CN118096116A - 一种环保监测设备运行状态分析方法及系统 - Google Patents
一种环保监测设备运行状态分析方法及系统 Download PDFInfo
- Publication number
- CN118096116A CN118096116A CN202410183618.XA CN202410183618A CN118096116A CN 118096116 A CN118096116 A CN 118096116A CN 202410183618 A CN202410183618 A CN 202410183618A CN 118096116 A CN118096116 A CN 118096116A
- Authority
- CN
- China
- Prior art keywords
- fault
- layer
- top event
- monitoring equipment
- determining
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 54
- 238000004458 analytical method Methods 0.000 title claims abstract description 28
- 230000007613 environmental effect Effects 0.000 claims abstract description 52
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000011835 investigation Methods 0.000 claims abstract description 22
- 238000012806 monitoring device Methods 0.000 claims description 40
- 238000004088 simulation Methods 0.000 claims description 20
- 238000012546 transfer Methods 0.000 claims description 12
- 230000001364 causal effect Effects 0.000 claims description 8
- 238000013024 troubleshooting Methods 0.000 claims description 8
- 238000004519 manufacturing process Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 abstract description 7
- 238000012545 processing Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 17
- 239000002245 particle Substances 0.000 description 8
- 239000013618 particulate matter Substances 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012360 testing method Methods 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
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Human Resources & Organizations (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明适用于状态分析技术领域，尤其涉及一种环保监测设备运行状态分析方法及系统，所述方法包括：确定环保监测设备的零件，定义顶事件，生成各零件之间的关联值，构建排查链路，确定出故障原因；整合所述顶事件和故障原因，建立内容数据集，所述内容数据集表征环保监测设备可能发生的故障和对应的故障原因的集合；创建顶事件层、基础事件层和关系层，将所述顶事件转移到顶事件层中。本发明通过构建故障树，可以定位出环保监测设备的故障，并确定故障原因，提高故障的处理效率，并且通过利用数字化模型修正故障预测结果，可以进一步提高故障预测结果的准确性，从而提前预测出可能会发生故障的位置和故障原因，提高环保监测设备维护的便利性。
Description
技术领域
本发明涉及状态分析技术领域，尤其涉及一种环保监测设备运行状态分析方法及系统。
背景技术
环保监测设备数量多，且安装区域分散，现有的环保监测设备维护方式大多为定期巡检和维护，或在环保监测设备出现故障后，再进行维护，这样的维护方式存在较大的滞后性，在环保监测设备出现故障后，还需维护人员到达现场，现场分析故障原因，再进行相应地处置，可见，这样的维护方式需要耗费大量人力物力，因此，如何对环保监测设备的运行状态进行分析，提前预测出可能会发生故障的位置和原因是本发明所需要解决的技术问题。
发明内容
本发明的目的在于提供一种环保监测设备运行状态分析方法及系统，以解决上述背景技术中提出“如何提前预测出可能会发生故障的位置和原因”的问题。
为实现上述目的，本发明提供如下技术方案：
一种环保监测设备运行状态分析方法，所述方法包括：
确定环保监测设备的零件，定义顶事件，生成各零件之间的关联值，构建排查链路，确定出故障原因；
整合所述顶事件和故障原因，建立内容数据集，所述内容数据集用于表征环保监测设备可能发生的故障和对应的故障原因的集合；
创建顶事件层、基础事件层和关系层，将所述顶事件转移到顶事件层中，将所述故障原因转移到基础事件层中，并利用所述关系层连接顶事件层和基础事件层，构建故障树。
确定零件的健康度，当所述健康度低于预设的阈值，则遍历所述故障树，输出故障预测结果，并将所述故障预测结果推送到预设的终端中。
建立环保监测设备的数字化模型，对零件进行模拟运行，并根据所述运行结果修正所述故障预测结果。
进一步的，所述确定环保监测设备的零件，定义顶事件，生成各零件之间的关联值，构建排查链路，确定出故障原因的步骤包括：
获取环保监测设备的生产资料，计算关联值，并建立顶事件和故障原因的对应关系；
基于所述对应关系，构建排查链路。
进一步的，所述整合所述顶事件和故障原因，建立内容数据集的步骤还包括：
将所述对应关系导入到内容数据集中，确定故障结构，并插入频率标签；
按照频率标签中数值由大到小的顺序，对所述故障结构进行排序。
进一步的，所述创建顶事件层、基础事件层和关系层，将所述顶事件转移到顶事件中，将所述故障原因转移到基础事件层中，并利用所述关系层连接顶事件层和基础事件层，构建故障树的步骤还包括：
根据所述排查链路，挖掘出所述故障树中的因果关系，建立路径，并确定所述路径的概率；
利用现有数据对所述路径进行纠错。
进一步的，所述确定零件的健康度，当所述健康度低于预设的阈值，则遍历所述故障树，输出故障预测结果，并将所述故障预测结果推送到预设的终端中的步骤包括：
获取环保监测设备的运行数据，确定零件的健康度；
比对所述健康度与预设的阈值的大小，如果健康度大于阈值 ，则直接将所述健康度推送到预设的终端中，反之，则定位所述顶事件，并将所述顶事件输入到故障树中。
进一步的，所述建立环保监测设备的数字化模型，对零件进行模拟运行，并根据所述运行结果修正所述故障预测结果的步骤包括：
利用所述运行数据对数字化模型进行训练，再将健康度叠加到数字化模型中；
利用所述数字化模型对零件进行模拟运行；
根据所述运行结果，计算出故障预测结果的准确度。
进一步的，所述方法还包括：
生成处置数据集，并建立触发条件；
当所述故障预测结果满足触发条件时，检索所述处置数据集，确定处置方法，并将所述处置方法推送到预设的终端中。
进一步的，所述系统包括：
定义模块，能够确定环保监测设备的零件，定义顶事件，生成各零件之间的关联值，构建排查链路，确定出故障原因；
建立模块，用于整合所述顶事件和故障原因，建立内容数据集，所述内容数据集用于表征环保监测设备可能发生的故障和对应的故障原因的集合；
转移模块，可以创建顶事件层、基础事件层和关系层，将所述顶事件转移到顶事件层中，将所述故障原因转移到基础事件层中，并利用所述关系层连接顶事件层和基础事件层，构建故障树。
输出模块，能够确定零件的健康度，当所述健康度低于预设的阈值，则遍历所述故障树，输出故障预测结果，并将所述故障预测结果推送到预设的终端中。
模拟模块，用于建立环保监测设备的数字化模型，对零件进行模拟运行，并根据所述运行结果修正所述故障预测结果。
进一步的，所述定义模块包括：
计算单元，可以获取环保监测设备的生产资料，计算关联值，并建立顶事件和故障原因的对应关系；
构建单元，用于根据所述对应关系，构建排查链路。
进一步的，所述建立模块包括：
导入单元，能够将所述对应关系导入到内容数据集中，确定故障结构，并插入频率标签；
排序单元，用于按照频率标签中数值由大到小的顺序，对所述故障结构进行排序。
与现有技术相比，本发明的有益效果是：
1、通过构建内容数据集，可以更好地对故障进行统计分析，便于挖掘出数据间的内在联系，提高分析效率，通过构建故障树，可以定位出环保监测设备的故障位置，并确定故障原因，提高故障的处理效率，通过确定故障预测结果，可以更为直观地展示出环保监测设备运行状态的发展趋势，更好地对故障进行预判，通过利用数字化模型修正故障预测结果，可以进一步提高故障预测结果的准确性，同时也可提高环保监测设备维护的便利性。
2、通过确定处置方法，得以快速对环保监测设备故障进行处置，极大地降低了故障的处置难度，同时也使得故障的处置效率更高。
附图说明
图1为本发明实施例提供的环保监测设备运行状态分析方法的流程框图；
图2为本发明实施例提供的环保监测设备运行状态分析方法中故障描述OR示意图；
图3为本发明实施例提供的环保监测设备运行状态分析方法中故障描述AND示意图；
图4为本发明实施例提供的环保监测设备运行状态分析方法的第一子流程框图；
图5为本发明实施例提供的环保监测设备运行状态分析方法的第二子流程框图；
图6为本发明实施例提供的环保监测设备运行状态分析方法的第三子流程框图；
图7为本发明实施例提供的环保监测设备运行状态分析方法的第四子流程框图；
图8为本发明实施例提供的环保监测设备运行状态分析方法的第五子流程框图；
图9为本发明实施例提供的环保监测设备运行状态分析系统的组成框图；
图10为本发明实施例提供的环保监测设备运行状态分析系统中定义模块的组成框图；
图11为本发明实施例提供的环保监测设备运行状态分析系统中建立模块的组成框图；
图12为本发明实施例提供的环保监测设备运行状态分析系统中转移模块的组成框图；
图13为本发明实施例提供的环保监测设备运行状态分析系统中输出模块的组成框图；
图14为本发明实施例提供的环保监测设备运行状态分析系统中模拟模块的组成框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明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仅用以解释本发明，并不用于限定本发明。
在实施例1中，图1示出了本发明实施例提供的环保监测设备运行状态分析方法实现流程，以下进行详述，如下：
S100：确定环保监测设备的零件，定义顶事件，生成各零件之间的关联值，构建排查链路，确定出故障原因。
根据环保监测设备的型号，从公开数据库或是生产厂家，找出环保监测设备所包含的零件，此处的零件主要为设备的关键零部件，关键零部件即为关乎设备正常运转的零部件，而连接零件或是其他零件，则不计入本处的零件范畴之内。
通过分析零件的工作流程，确定出顶事件，顶事件也就是可能发生的故障，例如，以环保监测设备中的颗粒物监测器为例，其零件主要包括进气口、颗粒物传感器、导流扇、处理器和显示屏等，颗粒物监测器主要通过颗粒物传感器来计算颗粒物浓度，但是在某刻，当处理器检测到颗粒物传感器相应速度变慢，此时顶事件即为颗粒物传感器的相应速度变慢，并生成关联值；在此处，当颗粒物传感器发生故障，可以考虑进气口堵塞，或是导流扇异常，或是颗粒物传感器的自身问题，所以分别对进气口、导流扇和颗粒物传感器进行赋值，该关联值越高，在发生故障时，需要优先考虑，并构建排查链路，排查链路就是空气在颗粒物监测器的流动方向，当然排查链路也可以是数据的传输方向，此处的排查链路主要是对故障原因的排查方法，沿着排查链路确定出故障原因；所以当顶事件为颗粒物传感器的相应速度变慢，排查链路是空气和数据的传输方向，故障原因可能是进气口堵塞，导流扇损坏等。
此处的顶事件、故障原因和排查链路等均为数据准备工作，并不是本方法需要建立在环保监测设备故障的基础上。
S200：整合所述顶事件和故障原因，建立内容数据集，所述内容数据集用于表征环保监测设备可能发生的故障和对应的故障原因的集合。
对顶事件和故障原因进行整合，在上述例中，将颗粒物传感器的相应速度变慢和导流扇损坏、进气口堵塞进行整合，建立内容数据集。
S300：创建顶事件层、基础事件层和关系层，将所述顶事件转移到顶事件层中，将所述故障原因转移到基础事件层中，并利用所述关系层连接顶事件层和基础事件层，构建故障树。
顶事件层主要由顶事件构成，其中顶事件主要为故障的表象，也就是故障所能产生的宏观表现，基础事件层也就是导致顶事件发生的故障原因的集合，其中顶事件和故障原因的数量均为多个，并通过关系层连接顶事件层和基础事件层，其中关系层中主要为关系词，关系词至少包括OR、NOT和AND，例如，继续以上述为例，在颗粒物监测器相应速度变慢的顶事件中，顶事件为相应速度变慢，故障原因为进气口堵塞，导流扇损坏等，则对于上述故障的描述存在两种表述方法（如说明书附图2和图3所示），在OR中，只要有一个基础事件层中的故障原因发生，顶事件就会发生，AND中，只有两个故障原因同时发生，顶事件才会发生。
S400：确定零件的健康度，当所述健康度低于预设的阈值，则遍历所述故障树，输出故障预测结果，并将所述故障预测结果推送到预设的终端中。
根据零件的使用情况，确定零件的健康度，其中关于健康度的计算可以利用使用年限进行大致推算，也可以根据使用情况详细计算；确定性能参数，如确定温度T、硬度H和振动V为相对重要性参数，并确定为WT、WH和WV，再测试出当前的性能参数，分别记为FT、FH和FV，利用公式，计算出当前的健康度，如果健康度低于预设的阈值，则证明零件的健康状态较差，需要将零件对应的顶事件输入到故障树中，输出故障预测结果，其中预设的阈值可以根据实际使用需求而决定，如果环保监测设备处于重要的监测节点，则可以设置较高的阈值，及时对零件的预测故障进行处理，如果环保监测设备处于普通节点，其发生故障并不会产生较大后果，则可以设置较低的阈值，预设的终端可以是环保管理系统。
S500：建立环保监测设备的数字化模型，对零件进行模拟运行，并根据所述运行结果修正所述故障预测结果。
建立数字化模型，对零件进行模拟运行，并根据模拟运行的结果修正故障预测结果。
在实施例2中，图4示出了本发明实施例提供的环保监测设备运行状态分析方法实现流程，以下对所述确定环保监测设备的零件，定义顶事件，生成各零件之间的关联值，构建排查链路，确定出故障原因的步骤进行详述，如下：
S101：获取环保监测设备的生产资料，计算关联值，并建立顶事件和故障原因的对应关系。
从公开资料或是生产厂家处，获取环保监测设备的资料，并根据资料和零件间的相互关系，计算出关联值，关联值越高，也就说明该零件与其他零件的联系也就越紧密，其发生故障的概率也就越高；顶事件也就是可能会发生的故障，每个零件都可能对应一个或多个顶事件。
S102：基于所述对应关系，构建排查链路。
根据对应关系，构建排查链路，通过对排查链路上每个零件的遍历，可以快速找出故障零件和故障原因。
在实施例3中，图5示出了本发明实施例提供的环保监测设备运行状态分析方法实现流程，以下对所述整合所述顶事件和故障原因，建立内容数据集的步骤进行详述，如下：
S201：将所述对应关系导入到内容数据集中，确定故障结构，并插入频率标签。
向故障结构中插入频率标签，如果频率标签中的数值越大，也就证明该顶事件发生的可能性也就越大。某零件A可能与多个零件存在着对应关系，也就是说A故障，可能会有多个原因，这就称之为故障结构。
S202：按照频率标签中数值由大到小的顺序，对所述故障结构进行排序。
如果故障结构的排序越靠前，也就证明发生该故障的可能性越大。
在实施例4中，图6示出了本发明实施例提供的环保监测设备运行状态分析方法实现流程，以下对所述创建顶事件层、基础事件层和关系层，将所述顶事件转移到顶事件中，将所述故障原因转移到基础事件层中，并利用所述关系层连接顶事件层和基础事件层，构建故障树的步骤进行详述，如下：
S301：根据所述排查链路，挖掘出所述故障树中的因果关系，建立路径，并确定所述路径的概率。
挖掘出故障树中的因果关系，因果关系也就是上述中的对应关系的细化，对应关系并不存在方向，而因果关系则具有方向，例如：零件A损坏，可能会导致零件B、C异常，但反之，零件B、C损坏，并不一定会导致A异常，将具备方向性的对应关系定义为因果关系，建立路径，并根据因果关系和频率标签，确定路径的频率。
S302：利用现有数据对所述路径进行纠错。
利用现有数据或者工作人员的经验对路径进行纠错，这样做的好处是可以进一步地提高路径的正确率，从而提高故障预测的分析效率。
在实施例5中，图7示出了本发明实施例提供的环保监测设备运行状态分析方法实现流程，以下对所述确定零件的健康度，当所述健康度低于预设的阈值，则遍历所述故障树，输出故障预测结果，并将所述故障预测结果推送到预设的终端中的步骤进行详述，如下：
S401：获取环保监测设备的运行数据，确定零件的健康度。
根据环保监测设备的运行数据，确定零件的健康度，如果健康度越高，也就证明环保监测设备的安全性越高，并不会在短期内发生异常。
S402：比对所述健康度与预设的阈值的大小，如果健康度大于阈值，则直接将所述健康度推送到预设的终端中，反之，则定位所述顶事件，并将所述顶事件输入到故障树中。
如果健康度大于预设的阈值，也就说明零件的健康状态良好，无需进行故障预测，此时可直接将健康度推送到预设的终端中，如果健康度小于等于预设的阈值，也就说明零件的健康状态较差，此时将零件对应的顶事件输出到故障树中，输出得到故障预测结果。
在实施例6中，图8示出了本发明实施例提供的环保监测设备运行状态分析方法实现流程，以下对所述建立环保监测设备的数字化模型，对零件进行模拟运行，并根据所述运行结果修正所述故障预测结果的步骤包括：
S501：利用所述运行数据对数字化模型进行训练，再将健康度叠加到数字化模型中。
利用运行数据对数字化模型进行训练，并将零件的健康度叠加到数字化模型中，进一步提高数字化模型的准确率。
S502：利用所述数字化模型对零件进行模拟运行。
S503：根据所述运行结果，计算出故障预测结果的准确度。
根据数字化模型的运行结果，对故障预测结果进行校准，并计算出故障预测结果的准确度。
在实施例7中，与实施例1不同的是，在本发明实施例中，所述方法还包括：
生成处置数据集，并建立触发条件；
当所述故障预测结果满足触发条件时，检索所述处置数据集，确定处置方法，并将所述处置方法推送到预设的终端中。
根据处置数据集，也就是应急处置方案的集合，建立触发条件，并根据触发条件，在处理数据集中检索，找出与故障预测结果匹配的处置方法，并将处置方法和故障预测结果一同推送到预设的终端中。
图9示出了本发明实施例提供的环保监测设备运行状态分析系统的组成结构框图，所述环保监测设备运行状态分析系统1包括：
定义模块11，能够确定环保监测设备的零件，定义顶事件，生成各零件之间的关联值，构建排查链路，确定出故障原因；
建立模块12，用于整合所述顶事件和故障原因，建立内容数据集，所述内容数据集用于表征环保监测设备可能发生的故障和对应的故障原因的集合；
转移模块13，可以创建顶事件层、基础事件层和关系层，将所述顶事件转移到顶事件层中，将所述故障原因转移到基础事件层中，并利用所述关系层连接顶事件层和基础事件层，构建故障树。
输出模块14，能够确定零件的健康度，当所述健康度低于预设的阈值，则遍历所述故障树，输出故障预测结果，并将所述故障预测结果推送到预设的终端中。
模拟模块15，用于建立环保监测设备的数字化模型，对零件进行模拟运行，并根据所述运行结果修正所述故障预测结果。
图10示出了本发明实施例提供的环保监测设备运行状态分析系统的组成结构框图，所述定义模块11包括：
计算单元111，可以获取环保监测设备的生产资料，计算关联值，并建立顶事件和故障原因的对应关系；
构建单元112，用于根据所述对应关系，构建排查链路
图11示出了本发明实施例提供的环保监测设备运行状态分析系统的组成结构框图，所述建立模块12包括：
导入单元121，能够将所述对应关系导入到内容数据集中，确定故障结构，并插入频率标签；
排序单元122，用于按照频率标签中数值由大到小的顺序，对所述故障结构进行排序。
图12示出了本发明实施例提供的环保监测设备运行状态分析系统的组成结构框图，所述转移模块13包括：
挖掘单元131，用于根据所述排查链路，挖掘出所述故障树中的因果关系，建立路径，并确定所述路径的概率；
纠错单元132，能够利用现有数据对所述路径进行纠错。
图13示出了本发明实施例提供的环保监测设备运行状态分析系统的组成结构框图，所述输出模块14包括：
确定单元141，可以获取环保监测设备的运行数据，确定零件的健康度；
比对单元142，能够比对所述健康度与预设的阈值的大小，如果健康度大于阈值，则直接将所述健康度推送到预设的终端中，反之，则定位所述顶事件，并将所述顶事件输入到故障树中。
图14示出了本发明实施例提供的环保监测设备运行状态分析系统的组成结构框图，所述模拟模块15包括：
训练单元151，可以利用所述运行数据对数字化模型进行训练，再将健康度叠加到数字化模型中；
运行单元152，用于利用所述数字化模型对零件进行模拟运行；
计算单元153，能够根据所述运行结果，计算出故障预测结果的准确度。
定义模块11主要用于完成步骤S100，建立模块12主要用于完成步骤S200，转移模块13主要用于完成步骤S300，输出模块14主要用于完成步骤S400，模拟模块15主要用于完成步骤S500；
计算单元111主要用于完成步骤S101，构建单元112主要用于完成步骤S102；
导入单元121主要用于完成步骤S201，排序单元122主要用于完成步骤S202；
挖掘单元131主要用于完成步骤S301，纠错单元132主要用于完成步骤S302；
确定单元141主要用于完成步骤S401，比对单元142主要用于完成步骤S402；
训练单元151主要用于完成步骤S501，运行单元152主要用于完成步骤S502；计算单元153主要用于完成步骤S503。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种环保监测设备运行状态分析方法，其特征在于，所述方法包括：
确定环保监测设备的零件，定义顶事件，生成各零件之间的关联值，构建排查链路，确定出故障原因；
整合所述顶事件和故障原因，建立内容数据集，所述内容数据集用于表征环保监测设备可能发生的故障和对应的故障原因的集合；
创建顶事件层、基础事件层和关系层，将所述顶事件转移到顶事件层中，将所述故障原因转移到基础事件层中，并利用所述关系层连接顶事件层和基础事件层，构建故障树；
确定零件的健康度，当所述健康度低于预设的阈值，则遍历所述故障树，输出故障预测结果，并将所述故障预测结果推送到预设的终端中；
建立环保监测设备的数字化模型，对零件进行模拟运行，并根据所述运行结果修正所述故障预测结果。
2.根据权利要求1所述的方法，其特征在于，所述确定环保监测设备的零件，定义顶事件，生成各零件之间的关联值，构建排查链路，确定出故障原因的步骤包括：
获取环保监测设备的生产资料，计算关联值，并建立顶事件和故障原因的对应关系；
基于所述对应关系，构建排查链路。
3.根据权利要求2所述的方法，其特征在于，所述整合所述顶事件和故障原因，建立内容数据集的步骤还包括：
将所述对应关系导入到内容数据集中，确定故障结构，并插入频率标签；
按照频率标签中数值由大到小的顺序，对所述故障结构进行排序。
4.根据权利要求1所述的方法，其特征在于，所述创建顶事件层、基础事件层和关系层，将所述顶事件转移到顶事件层中，将所述故障原因转移到基础事件层中，并利用所述关系层连接顶事件层和基础事件层，构建故障树的步骤还包括：
根据所述排查链路，挖掘出所述故障树中的因果关系，建立路径，并确定所述路径的概率；
利用现有数据对所述路径进行纠错。
5.根据权利要求1所述的方法，其特征在于，所述确定零件的健康度，当所述健康度低于预设的阈值，则遍历所述故障树，输出故障预测结果，并将所述故障预测结果推送到预设的终端中的步骤包括：
获取环保监测设备的运行数据，确定零件的健康度；
比对所述健康度与预设的阈值的大小，如果健康度大于阈值，则直接将所述健康度推送到预设的终端中，反之，则定位所述顶事件，并将所述顶事件输入到故障树中。
6.根据权利要求5所述的方法，其特征在于，所述建立环保监测设备的数字化模型，对零件进行模拟运行，并根据所述运行结果修正所述故障预测结果的步骤包括：
利用所述运行数据对数字化模型进行训练，再将健康度叠加到数字化模型中；
利用所述数字化模型对零件进行模拟运行；
根据所述运行结果，计算出故障预测结果的准确度。
7.根据权利要求6所述的方法，其特征在于，所述方法还包括：
生成处置数据集，并建立触发条件；
当所述故障预测结果满足触发条件时，检索所述处置数据集，确定处置方法，并将所述处置方法推送到预设的终端中。
8.一种环保监测设备运行状态分析系统，其特征在于，所述系统包括：
定义模块，能够确定环保监测设备的零件，定义顶事件，生成各零件之间的关联值，构建排查链路，确定出故障原因；
建立模块，用于整合所述顶事件和故障原因，建立内容数据集，所述内容数据集用于表征环保监测设备可能发生的故障和对应的故障原因的集合；
转移模块，可以创建顶事件层、基础事件层和关系层，将所述顶事件转移到顶事件层中，将所述故障原因转移到基础事件层中，并利用所述关系层连接顶事件层和基础事件层，构建故障树；
输出模块，能够确定零件的健康度，当所述健康度低于预设的阈值，则遍历所述故障树，输出故障预测结果，并将所述故障预测结果推送到预设的终端中；
模拟模块，用于建立环保监测设备的数字化模型，对零件进行模拟运行，并根据所述运行结果修正所述故障预测结果。
9.根据权利要求8所述的系统，其特征在于，所述定义模块包括：
计算单元，可以获取环保监测设备的生产资料，计算关联值，并建立顶事件和故障原因的对应关系；
构建单元，用于根据所述对应关系，构建排查链路。
10.根据权利要求8所述的系统，其特征在于，所述建立模块包括：
导入单元，能够将所述对应关系导入到内容数据集中，确定故障结构，并插入频率标签；
排序单元，用于按照频率标签中数值由大到小的顺序，对所述故障结构进行排序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410183618.XA CN118096116A (zh) | 2024-02-19 | 2024-02-19 | 一种环保监测设备运行状态分析方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410183618.XA CN118096116A (zh) | 2024-02-19 | 2024-02-19 | 一种环保监测设备运行状态分析方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN118096116A true CN118096116A (zh) | 2024-05-28 |
Family
ID=91144768
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410183618.XA Pending CN118096116A (zh) | 2024-02-19 | 2024-02-19 | 一种环保监测设备运行状态分析方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118096116A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103359137A (zh) * | 2012-03-31 | 2013-10-23 | 上海申通地铁集团有限公司 | 道岔故障预警方法 |
| US20170185971A1 (en) * | 2014-12-01 | 2017-06-29 | Tokyo Electric Power Company Holdings, Incorporated | Maintenance method for facility |
| CN108564313A (zh) * | 2018-06-14 | 2018-09-21 | 华北水利水电大学 | 基于故障树的风电机组状态监测与健康评估的方法及装置 |
| CN110221198A (zh) * | 2019-05-31 | 2019-09-10 | 天地（常州）自动化股份有限公司 | 基于故障树的煤矿井下组合开关故障诊断方法 |
| CN111160579A (zh) * | 2019-12-30 | 2020-05-15 | 中国船舶重工集团公司第七一三研究所 | 一种基于权重的站台门故障诊断分析方法 |
| CN111650917A (zh) * | 2020-05-14 | 2020-09-11 | 中铁第四勘察设计院集团有限公司 | 一种设备的多维度状态在线监测方法及系统 |
| WO2021233231A1 (zh) * | 2020-05-20 | 2021-11-25 | 中国石油大学(华东) | 一种对集输联合站以及关键设备的可靠性评价方法及系统 |
| WO2023245851A1 (zh) * | 2022-06-20 | 2023-12-28 | 中电信数智科技有限公司 | 一种基于微服务架构的深度巡检优化方法及系统 |
-
2024
- 2024-02-19 CN CN202410183618.XA patent/CN118096116A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103359137A (zh) * | 2012-03-31 | 2013-10-23 | 上海申通地铁集团有限公司 | 道岔故障预警方法 |
| US20170185971A1 (en) * | 2014-12-01 | 2017-06-29 | Tokyo Electric Power Company Holdings, Incorporated | Maintenance method for facility |
| CN108564313A (zh) * | 2018-06-14 | 2018-09-21 | 华北水利水电大学 | 基于故障树的风电机组状态监测与健康评估的方法及装置 |
| CN110221198A (zh) * | 2019-05-31 | 2019-09-10 | 天地（常州）自动化股份有限公司 | 基于故障树的煤矿井下组合开关故障诊断方法 |
| CN111160579A (zh) * | 2019-12-30 | 2020-05-15 | 中国船舶重工集团公司第七一三研究所 | 一种基于权重的站台门故障诊断分析方法 |
| CN111650917A (zh) * | 2020-05-14 | 2020-09-11 | 中铁第四勘察设计院集团有限公司 | 一种设备的多维度状态在线监测方法及系统 |
| WO2021233231A1 (zh) * | 2020-05-20 | 2021-11-25 | 中国石油大学(华东) | 一种对集输联合站以及关键设备的可靠性评价方法及系统 |
| WO2023245851A1 (zh) * | 2022-06-20 | 2023-12-28 | 中电信数智科技有限公司 | 一种基于微服务架构的深度巡检优化方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| 李文锋;廖强;贺华芹;方正;: "基于故障树分析的智能张拉设备液压系统故障诊断", 液压气动与密封, no. 02, 31 December 2017 (2017-12-31), pages 74 - 77 * |
| 王芳等: "深海动力定位系统可靠分析", 31 July 2022, 哈尔滨工业大学出版社, pages: 67 - 70 * |
| 蔡建平等: "装备环境适应性与装备环境工程", 31 July 2019, 航空工业出版社, pages: 67 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109271272B (zh) | 基于非结构化日志的大数据组件故障辅助修复系统 | |
| An efficient binary-decision-diagram-based approach for network reliability and sensitivity analysis | ||
| CN113614666A (zh) | 用于检测和预测工业过程自动化系统中的故障的系统和方法 | |
| CN110806743A (zh) | 基于人工智能的设备故障检测与预警系统及方法 | |
| CN110032463B (zh) | 一种基于贝叶斯网络的系统故障定位方法和系统 | |
| CN1425234A (zh) | 利用面向目标的模糊逻辑决策规则评估网络的安全姿态的系统和方法 | |
| Liu et al. | Decentralized diagnosis of stochastic discrete event systems | |
| CN114267178B (zh) | 一种车站的智能运营维护方法及装置 | |
| CN112686402A (zh) | 一种日常巡检与智慧运维管理平台结合的方法 | |
| CN113946499A (zh) | 一种微服务链路跟踪及性能分析方法、系统、设备及应用 | |
| CN117675522A (zh) | 一种电力通信故障诊断及预防方法及系统 | |
| CN112633611A (zh) | 基于大数据分析的海底电缆状态检修策略优化方法及系统 | |
| CN115037597A (zh) | 一种故障检测方法及设备 | |
| Liu et al. | Safe diagnosability of stochastic discrete event systems | |
| CN116824734A (zh) | 一种基于数字孪生的设备远程故障诊断方法、系统和装置 | |
| JP2003032253A (ja) | 管理可能なネットワークにおける事前対策オンライン診断 | |
| CN111796585B (zh) | 一种工控设备漏洞挖掘检测系统 | |
| CN118093336A (zh) | 一种面向硬件的风险分析方法及系统 | |
| CN105868265A (zh) | 更新、证据和触发事件的案例管理链接 | |
| CN118096116A (zh) | 一种环保监测设备运行状态分析方法及系统 | |
| WO2023085596A1 (ko) | 사이버캐릭터를 이용한 태양광 발전시스템의 운영유지보수 장치 및 그 방법 | |
| CN116541728A (zh) | 一种基于密度聚类的故障诊断方法及装置 | |
| Qiu et al. | Decentralized diagnosis of event-driven systems for safely reacting to failures | |
| Wei et al. | QaSten: Integrating quantitative verification with safety analysis for AADL model | |
| CN116106656A (zh) | 一种基于移动应用终端的电力设备缺陷辅助识别方法 |
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 |