基于机电设备状态数据漂移的故障预测方法及系统技术方案

本发明专利技术涉及机电设备检测的技术领域，尤其是涉及一种基于机电设备状态数据漂移的故障预测方法及系统，基于机电设备状态数据漂移的故障预测方法包括获取每台所述机电设备的历史检测数据；分别对每组所述历史检测数据进行训练，得到故障预测模型；若获取到每台所述机电设备的运行状态数据，则使用对应的故障预测模型对所述运行状态数据进行预测，得到对应的预测结果；根据所述预测结果，为对应的所述机电设备设置维修计划。本发明专利技术具有对机电设备运行状态进行预警，提高维修效率的效果。

【技术实现步骤摘要】
基于机电设备状态数据漂移的故障预测方法及系统
本专利技术涉及机电设备检测的
，尤其是涉及一种基于机电设备状态数据漂移的故障预测方法及系统。
技术介绍
目前，在机电设备故障的检测，通常采取实时监控，并在发生故障时在监控平台中发出报警，通知相关人员进行处理。或是凭借设备维修的经验，定期对机电设备进行检查，起到预防的作用。在现有的机电设备故障检测方法中，若在机电设备发生故障时才进行维修，有可能导致该机电设备所在的运行系统，例如轨道交通系统，的瘫痪或造成其他危害，而凭借经验进行定期维修，虽能起到一定的预防作用，但是仍会出现一定的误差，导致维修的效率不高。
技术实现思路
本专利技术的目的是提供一种对机电设备运行状态进行预警，提高维修效率的基于机电设备状态数据漂移的故障预测方法及系统。本专利技术的上述专利技术目的一是通过以下技术方案得以实现的：一种基于机电设备状态数据漂移的故障预测方法，所述基于机电设备状态数据漂移的故障预测方法包括：获取每台所述机电设备的历史检测数据；分别对每组所述历史检测数据进行训练，得到故障预测模型；若获取到每台所述机电设备的运行状态数据，则使用对应的故障预测模型对所述运行状态数据进行预测，得到对应的预测结果；根据所述预测结果，为对应的所述机电设备设置维修计划。通过采用上述技术方案，通过获取每台机电设备的历史检测数据，并根据该历史数据进行训练，得到故障预测模型，能够通过该故障预测模型，反映每台机电设备在出现故障时主要的趋势，以及平均的时间，并能够通过该故障预测模型，对每台机电设备当前的运行状态数据进行判断与预测，实现了对每台机电设备出现故障的时间以及具体的部件进行预测，提高了维护机电设备的效率，也保证了各个机电设备组成的设备系统的运行稳定；同时，根据预测的结果，对每台机电设备设置对应的维修计划，能够使得维修安排更为合理。本专利技术进一步设置为：所述获取每台所述机电设备的历史检测数据，包括：每台所述机电设备包括对应的设备标识，根据所述设备标识调取每台所述机电设备对应的运行数据库；从每台所述机电设备对应的所述运行数据库中获取所述历史检测数据。通过采用上述技术方案，根据每台机电设备对应的设备标识，调取对应的运行数据库，并在该运行数据库中获取与每台机电设备对应的历史检测数据，能够为后续训练处故障预测模型提供训练样本。本专利技术进一步设置为：分别对每组所述历史检测数据进行训练，得到故障预测模型，包括：每组所述历史检测数据包括机电设备运行波形，根据所述机电设备运行波形，设置在每组所述历史检测数据中的每条所述机电设备运行波形对应的运行包络线；将每组所述历史检测数据对应的所述运行包络线作为训练集，通过CNN提取每条所述运行包络线的特征向量；使用LSTM网络对每组历史检测数据对应的所述训练集所述特征向量进行训练，得到所述故障预测模型。进一步地，所述将每组所述历史检测数据对应的所述运行包络线作为训练集，通过CNN提取每条所述运行包络线的特征向量，包括：获取每条所述运行包络线的幅度、变化拐点以及曲率，通过将每条所述运行包络线输入CNN中，将所述幅度、所述变化拐点以及所述曲率作为与所述运行包络线对应的特征值；将每条所述运行包络线对应的所述特征值构建所述特征向量。通过采用上述技术方案，通过CNN+LSTM，将每组历史检测数据对应的全部机电设备波形作为训练集，实用CNN进行提取特征点，并构建特征向量，通过LSTM对提取的特征向量进行训练，能够得到与每台机电设备具体情况相吻合的故障预测模型；同时，获取机电设备运行波形对应的运行包络线，能够通过该包络线，更加直观的获取该机电设备波形的幅度、变化观点以及曲率的特征点，提高了训练得到的故障预测模型的准确度。本专利技术进一步设置为：所述若获取到每台所述机电设备的运行状态数据，则使用对应的故障预测模型对所述运行状态数据进行预测，得到对应的预测结果，包括：实时对所述机电设备进行检测，得到每台所述机电设备的所述运行状态数据；将每台所述机电设备对应的所述运行状态数据输入对应的故障预测模型，得到机电设备故障预测概率；根据所述机电设备故障预测概率构建置信区间，根据所述置信区间获取每台所述机电设备的可接受风险概率；根据所述可接受风险概率和每台所述机电设备的所述设备标识，得到每台所述机电设备的所述预测结果。通过采用上述技术方案，通过实时获取到的机电设备对应的运行状态数据输入至该机电设备的故障预测模型中，得到故障预测概率，实现了对机电设备出现故障的可能性的预测；同时，对每台机电设备设置对应的置信区间，从而得到对应的可接受风险概率，能够通过该可接受风险概率对维修措施进行合理安排，进一步地提高了检修的效率。本专利技术的上述专利技术目的二是通过以下技术方案得以实现的：一种基于机电设备状态数据漂移的故障预测系统，其特征在于，所述基于机电设备状态数据漂移的故障预测系统包括：历史检测数据获取模块，用于获取每台所述机电设备的历史检测数据；模型获取模块，用于分别对每组所述历史检测数据进行训练，得到故障预测模型；预测结果获取模块，用于若获取到每台所述机电设备的运行状态数据，则使用对应的故障预测模型对所述运行状态数据进行预测，得到对应的预测结果；维修计划设置模块，用于根据所述预测结果，为对应的所述机电设备设置维修计划。通过采用上述技术方案，通过获取每台机电设备的历史检测数据，并根据该历史数据进行训练，得到故障预测模型，能够通过该故障预测模型，反映每台机电设备在出现故障时主要的趋势，以及平均的时间，并能够通过该故障预测模型，对每台机电设备当前的运行状态数据进行判断与预测，实现了对每台机电设备出现故障的时间以及具体的部件进行预测，提高了维护机电设备的效率，也保证了各个机电设备组成的设备系统的运行稳定；同时，根据预测的结果，对每台机电设备设置对应的维修计划，能够使得维修安排更为合理。综上所述，本专利技术的有益技术效果为：1.通过获取每台机电设备的历史检测数据，并根据该历史数据进行训练，得到故障预测模型，能够通过该故障预测模型，反映每台机电设备在出现故障时主要的趋势，以及平均的时间，并能够通过该故障预测模型，对每台机电设备当前的运行状态数据进行判断与预测，实现了对每台机电设备出现故障的时间以及具体的部件进行预测，提高了维护机电设备的效率，也保证了各个机电设备组成的设备系统的运行稳定；2.同时，根据预测的结果，对每台机电设备设置对应的维修计划，能够使得维修安排更为合理。附图说明图1是本专利技术一实施例中基于机电设备状态数据漂移的故障预测方法的一流程图；图2是本专利技术一实施例中基于机电设备状态数据漂移的故障预测方法中步骤S10的实现流程图；图3是本专利技术一实施例中基于机电设备状态数据漂移的故障预测方法中步骤S20的实现流程图；图4是本专利技术一实施例中基于机电设备状态数据漂移的故障预测方法中步骤S22的实现流程图；图5是本专利技术一实施例中基于机电设备状态数据漂移的故障预测方法中步骤S30的实现流程图；图6是本专利技术一实施例中基于机电设备状态数据漂移的故障预测系统的一原理框图。具体实施方式以下结合附图对本专利技术作进一步详细说明。实施例一：在本实施例中，如图1所示，为本专利技术公开的一种基于机电设备状态数据漂移的故障预测方法，包括如下步骤：S10：获取每台机电设备的历史检测数据本文档来自技高网...

【技术保护点】
1.一种基于机电设备状态数据漂移的故障预测方法，其特征在于，所述基于机电设备状态数据漂移的故障预测方法包括：获取每台所述机电设备的历史检测数据；分别对每组所述历史检测数据进行训练，得到故障预测模型；若获取到每台所述机电设备的运行状态数据，则使用对应的故障预测模型对所述运行状态数据进行预测，得到对应的预测结果；根据所述预测结果，为对应的所述机电设备设置维修计划。

【技术特征摘要】
1.一种基于机电设备状态数据漂移的故障预测方法，其特征在于，所述基于机电设备状态数据漂移的故障预测方法包括：获取每台所述机电设备的历史检测数据；分别对每组所述历史检测数据进行训练，得到故障预测模型；若获取到每台所述机电设备的运行状态数据，则使用对应的故障预测模型对所述运行状态数据进行预测，得到对应的预测结果；根据所述预测结果，为对应的所述机电设备设置维修计划。2.如权利要求1所述的基于机电设备状态数据漂移的故障预测方法，其特征在于，所述获取每台所述机电设备的历史检测数据，包括：每台所述机电设备包括对应的设备标识，根据所述设备标识调取每台所述机电设备对应的运行数据库；从每台所述机电设备对应的所述运行数据库中获取所述历史检测数据。3.如权利要求1所述的基于机电设备状态数据漂移的故障预测方法，其特征在于，分别对每组所述历史检测数据进行训练，得到故障预测模型，包括：每组所述历史检测数据包括机电设备运行波形，根据所述机电设备运行波形，设置在每组所述历史检测数据中的每条所述机电设备运行波形对应的运行包络线；将每组所述历史检测数据对应的所述运行包络线作为训练集，通过CNN提取每条所述运行包络线的特征向量；使用LSTM网络对每组历史检测数据对应的所述训练集所述特征向量进行训练，得到所述故障预测模型。4.如权利要求3所述的基于机电设备状态数据漂移的故障预测方法，其特征在于，所述将每组所述历史检测数据对应的所述运行包络线作为训练集，通过CNN提取每条所述运行包络线的特征向量，包括：获取每条所述运行包络线的幅度、变化拐点以及曲率，通过将每条所述运行包络线输入CNN中，将所述幅度、所述变化拐点以及所述曲率作为与所述运行包络线对应的特征值；将每条所述运行包络线对应的所述特征值构建所述特征向量。5.如权利要求1所述的基于机电设备状态数据漂移的故障预测方法，其特征在于，所述若获取到每台所述机电设备的运行状态数据，则使用对应的故障预测模型对所述运行状态数据进行预测，得到对应的预测结果，包括：实时对所述机电设备进行检测，得到每台所述机电设备的所述运行状态数据；将每台所述机电设备对应的所述运行状态数据输入对应的故障预测模型，得到机电设备故障预测概率；根据所述机电设备故障预测概率构建置信区间，根据所述置信区间获取每台所述机电设备的可接受风险概率；根据所述可接受风险概率和每台所述机电设备的所述设备标识，得到每台所述机电设备的所述预测结果。6.一种基于机电设备状态数据漂移的故障预测系统，其特征在...

【专利技术属性】
技术研发人员：崔鲲，潘龙，黄玮，王一文，王文明，
申请(专利权)人：广州航天海特系统工程有限公司，
类型：发明
国别省市：广东,44