CN117217740A - 一种基于人工智能的氢能设备故障数据传输系统及方法 - Google Patents
一种基于人工智能的氢能设备故障数据传输系统及方法 Download PDFInfo
- Publication number
- CN117217740A CN117217740A CN202311482153.XA CN202311482153A CN117217740A CN 117217740 A CN117217740 A CN 117217740A CN 202311482153 A CN202311482153 A CN 202311482153A CN 117217740 A CN117217740 A CN 117217740A
- Authority
- CN
- China
- Prior art keywords
- equipment
- association
- fault
- record
- component
- 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
Links
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 title claims abstract description 53
- 229910052739 hydrogen Inorganic materials 0.000 title claims abstract description 53
- 239000001257 hydrogen Substances 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000005540 biological transmission Effects 0.000 title claims abstract description 20
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 15
- 238000012423 maintenance Methods 0.000 claims abstract description 84
- 230000002159 abnormal effect Effects 0.000 claims abstract description 25
- 238000012795 verification Methods 0.000 claims abstract description 24
- 238000011156 evaluation Methods 0.000 claims abstract description 21
- 238000009960 carding Methods 0.000 claims abstract description 13
- 230000005856 abnormality Effects 0.000 claims description 28
- 238000004364 calculation method Methods 0.000 claims description 26
- 101100440985 Danio rerio crad gene Proteins 0.000 claims description 24
- 101100440987 Mus musculus Cracd gene Proteins 0.000 claims description 24
- 101100467905 Mus musculus Rdh16 gene Proteins 0.000 claims description 24
- 238000012544 monitoring process Methods 0.000 claims description 15
- 108700041286 delta Proteins 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 2
- 238000005984 hydrogenation reaction Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Abstract
本发明涉及数据传输处理技术领域,具体为一种基于人工智能的氢能设备故障数据传输系统及方法,包括采集氢能设备的所有历史运行故障记录,以及对应各历史运行故障记录的历史维修记录;对各设备部件进行故障特征信息的梳理;对存在运行关联的设备部件进行识别判断;分别对所有存在运行关联的设备部件进行运行关联程度值评估,对所有存在运行关联的设备部件进行运行关联关系校验;实时对每一维修记录的内容进行监测,当某一维修记录中涉及对某一设备部件进行拆卸替换操作,对在某一维修记录中发生的拆卸替换操作是否异常进行评估,并反馈至管理终端进行预警提示。
Description
技术领域
本发明涉及数据传输处理技术领域,具体为一种基于人工智能的氢能设备故障数据传输系统及方法。
背景技术
加氢站是为了满足氢能源汽车的加氢需求而建立的设施,它起到储氢、供氢、加氢和氢气质量检测等功能,加氢站建设的核心设备主要有氢气压缩机、储氢容器、加氢机三类;由于加氢站设备复杂,故障难免会发生;而在对一个复杂的氢能设备进行故障维修的过程中总免不了需要对故障部件进行修复或者更换;而因设备本身结构的复杂性,在进行故障部件修复或者更换过程中出现操作不准确的现象在所难免,而对加氢站内的氢能设备进行维修时,需要遵守响应及时、处理迅速、严格按照操作规程等原则。
发明内容
本发明的目的在于提供一种基于人工智能的氢能设备故障数据传输系统及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种基于人工智能的氢能设备故障数据传输方法,方法包括:
步骤S100:监测氢能设备运作时于各运行参数项上所呈现的运行数据,将运行数据传输至控制终端,控制终端基于对各运行参数项预设的参考运行阈值,实现对各运行参数项进行数据异常判断,生成相应的运行故障记录;采集氢能设备的所有历史运行故障记录,以及对应各历史运行故障记录的历史维修记录;其中,一条历史运行故障记录对应一条历史维修记录;
步骤S200:对各历史维修记录中相应进行故障检修的故障设备部件进行信息提取,同时从对应各历史维修记录的历史运行故障记录中,获取所有呈现数据异常的运行参数项,得到对应故障设备部件的关联运行参数项集合;基于各历史维修记录以及对应各历史维修记录的关联运行参数项集合,对各设备部件进行故障特征信息的梳理;
步骤S300:基于在各设备部件之间所呈现的故障特征信息分布情况,对存在运行关联的设备部件进行识别判断;
步骤S400:分别对所有存在运行关联的设备部件进行运行关联程度值评估,基于运行关联程度值对所有存在运行关联的设备部件进行运行关联关系校验;
步骤S500:实时对每一维修记录的内容进行监测,当某一维修记录中涉及对某一设备部件进行拆卸替换操作,结合与某一设备部件之间存在运行关联关系的其他设备部件的运行数据情况,对在某一维修记录中发生的拆卸替换操作是否异常进行评估,并反馈至管理终端进行预警提示。
进一步的,步骤S200包括:
步骤S201:将在各历史维修记录中对应故障设备部件所包含的设备部件个数设为N,设N=1的历史维修记录为第一特征记录,N≥2的历史维修记录为第二特征记录;判断在每一个第二特征记录中,对应故障设备部件所包含的N个设备部件,构成一个设备部件关联组合;
步骤S202:对在各第一特征记录中相应进行故障检修的设备部件进行提取,分别将对应设备部件相同的第一特征记录进行汇集,得到若干第一特征记录集合;其中,一个第一特征记录集合对应一种设备部件;分别在各第一特征记录集合所对应的历史运行故障记录范围内,提取对应各第一特征记录集合的设备部件的所有关联运行参数项集合;
步骤S203:分别得到对应各第一特征记录集合的设备部件的基准关联运行参数项集合Y=X1∩X2∩...∩Xn;其中,X1、X2、...、Xn分别表示对应各第一特征记录集合的设备部件,于各第一特征记录集合内第1、2、...、n条第一特征记录中所对应的关联运行参数项集合。
进一步的,步骤S300包括:
步骤S301:若某设备部件a的基准关联运行参数项集合为Y(a),某设备部件b的基准关联运行参数项集合为Y(b),在基于所有第二特征记录得到的M个设备部件关联组合中,同时包含某设备部件a和某设备部件b的设备部件关联组合个数为m;
步骤S302:计算某设备部件a和某设备部件b之间的第一特征关联指数为β1=m/M,计算某设备部件a和某设备部件b之间的第二特征关联指数为β2=Crad(P1)/Crad(P2);其中,P1=Y(a)∩Y(b),P2=Y(a)∪Y(b);Crad(P1)表示集合P1的个数,Crad(P2)表示集合P2的个数;
若两个或者两个以上的设备部件之间出现并发检修的情况较多,即第一特征关联指数越大,说明两个设备部件之间存在运行关联的可能性越高,因为若多个设备部件在运行时满足相互磨合或者相互配合关系的话,当其中一个设备部件出现故障时,其他设备部件因受影响出现故障的概率较大;
若两个或者两个以上的设备部件在出现故障时伴随出现异常的运行参数项之间重合较多,即第二特征关联指数β2越大,说明该多个设备部件的运行情况通过多个同样的运行参数项体现,说明在该多个设备部件之间存在运行关联的可能性越高;
步骤S303:当某设备部件a和某设备部件b之间满足:Max[β1,β2]≥α,判断设备部件a和某设备部件b之间存在运行关联;其中,Max[β1,β2]表示在β1、β2之间取最大值;其中,α表示指数阈值。
进一步的,步骤S400包括:
步骤S401:将存在运行关联的每两个设备部件设为一组运行关联组;分别将各运行关联组中包含的设备部件设为目标设备部件,提取各目标设备部件所对应的第一特征记录集合,当某一运行关联组中包含目标设备部件r1和目标设备部件r2,目标设备部件r1对应的基准关联运行参数项集合为Y(r1),目标设备部件r2对应的基准关联运行参数项集合为Y(r2);
步骤S402:计算目标设备部件r1与目标设备部件r2在目标设备部件r1的第i条第一特征记录上所呈现的关联系数δi=crad(U1)/crad[Y(r2)];其中,U1=[X(r1)i-Y(r1)∩X(r1)i]∩Y(r2);计算目标设备部件r1和目标设备部件r2的第一运行关联程度值δ1=∑(δi);其中,X(r1)i表示目标设备部件r1的第i条第一特征记录对应的关联运行参数项集合;
步骤S403:计算目标设备部件r1与目标设备部件r2在目标设备部件r2的第j条第一特征记录上所呈现的关联系数δj=crad(U2)/crad[Y(r1)];其中,U2=[X(r2)j-Y(r2)∩X(r2)j]∩Y(r1);计算目标设备部件r1和目标设备部件r2的第二运行关联程度值δ2=∑(δi);其中,X(r2)j表示目标设备部件r2的第j条第一特征记录对应的关联运行参数项集合;
步骤S404:当目标设备部件r1与目标设备部件r2之间满足δ2+δ1≥Ψ,判断目标设备部件r1与目标设备部件r2通过运行关联关系校验,存在运行关联关系。
进一步的,步骤S500包括:
步骤S501:当某一维修记录中涉及对某一设备部件进行拆卸替换操作,当拆卸替换操作完成后,对氢能设备于各运行参数项上产生的运行数据进行监测,对呈现数据异常的运行参数项进行捕捉,分别对各呈现数据异常的运行参数项累计异常持续时长T;设异常持续时长T大于时长阈值的运行参数项为特征运行参数项;
步骤S502:将与某一设备部件之间存在运行关联的所有设备部件的基准关联运行参数项集合设为目标集合,当在某一目标集合中涵盖某一特征运行参数项,判断对应某一目标集合的设备部件为受影响设备部件,累计受影响设备部件的总数K,获取与某一设备部件之间存在运行关联的所有设备部件的总数H,当异常值L=K/H>g时,判断在某一维修记录中发生的拆卸替换操作存在异常;其中,g表示阈值。
为更好的实现上述方法,还提出了一种氢能设备故障数据传输系统,系统包括氢能设备运行数据传输管理模块、故障特征信息梳理模块、运行关联识别判断模块、运行关联关系校验模块、异常评估管理模块;
氢能设备运行数据传输管理模块,用于监测氢能设备运作时于各运行参数项上所呈现的运行数据,将运行数据传输至控制终端,控制终端基于对各运行参数项预设的参考运行阈值,实现对各运行参数项进行数据异常判断,生成相应的运行故障记录;采集氢能设备的所有历史运行故障记录,以及对应各历史运行故障记录的历史维修记录;
故障特征信息梳理模块,用于对各历史维修记录中相应进行故障检修的故障设备部件进行信息提取,同时从对应各历史维修记录的历史运行故障记录中,获取所有呈现数据异常的运行参数项,得到对应故障设备部件的关联运行参数项集合;基于各历史维修记录以及对应各历史维修记录的关联运行参数项集合,对各设备部件进行故障特征信息的梳理;
运行关联识别判断模块,用于基于在各设备部件之间所呈现的故障特征信息分布情况,对存在运行关联的设备部件进行识别判断;
运行关联关系校验模块,用于分别对所有存在运行关联的设备部件进行运行关联程度值评估,基于运行关联程度值对所有存在运行关联的设备部件进行运行关联关系校验;
异常评估管理模块,用于实时对每一维修记录的内容进行监测,当某一维修记录中涉及对某一设备部件进行拆卸替换操作,结合与某一设备部件之间存在运行关联关系的其他设备部件的运行数据情况,对在某一维修记录中发生的拆卸替换操作是否异常进行评估,并反馈至管理终端进行预警提示。
进一步的,运行关联识别判断模块包括第一特征关联指数计算单元、第二特征关联指数计算单元、运行关联初步判断单元;
第一特征关联指数计算单元,用于分别对各设备部件关联组合内所包含的设备部件进行第一特征关联指数的计算;
第二特征关联指数计算单元,用于分别对各设备部件关联组合内所包含的设备部件进行第二特征关联指数的计算;
运行关联初步判断单元,用于接收第一特征关联指数计算单元和第二特征关联指数计算单元中的数据,对存在运行关联的设备部件进行识别判断。
进一步的,运行关联关系校验模块包括运行关联程度值评估单元、运行关联关系校验管理单元;
运行关联程度值评估单元,用于分别对所有存在运行关联的设备部件进行运行关联程度值评估;
运行关联关系校验管理单元,用于根据运行关联程度值对所有存在运行关联的设备部件进行运行关联关系校验。
与现有技术相比,本发明所达到的有益效果是:本发明通过对氢能设备内各设备部件在对应故障时出现异常数据的运行参数项分布情况,对在工作时满足运行关联的设备部件进行判断识别,通过对设备部件锁定与其满足运行关联的设备部件范围,当存在故障检修记录需涉及对该设备部件进行拆卸替换,及时对拆卸替换完成后的氢能设备通过与该设备部件之间存在运行关联的其他设备部件的运行数据,进行运行异常判断,因为若是拆卸替换不恰当,与该设备部件之间存在运行关联的设备部件的运行数据是最准确且及时能出现数据反应的,在一定程度上提高了对氢能设备故障检修的效率,使得故障检修更完善且精准。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明一种基于人工智能的氢能设备故障数据传输方法的流程示意图;
图2是本发明一种基于人工智能的氢能设备故障数据传输系统的结构示意图。
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。
请参阅图1-图2,本发明提供技术方案:一种基于人工智能的氢能设备故障数据传输方法,方法包括:
步骤S100:监测氢能设备运作时于各运行参数项上所呈现的运行数据,将运行数据传输至控制终端,控制终端基于对各运行参数项预设的参考运行阈值,实现对各运行参数项进行数据异常判断,生成相应的运行故障记录;采集氢能设备的所有历史运行故障记录,以及对应各历史运行故障记录的历史维修记录;其中,一条历史运行故障记录对应一条历史维修记录;
步骤S200:对各历史维修记录中相应进行故障检修的故障设备部件进行信息提取,同时从对应各历史维修记录的历史运行故障记录中,获取所有呈现数据异常的运行参数项,得到对应故障设备部件的关联运行参数项集合;基于各历史维修记录以及对应各历史维修记录的关联运行参数项集合,对各设备部件进行故障特征信息的梳理;
其中,步骤S200包括:
步骤S201:将在各历史维修记录中对应故障设备部件所包含的设备部件个数设为N,设N=1的历史维修记录为第一特征记录,N≥2的历史维修记录为第二特征记录;判断在每一个第二特征记录中,对应故障设备部件所包含的N个设备部件,构成一个设备部件关联组合;
步骤S202:对在各第一特征记录中相应进行故障检修的设备部件进行提取,分别将对应设备部件相同的第一特征记录进行汇集,得到若干第一特征记录集合;其中,一个第一特征记录集合对应一种设备部件;分别在各第一特征记录集合所对应的历史运行故障记录范围内,提取对应各第一特征记录集合的设备部件的所有关联运行参数项集合;
步骤S203:分别得到对应各第一特征记录集合的设备部件的基准关联运行参数项集合Y=X1∩X2∩...∩Xn;其中,X1、X2、...、Xn分别表示对应各第一特征记录集合的设备部件,于各第一特征记录集合内第1、2、...、n条第一特征记录中所对应的关联运行参数项集合;
步骤S300:基于在各设备部件之间所呈现的故障特征信息分布情况,对存在运行关联的设备部件进行识别判断;
其中,步骤S300包括:
步骤S301:若某设备部件a的基准关联运行参数项集合为Y(a),某设备部件b的基准关联运行参数项集合为Y(b),在基于所有第二特征记录得到的M个设备部件关联组合中,同时包含某设备部件a和某设备部件b的设备部件关联组合个数为m;
步骤S302:计算某设备部件a和某设备部件b之间的第一特征关联指数为β1=m/M,计算某设备部件a和某设备部件b之间的第二特征关联指数为β2=Crad(P1)/Crad(P2);其中,P1=Y(a)∩Y(b),P2=Y(a)∪Y(b);Crad(P1)表示集合P1的个数,Crad(P2)表示集合P2的个数;
步骤S303:当某设备部件a和某设备部件b之间满足:Max[β1,β2]≥α,判断设备部件a和某设备部件b之间存在运行关联;其中,Max[β1,β2]表示在β1、β2之间取最大值;其中,α表示指数阈值;
步骤S400:分别对所有存在运行关联的设备部件进行运行关联程度值评估,基于运行关联程度值对所有存在运行关联的设备部件进行运行关联关系校验;
其中,步骤S400包括:
步骤S401:将存在运行关联的每两个设备部件设为一组运行关联组;分别将各运行关联组中包含的设备部件设为目标设备部件,提取各目标设备部件所对应的第一特征记录集合,当某一运行关联组中包含目标设备部件r1和目标设备部件r2,目标设备部件r1对应的基准关联运行参数项集合为Y(r1),目标设备部件r2对应的基准关联运行参数项集合为Y(r2);
步骤S402:计算目标设备部件r1与目标设备部件r2在目标设备部件r1的第i条第一特征记录上所呈现的关联系数δi=crad(U1)/crad[Y(r2)];其中,U1=[X(r1)i-Y(r1)∩X(r1)i]∩Y(r2);计算目标设备部件r1和目标设备部件r2的第一运行关联程度值δ1=∑(δi);其中,X(r1)i表示目标设备部件r1的第i条第一特征记录对应的关联运行参数项集合;
步骤S403:计算目标设备部件r1与目标设备部件r2在目标设备部件r2的第j条第一特征记录上所呈现的关联系数δj=crad(U2)/crad[Y(r1)];其中,U2=[X(r2)j-Y(r2)∩X(r2)j]∩Y(r1);计算目标设备部件r1和目标设备部件r2的第二运行关联程度值δ2=∑(δi);其中,X(r2)j表示目标设备部件r2的第j条第一特征记录对应的关联运行参数项集合;
步骤S404:当目标设备部件r1与目标设备部件r2之间满足δ2+δ1≥Ψ,判断目标设备部件r1与目标设备部件r2通过运行关联关系校验,存在运行关联关系;
步骤S500:实时对每一维修记录的内容进行监测,当某一维修记录中涉及对某一设备部件进行拆卸替换操作,结合与某一设备部件之间存在运行关联关系的其他设备部件的运行数据情况,对在某一维修记录中发生的拆卸替换操作是否异常进行评估,并反馈至管理终端进行预警提示;
其中,步骤S500包括:
步骤S501:当某一维修记录中涉及对某一设备部件进行拆卸替换操作,当拆卸替换操作完成后,对氢能设备于各运行参数项上产生的运行数据进行监测,对呈现数据异常的运行参数项进行捕捉,分别对各呈现数据异常的运行参数项累计异常持续时长T;设异常持续时长T大于时长阈值的运行参数项为特征运行参数项;
步骤S502:将与某一设备部件之间存在运行关联的所有设备部件的基准关联运行参数项集合设为目标集合,当在某一目标集合中涵盖某一特征运行参数项,判断对应某一目标集合的设备部件为受影响设备部件,累计受影响设备部件的总数K,获取与某一设备部件之间存在运行关联的所有设备部件的总数H,当异常值L=K/H>g时,判断在某一维修记录中发生的拆卸替换操作存在异常;其中,g表示阈值;
例如说,特征运行参数项包括参数项1、参数项2、参数项3;与某一设备部件之间存在运行关联关系的设备部件包括设备部件a、设备部件b、设备部件c、设备部件d,即H=4;
其中,设备部件a、设备部件b对应的基准关联运行参数项集合中包含参数项1;设备部件a对应的基准关联运行参数项集合中包含参数项2;设备部件b、设备部件c对应的基准关联运行参数项集合中包含参数项3;
综上,设备部件a、设备部件b、设备部件c均为受影响设备部件,即K=3;
综上,异常值L=3/4=0.75;
为更好的实现上述方法,还提出了一种氢能设备故障数据传输系统,系统包括氢能设备运行数据传输管理模块、故障特征信息梳理模块、运行关联识别判断模块、运行关联关系校验模块、异常评估管理模块;
氢能设备运行数据传输管理模块,用于监测氢能设备运作时于各运行参数项上所呈现的运行数据,将运行数据传输至控制终端,控制终端基于对各运行参数项预设的参考运行阈值,实现对各运行参数项进行数据异常判断,生成相应的运行故障记录;采集氢能设备的所有历史运行故障记录,以及对应各历史运行故障记录的历史维修记录;
故障特征信息梳理模块,用于对各历史维修记录中相应进行故障检修的故障设备部件进行信息提取,同时从对应各历史维修记录的历史运行故障记录中,获取所有呈现数据异常的运行参数项,得到对应故障设备部件的关联运行参数项集合;基于各历史维修记录以及对应各历史维修记录的关联运行参数项集合,对各设备部件进行故障特征信息的梳理;
运行关联识别判断模块,用于基于在各设备部件之间所呈现的故障特征信息分布情况,对存在运行关联的设备部件进行识别判断;
其中,运行关联识别判断模块包括第一特征关联指数计算单元、第二特征关联指数计算单元、运行关联初步判断单元;
第一特征关联指数计算单元,用于分别对各设备部件关联组合内所包含的设备部件进行第一特征关联指数的计算;
第二特征关联指数计算单元,用于分别对各设备部件关联组合内所包含的设备部件进行第二特征关联指数的计算;
运行关联初步判断单元,用于接收第一特征关联指数计算单元和第二特征关联指数计算单元中的数据,对存在运行关联的设备部件进行识别判断;
运行关联关系校验模块,用于分别对所有存在运行关联的设备部件进行运行关联程度值评估,基于运行关联程度值对所有存在运行关联的设备部件进行运行关联关系校验;
其中,运行关联关系校验模块包括运行关联程度值评估单元、运行关联关系校验管理单元;
运行关联程度值评估单元,用于分别对所有存在运行关联的设备部件进行运行关联程度值评估;
运行关联关系校验管理单元,用于根据运行关联程度值对所有存在运行关联的设备部件进行运行关联关系校验;
异常评估管理模块,用于实时对每一维修记录的内容进行监测,当某一维修记录中涉及对某一设备部件进行拆卸替换操作,结合与某一设备部件之间存在运行关联关系的其他设备部件的运行数据情况,对在某一维修记录中发生的拆卸替换操作是否异常进行评估,并反馈至管理终端进行预警提示。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物品或者设备不仅包括那些要素,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、物品或者设备所固有的要素。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于人工智能的氢能设备故障数据传输方法,其特征在于,所述方法包括:
步骤S100:监测氢能设备运作时于各运行参数项上所呈现的运行数据,将所述运行数据传输至控制终端,所述控制终端基于对各运行参数项预设的参考运行阈值,实现对各运行参数项进行数据异常判断,生成相应的运行故障记录;采集氢能设备的所有历史运行故障记录,以及对应各历史运行故障记录的历史维修记录;其中,一条历史运行故障记录对应一条历史维修记录;
步骤S200:对各历史维修记录中相应进行故障检修的故障设备部件进行信息提取,同时从对应所述各历史维修记录的历史运行故障记录中,获取所有呈现数据异常的运行参数项,得到对应所述故障设备部件的关联运行参数项集合;基于各历史维修记录以及对应各历史维修记录的关联运行参数项集合,对各设备部件进行故障特征信息的梳理;
步骤S300:基于在各设备部件之间所呈现的故障特征信息分布情况,对存在运行关联的设备部件进行识别判断;
步骤S400:分别对所有存在运行关联的设备部件进行运行关联程度值评估,基于所述运行关联程度值对所有存在运行关联的设备部件进行运行关联关系校验;
步骤S500:实时对每一维修记录的内容进行监测,当某一维修记录中涉及对某一设备部件进行拆卸替换操作,结合与所述某一设备部件之间存在运行关联关系的其他设备部件的运行数据情况,对在所述某一维修记录中发生的拆卸替换操作是否异常进行评估,并反馈至管理终端进行预警提示。
2.根据权利要求1所述的一种基于人工智能的氢能设备故障数据传输方法,其特征在于,所述步骤S200包括:
步骤S201:将在各历史维修记录中对应故障设备部件所包含的设备部件个数设为N,设N=1的历史维修记录为第一特征记录,N≥2的历史维修记录为第二特征记录;判断在每一个第二特征记录中,对应故障设备部件所包含的N个设备部件,构成一个设备部件关联组合;
步骤S202:对在各第一特征记录中相应进行故障检修的设备部件进行提取,分别将对应设备部件相同的第一特征记录进行汇集,得到若干第一特征记录集合;其中,一个第一特征记录集合对应一种设备部件;分别在各第一特征记录集合所对应的历史运行故障记录范围内,提取对应所述各第一特征记录集合的设备部件的所有关联运行参数项集合;
步骤S203:分别得到对应所述各第一特征记录集合的设备部件的基准关联运行参数项集合Y=X1∩X2∩...∩Xn;其中,X1、X2、...、Xn分别表示对应所述各第一特征记录集合的设备部件,于所述各第一特征记录集合内第1、2、...、n条第一特征记录中所对应的关联运行参数项集合。
3.根据权利要求2所述的一种基于人工智能的氢能设备故障数据传输方法,其特征在于,所述步骤S300包括:
步骤S301:若某设备部件a的基准关联运行参数项集合为Y(a),某设备部件b的基准关联运行参数项集合为Y(b),在基于所有第二特征记录得到的M个设备部件关联组合中,同时包含某设备部件a和某设备部件b的设备部件关联组合个数为m;
步骤S302:计算某设备部件a和某设备部件b之间的第一特征关联指数为β1=m/M,计算某设备部件a和某设备部件b之间的第二特征关联指数为β2=Crad(P1)/Crad(P2);其中,P1=Y(a)∩Y(b),P2=Y(a)∪Y(b);Crad(P1)表示集合P1的个数,Crad(P2)表示集合P2的个数;
步骤S303:当某设备部件a和某设备部件b之间满足:Max[β1,β2]≥α,判断设备部件a和某设备部件b之间存在运行关联;其中,Max[β1,β2]表示在β1、β2之间取最大值;其中,α表示指数阈值。
4.根据权利要求3所述的一种基于人工智能的氢能设备故障数据传输方法,其特征在于,所述步骤S400包括:
步骤S401:将存在运行关联的每两个设备部件设为一组运行关联组;分别将各运行关联组中包含的设备部件设为目标设备部件,提取各目标设备部件所对应的第一特征记录集合,当某一运行关联组中包含目标设备部件r1和目标设备部件r2,目标设备部件r1对应的基准关联运行参数项集合为Y(r1),目标设备部件r2对应的基准关联运行参数项集合为Y(r2);
步骤S402:计算目标设备部件r1与目标设备部件r2在目标设备部件r1的第i条第一特征记录上所呈现的关联系数δi=crad(U1)/crad[Y(r2)];其中,U1=[X(r1)i-Y(r1)∩X(r1)i]∩Y(r2);计算目标设备部件r1和目标设备部件r2的第一运行关联程度值δ1=∑(δi);其中,X(r1)i表示目标设备部件r1的第i条第一特征记录对应的关联运行参数项集合;
步骤S403:计算目标设备部件r1与目标设备部件r2在目标设备部件r2的第j条第一特征记录上所呈现的关联系数δj=crad(U2)/crad[Y(r1)];其中,U2=[X(r2)j-Y(r2)∩X(r2)j]∩Y(r1);计算目标设备部件r1和目标设备部件r2的第二运行关联程度值δ2=∑(δi);其中,X(r2)j表示目标设备部件r2的第j条第一特征记录对应的关联运行参数项集合;
步骤S404:当目标设备部件r1与目标设备部件r2之间满足δ2+δ1≥Ψ,判断目标设备部件r1与目标设备部件r2通过运行关联关系校验,存在运行关联关系。
5.根据权利要求4所述的一种基于人工智能的氢能设备故障数据传输方法,其特征在于,所述步骤S500包括:
步骤S501:当某一维修记录中涉及对某一设备部件进行拆卸替换操作,当所述拆卸替换操作完成后,对氢能设备于各运行参数项上产生的运行数据进行监测,对呈现数据异常的运行参数项进行捕捉,分别对各所述呈现数据异常的运行参数项累计异常持续时长T;设异常持续时长T大于时长阈值的运行参数项为特征运行参数项;
步骤S502:将与所述某一设备部件之间存在运行关联的所有设备部件的基准关联运行参数项集合设为目标集合,当在某一目标集合中涵盖某一特征运行参数项,判断对应所述某一目标集合的设备部件为受影响设备部件,累计受影响设备部件的总数K,获取与所述某一设备部件之间存在运行关联的所有设备部件的总数H,当异常值L=K/H>g时,判断在所述某一维修记录中发生的拆卸替换操作存在异常;其中,g表示阈值。
6.用于执行权利要求1-5中任意一项所述的一种基于人工智能的氢能设备故障数据传输方法的氢能设备故障数据传输系统,其特征在于,所述系统包括氢能设备运行数据传输管理模块、故障特征信息梳理模块、运行关联识别判断模块、运行关联关系校验模块、异常评估管理模块;
所述氢能设备运行数据传输管理模块,用于监测氢能设备运作时于各运行参数项上所呈现的运行数据,将所述运行数据传输至控制终端,所述控制终端基于对各运行参数项预设的参考运行阈值,实现对各运行参数项进行数据异常判断,生成相应的运行故障记录;采集氢能设备的所有历史运行故障记录,以及对应各历史运行故障记录的历史维修记录;
所述故障特征信息梳理模块,用于对各历史维修记录中相应进行故障检修的故障设备部件进行信息提取,同时从对应所述各历史维修记录的历史运行故障记录中,获取所有呈现数据异常的运行参数项,得到对应所述故障设备部件的关联运行参数项集合;基于各历史维修记录以及对应各历史维修记录的关联运行参数项集合,对各设备部件进行故障特征信息的梳理;
所述运行关联识别判断模块,用于基于在各设备部件之间所呈现的故障特征信息分布情况,对存在运行关联的设备部件进行识别判断;
所述运行关联关系校验模块,用于分别对所有存在运行关联的设备部件进行运行关联程度值评估,基于所述运行关联程度值对所有存在运行关联的设备部件进行运行关联关系校验;
所述异常评估管理模块,用于实时对每一维修记录的内容进行监测,当某一维修记录中涉及对某一设备部件进行拆卸替换操作,结合与所述某一设备部件之间存在运行关联关系的其他设备部件的运行数据情况,对在所述某一维修记录中发生的拆卸替换操作是否异常进行评估,并反馈至管理终端进行预警提示。
7.根据权利要求6所述的氢能设备故障数据传输系统,其特征在于,所述运行关联识别判断模块包括第一特征关联指数计算单元、第二特征关联指数计算单元、运行关联初步判断单元;
所述第一特征关联指数计算单元,用于分别对各设备部件关联组合内所包含的设备部件进行第一特征关联指数的计算;
所述第二特征关联指数计算单元,用于分别对各设备部件关联组合内所包含的设备部件进行第二特征关联指数的计算;
所述运行关联初步判断单元,用于接收所述第一特征关联指数计算单元和第二特征关联指数计算单元中的数据,对存在运行关联的设备部件进行识别判断。
8.根据权利要求6所述的氢能设备故障数据传输系统,其特征在于,所述运行关联关系校验模块包括运行关联程度值评估单元、运行关联关系校验管理单元;
所述运行关联程度值评估单元,用于分别对所有存在运行关联的设备部件进行运行关联程度值评估;
所述运行关联关系校验管理单元,用于根据所述运行关联程度值对所有存在运行关联的设备部件进行运行关联关系校验。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311482153.XA CN117217740B (zh) | 2023-11-09 | 2023-11-09 | 一种基于人工智能的氢能设备故障数据传输系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311482153.XA CN117217740B (zh) | 2023-11-09 | 2023-11-09 | 一种基于人工智能的氢能设备故障数据传输系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117217740A true CN117217740A (zh) | 2023-12-12 |
CN117217740B CN117217740B (zh) | 2024-02-06 |
Family
ID=89035632
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311482153.XA Active CN117217740B (zh) | 2023-11-09 | 2023-11-09 | 一种基于人工智能的氢能设备故障数据传输系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117217740B (zh) |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040044499A1 (en) * | 2002-08-30 | 2004-03-04 | House Michael Brynn | Method and system for determining motor reliability |
US20120053984A1 (en) * | 2011-08-03 | 2012-03-01 | Kamal Mannar | Risk management system for use with service agreements |
US20200019893A1 (en) * | 2018-07-13 | 2020-01-16 | Accenture Global Solutions Limited | Preventative diagnosis prediction and solution determination of future event using internet of things and artificial intelligence |
US20200124494A1 (en) * | 2018-10-18 | 2020-04-23 | Aquarius-Spectrum Ltd. | Methods Circuits Assemblies Devices Systems and Functionally Associated Machine Executable Code For Mechanical Failure Classification Condition Assessment and Remediation Recommendation |
CN113395182A (zh) * | 2021-06-21 | 2021-09-14 | 山东八五信息技术有限公司 | 具有故障预测的智能网络设备管理系统及方法 |
CN113819575A (zh) * | 2021-08-18 | 2021-12-21 | 青岛海尔空调器有限总公司 | 用于空调的控制方法、装置和服务器 |
CN114493204A (zh) * | 2022-01-13 | 2022-05-13 | 山东浪潮工业互联网产业股份有限公司 | 一种基于工业互联网的工业设备监测方法及设备 |
WO2023020078A1 (zh) * | 2021-08-18 | 2023-02-23 | 青岛海尔空调器有限总公司 | 用于空调的控制方法、装置和服务器 |
CN116345696A (zh) * | 2023-05-29 | 2023-06-27 | 南京上古网络科技有限公司 | 一种基于全域监测的异常信息分析管理系统及方法 |
CN116381490A (zh) * | 2023-06-05 | 2023-07-04 | 江苏铭星智能家居有限公司 | 一种基于数据分析的推杆电机性能检测系统及方法 |
CN116388402A (zh) * | 2023-06-05 | 2023-07-04 | 成都交大光芒科技股份有限公司 | 一种应用于变电设备的异常报警分析方法 |
CN116384975A (zh) * | 2023-04-07 | 2023-07-04 | 连州丰辉社会服务有限公司 | 一种基于发电厂设备的维护系统 |
CN116451122A (zh) * | 2023-04-23 | 2023-07-18 | 北京思维实创科技有限公司 | 一种故障确定方法、装置、电子设备及存储介质 |
CN116468427A (zh) * | 2023-06-19 | 2023-07-21 | 南京祥泰系统科技有限公司 | 一种基于大数据的设备运维智能监管系统及方法 |
CN116521700A (zh) * | 2023-06-28 | 2023-08-01 | 广州泓盈信息科技有限公司 | 一种电力系统检修信息库更新方法、系统及存储介质 |
CN116614395A (zh) * | 2023-05-22 | 2023-08-18 | 黑龙江贾维斯物联网科技有限公司 | 一种基于人工智能的数据传输异常监管系统及方法 |
CN116775408A (zh) * | 2023-06-19 | 2023-09-19 | 上海启斯云计算有限公司 | 一种储能设备运行状态的智能监测方法 |
CN117010856A (zh) * | 2023-05-26 | 2023-11-07 | 中建安装集团有限公司 | 基于数据分析的污水智慧分流数据管理系统及方法 |
-
2023
- 2023-11-09 CN CN202311482153.XA patent/CN117217740B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040044499A1 (en) * | 2002-08-30 | 2004-03-04 | House Michael Brynn | Method and system for determining motor reliability |
US20120053984A1 (en) * | 2011-08-03 | 2012-03-01 | Kamal Mannar | Risk management system for use with service agreements |
US20200019893A1 (en) * | 2018-07-13 | 2020-01-16 | Accenture Global Solutions Limited | Preventative diagnosis prediction and solution determination of future event using internet of things and artificial intelligence |
US20200124494A1 (en) * | 2018-10-18 | 2020-04-23 | Aquarius-Spectrum Ltd. | Methods Circuits Assemblies Devices Systems and Functionally Associated Machine Executable Code For Mechanical Failure Classification Condition Assessment and Remediation Recommendation |
CN113395182A (zh) * | 2021-06-21 | 2021-09-14 | 山东八五信息技术有限公司 | 具有故障预测的智能网络设备管理系统及方法 |
CN113819575A (zh) * | 2021-08-18 | 2021-12-21 | 青岛海尔空调器有限总公司 | 用于空调的控制方法、装置和服务器 |
WO2023020078A1 (zh) * | 2021-08-18 | 2023-02-23 | 青岛海尔空调器有限总公司 | 用于空调的控制方法、装置和服务器 |
CN114493204A (zh) * | 2022-01-13 | 2022-05-13 | 山东浪潮工业互联网产业股份有限公司 | 一种基于工业互联网的工业设备监测方法及设备 |
CN116384975A (zh) * | 2023-04-07 | 2023-07-04 | 连州丰辉社会服务有限公司 | 一种基于发电厂设备的维护系统 |
CN116451122A (zh) * | 2023-04-23 | 2023-07-18 | 北京思维实创科技有限公司 | 一种故障确定方法、装置、电子设备及存储介质 |
CN116614395A (zh) * | 2023-05-22 | 2023-08-18 | 黑龙江贾维斯物联网科技有限公司 | 一种基于人工智能的数据传输异常监管系统及方法 |
CN117010856A (zh) * | 2023-05-26 | 2023-11-07 | 中建安装集团有限公司 | 基于数据分析的污水智慧分流数据管理系统及方法 |
CN116345696A (zh) * | 2023-05-29 | 2023-06-27 | 南京上古网络科技有限公司 | 一种基于全域监测的异常信息分析管理系统及方法 |
CN116388402A (zh) * | 2023-06-05 | 2023-07-04 | 成都交大光芒科技股份有限公司 | 一种应用于变电设备的异常报警分析方法 |
CN116381490A (zh) * | 2023-06-05 | 2023-07-04 | 江苏铭星智能家居有限公司 | 一种基于数据分析的推杆电机性能检测系统及方法 |
CN116468427A (zh) * | 2023-06-19 | 2023-07-21 | 南京祥泰系统科技有限公司 | 一种基于大数据的设备运维智能监管系统及方法 |
CN116775408A (zh) * | 2023-06-19 | 2023-09-19 | 上海启斯云计算有限公司 | 一种储能设备运行状态的智能监测方法 |
CN116521700A (zh) * | 2023-06-28 | 2023-08-01 | 广州泓盈信息科技有限公司 | 一种电力系统检修信息库更新方法、系统及存储介质 |
Non-Patent Citations (3)
Title |
---|
ZACHARY WELZ 等: "Maintenance-based prognostics of nuclear plant equipment for long-term operation", NUCLEAR ENGINEERING AND TECHNOLOGY, vol. 49, no. 5, pages 914 - 919 * |
吕函: "考虑时变工况的风电机组预防性维修策略研究", 中国优秀硕士学位论文全文数据库 工程科技II辑, no. 02, pages 042 - 872 * |
李斌 等: "炼化大型关键设备机组健康模型研究及开发", 中国设备工程, no. 06, pages 16 - 17 * |
Also Published As
Publication number | Publication date |
---|---|
CN117217740B (zh) | 2024-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8380385B2 (en) | System and method for determining electronic logbook observed defect fix effectiveness | |
US10444746B2 (en) | Method for managing subsystems of a process plant using a distributed control system | |
CN108564280A (zh) | 基于历史维修记录的派单分类维修装置 | |
CN108170566A (zh) | 产品故障信息处理方法、系统、设备和协同工作平台 | |
CN110597196A (zh) | 数据采集系统及数据采集方法 | |
CN109117526B (zh) | 一种适用于机械系统设备维修指引数据记录及分析系统 | |
CN117235649B (zh) | 一种基于大数据的工业设备状态智能监测系统及方法 | |
CN116468427B (zh) | 一种基于大数据的设备运维智能监管系统及方法 | |
KR101873312B1 (ko) | 현장의 이상조치 오류 여부를 판정하는 클라우드형 품질관리시스템 | |
CN114429256A (zh) | 数据监测方法、装置、电子设备及存储介质 | |
CN115600147A (zh) | 一种白酒发酵过程异常温度判识预警方法 | |
CN115271617A (zh) | 一种大宗商品物流运输交易智能信息处理系统 | |
CN117217740B (zh) | 一种基于人工智能的氢能设备故障数据传输系统及方法 | |
CN113010394B (zh) | 一种用于数据中心的机房故障检测方法 | |
CN117474357A (zh) | 基于深度学习的配电房运维管理方法及系统 | |
CN111553073A (zh) | 高可靠电子产品可靠性验证方法 | |
CN116339266A (zh) | 一种管材生产复合监测方法及系统 | |
CN115034614A (zh) | 一种基于设备健康度的设备管理方法、装置及设备 | |
CN117474356A (zh) | 产品异常处理方法、系统、电子设备及存储介质 | |
CN115471201B (zh) | 一种基于大数据和区块链的产业链数字化协同监管平台 | |
CN116773238B (zh) | 一种基于工业数据的故障监测方法及系统 | |
KR100861802B1 (ko) | 제조이력에 의한 불량관리 시스템 | |
CN116956720B (zh) | 一种工业数字孪生的仿真运维系统 | |
CN112711679B (zh) | 一种基于信息化平台的飞机接装故障管理系统及管理方法 | |
CN113553352A (zh) | 一种电力二次设备家族性缺陷辨识方法及系统 |
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 |