-01-31 | 国网湖南省电力有限公司 | 多维指标权重协同优化的数据资产管理成效差异化评估方法和系统 |
CN116448419A (zh) * | 2023-03-14 | 2023-07-18 | 太原科技大学 | 基于深度模型高维参数多目标高效寻优的零样本轴承故障诊断方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11238389B2 (en) * | 2015-07-14 | 2022-02-01 | Tata Consultancy Limited Services | System and method for risk management in a supply chain |
US20190295101A1 (en) * | 2018-03-22 | 2019-09-26 | Pearson Education, Inc. | Digital credential receiver field mappings |
-
2023
- 2023-09-20 CN CN202311213603.5A patent/CN116957365B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112330152A (zh) * | 2020-11-05 | 2021-02-05 | 华润电力技术研究院有限公司 | 一种基于数据融合的给水泵状态评价与运维方法和系统 |
CN113034210A (zh) * | 2021-04-28 | 2021-06-25 | 重庆大学 | 一种基于数据驱动场景下车辆行驶成本评价方法 |
CN114460445A (zh) * | 2022-02-17 | 2022-05-10 | 重庆大学 | 考虑老化阈值与寿命的变压器老化不可用率评估方法 |
CN115660170A (zh) * | 2022-10-26 | 2023-01-31 | 国网湖南省电力有限公司 | 多维指标权重协同优化的数据资产管理成效差异化评估方法和系统 |
CN116448419A (zh) * | 2023-03-14 | 2023-07-18 | 太原科技大学 | 基于深度模型高维参数多目标高效寻优的零样本轴承故障诊断方法 |
Non-Patent Citations (1)
Title |
---|
基于SVM的核动力屏蔽泵老化状态评估;张黎明;赵新文;蔡琦;;核动力工程(第02期);124-127 * |
Also Published As
Publication number | Publication date |
---|---|
CN116957365A (zh) | 2023-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111368890A (zh) | 故障检测方法及装置、信息物理融合系统 | |
CN112505549B (zh) | 基于孤立森林算法的新能源汽车电池异常检测方法 | |
CN111669123B (zh) | 用于对光伏组串进行故障诊断的方法和装置 | |
CN113902946A (zh) | 电力系统故障方位判别方法、装置、终端设备及存储介质 | |
CN111626360B (zh) | 用于检测锅炉故障类型的方法、装置、设备和存储介质 | |
CN111738348B (zh) | 一种电力数据异常检测方法和装置 | |
CN110968703B (zh) | 基于lstm端到端抽取算法的异常计量点知识库构建方法及系统 | |
CN114444738B (zh) | 一种电气设备保养周期生成方法 | |
CN112288147A (zh) | 一种BP-Adaboost强预测器预测发电机定子绝缘状态的方法 | |
CN107103425B (zh) | 发电设备运行状态计算机智能量化评价系统 | |
CN115542176A (zh) | 电池模组中电压一致性监测方法、系统、存储介质及终端 | |
CN109921462B (zh) | 一种基于lstm的新能源消纳能力评估方法及系统 | |
CN116957365B (zh) | 水泵电机的维护效果评估方法及其系统 | |
CN116992274B (zh) | 基于改进主成分回归模型的短期风速预测方法及系统 | |
CN113176530B (zh) | 一种基于拆回表运行特征的在运电能表批次故障诊断方法 | |
CN113742993A (zh) | 干式变压器寿命损失预测方法、装置、设备及存储介质 | |
CN113111585A (zh) | 一种智能机柜故障预测方法、系统及智能机柜 | |
CN116596120A (zh) | 一种抽水蓄能机组变工况劣化趋势预测方法及装置 | |
CN116127447A (zh) | 虚拟电厂虚假数据注入攻击检测方法、装置、终端及介质 | |
CN113420728B (zh) | 融合多时间尺度信息的非侵入式空调负荷辨识方法及系统 | |
CN114412447A (zh) | 一种螺杆泵井的故障检测方法及装置 | |
CN115293663A (zh) | 一种母线不平衡率异常检测方法、系统及装置 | |
CN118138491A (zh) | 一种基于多源数据聚合的信息通信系统运行态势感知方法 | |
CN117970157A (zh) | 一种电芯性能分析方法、装置、设备、介质及产品 | |
CN114298083A (zh) | 一种基于vae的逆变器三相电流不平衡识别方法及系统 |
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 |