设备部件健康状态的评估方法及装置制造方法及图纸

本发明专利技术实施例提供一种设备部件健康状态的评估方法及装置。其中，上述方法包括基于每个决策引擎所对应的实际监测值与正常值之间的最大偏差值以及故障概率诊断模型，获得每个决策引擎对应的部件故障发生概率；基于部件故障发生概率以及每个决策引擎对应的初始置信等级，获得每个决策引擎对应的部件故障置信概率；基于所有部件故障置信概率获得部件整体故障发生概率。本发明专利技术实施例提供的设备部件健康状态的评估方法及装置通过每个决策引擎以及彼此之间影响部件整体故障发生概率的不同程度来确定不同的初始置信等级，来获取合理分配的不同部件故障置信概率，从而获得更加准确的部件整体故障发生概率以及设备部件真实的健康状态，方法简单、有效。

Assessment Method and Device for Health Status of Equipment Components

【技术实现步骤摘要】
设备部件健康状态的评估方法及装置
本专利技术实施例涉及部件故障诊断
，尤其涉及一种设备部件健康状态的评估方法及装置。
技术介绍
目前的设备部件的健康状态评估，一般有基于同类设备历史故障率统计的健康状态评估方法以及基于实时监测量的设备部件健康状态评估方法。长期的研究发现，设备的运行和维护成本主要源于设备的意外停机以及多余的维修保养工作。研究表明，机械设备以及电器设备的部件的故障征兆往往是预先存在的，因此基于实时监测量的设备部件健康状态评估方法相比较于基于同类设备历史故障率统计的健康状态评估方法更具有参考价值。且基于实时监测量的设备部件的健康评估能更贴近于设备部件的实际运作状态，更真实地表征设备部件的当前健康状态，从而帮助设备维修人员有预见地规划和制定维修策略。能够在大幅降低社备运行与维护成本的同时，大幅降低设备的意外停机率，从而保证企业的设备可靠性。在风电，航空航天，轨道交通等领域有了较为成熟的应用。现有技术中这种基于实时监测量的设备部件健康状态评估方法一般都是基于单决策引擎(比如温度，振动信号等单个实时状态监测量)的系统设备部件的健康评估。往往是基于单个状态监测量的变化趋势进行分析，所做的优化也只是从算法层面进行的一定的模型参数优化，或者算法的改变。上述这种基于单决策引擎的系统设备部件健康状态评估方法，评估指标过于单一，得到的评估结果并不能准确反映系统设备部件故障发生的概率以及系统设备部件真实的健康状态。
技术实现思路
针对现有技术中存在的技术问题，本专利技术实施例提供一种设备部件健康状态的评估方法及装置。第一方面，本专利技术实施例提供一种设备部件健康状态的评估方法，包括：基于每个决策引擎所对应的实际监测值与正常值之间的最大偏差值以及故障概率诊断模型，获得每个所述决策引擎对应的部件故障发生概率；基于所述部件故障发生概率以及每个所述决策引擎对应的初始置信等级，获得每个所述决策引擎对应的部件故障置信概率；基于所有所述部件故障置信概率获得部件整体故障发生概率，其中所述初始置信等级为每个决策引擎在产生所述部件整体故障发生概率时所对应的权重分配。第二方面，本专利技术实施例提供一种设备部件健康状态的评估装置，包括：第一处理模块，用于基于每个决策引擎所对应的实际监测值与正常值之间的最大偏差值以及故障概率诊断模型，获得每个所述决策引擎对应的部件故障发生概率；第二处理模块，用于基于所述部件故障发生概率以及每个所述决策引擎对应的初始置信等级，获得每个所述决策引擎对应的部件故障置信概率；第三处理模块，用于基于所有所述部件故障置信概率获得部件整体故障发生概率，其中所述初始置信等级为获取所述部件整体故障发生概率时每个决策引擎所对应的权重分配。第三方面，本专利技术实施例提供一种电子设备，该设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现本专利技术实施例第一方面提供的基于每个决策引擎所对应的实际监测值与正常值之间的最大偏差值以及故障概率诊断模型，获得每个所述决策引擎对应的部件故障发生概率；基于所述部件故障发生概率以及每个所述决策引擎对应的初始置信等级，获得每个所述决策引擎对应的部件故障置信概率；基于所有所述部件故障置信概率获得部件整体故障发生概率，其中所述初始置信等级为每个决策引擎在产生所述部件整体故障发生概率时所对应的权重分配的步骤。第四方面，本专利技术实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现本专利技术实施例第一方面提供的基于每个决策引擎所对应的实际监测值与正常值之间的最大偏差值以及故障概率诊断模型，获得每个所述决策引擎对应的部件故障发生概率；基于所述部件故障发生概率以及每个所述决策引擎对应的初始置信等级，获得每个所述决策引擎对应的部件故障置信概率；基于所有所述部件故障置信概率获得部件整体故障发生概率，其中所述初始置信等级为每个决策引擎在产生所述部件整体故障发生概率时所对应的权重分配的步骤。本专利技术实施例提供的设备部件健康状态的评估方法及装置通过每个决策引擎所对应的实际监测值与正常值之间的最大偏差值以及故障概率诊断模型，获得每个所述决策引擎对应的部件故障发生概率以及通过每个所述决策引擎对应的初始置信等级，获得每个所述决策引擎对应的部件故障置信概率，最后通过所有所述部件故障置信概率获得部件整体故障发生概率，如此基于每个决策引擎以及彼此之间影响部件整体故障发生概率的不同程度来确定不同的初始置信等级，最后获取合理分配的不同部件故障置信概率，从而获得更加准确的部件整体故障发生概率以及设备部件真实的健康状态，方法简单、有效。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，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为本专利技术实施例提供的设备部件健康状态的评估方法流程示意图；图2为本专利技术实施例提供的设备部件健康状态的评估装置结构示意图；图3为本专利技术实施例提供的电子设备的实体结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。现有技术中基于实时监测量的设备部件健康状态评估方法一般都是基于单决策引擎(比如温度，振动信号等单个实时状态监测量)的系统设备部件的健康评估。往往是基于单个状态监测量的变化趋势进行分析，所做的优化也只是从算法层面进行的一定的模型参数优化，或者算法的改变。其评估指标过于单一，并没有考虑到设备部件的健康状态与其他状态监测量之间的关系，得到的评估结果并不能准确反映系统设备部件故障发生的概率以及系统设备部件真实的健康状态，而基于多决策引擎(多个实时状态监测量)的设备部件的综合健康状态评估却存在着很大的提升空间，可以综合多个与系统设备部件健康状态相关在线监测量，按照这些监测量与系统设备部件健康状态的一定的对照关联度，得出对于各个决策引擎进行合理的加权，并且根据状态数据以及故障率的不断更新，不断地更新各个决策引擎的权值。因此，基于多决策引擎，本专利技术实施例提供了一种设备部件健康状态的评估方法，为设备部件的健康状态评估提供重要的参考价值，图1为本专利技术实施例提供的设备部件健康状态的评估方法流程示意图，如图1所示，该方法包括：步骤10、基于每个决策引擎所对应的实际监测值与正常值之间的最大偏差值以及故障概率诊断模型，获得每个决策引擎对应的部件故障发生概率；步骤11、基于部件故障发生概率以及每个决策引擎对应的初始置信等级，获得每个决策引擎对应的部件故障置信概率；步骤12、基于所有部件故障置信概率获得部件整体故障发生概率，其中初始置信等级为获取部件整体故障发生概率时每个决策引擎所对应的权重分配。具体地，本专利技术实施例提供的设备部件健康状态的评估方法中决策引擎包括电流引擎、电压引擎以及温度引擎等能够引起设备部件故障的物理量，其能本文档来自技高网...

【技术保护点】
1.一种设备部件健康状态的评估方法，其特征在于，包括：基于每个决策引擎所对应的实际监测值与正常值之间的最大偏差值以及故障概率诊断模型，获得每个所述决策引擎对应的部件故障发生概率；基于所述部件故障发生概率以及每个所述决策引擎对应的初始置信等级，获得每个所述决策引擎对应的部件故障置信概率；基于所有所述部件故障置信概率获得部件整体故障发生概率，其中所述初始置信等级为获取所述部件整体故障发生概率时每个决策引擎所对应的权重分配。

【技术特征摘要】
1.一种设备部件健康状态的评估方法，其特征在于，包括：基于每个决策引擎所对应的实际监测值与正常值之间的最大偏差值以及故障概率诊断模型，获得每个所述决策引擎对应的部件故障发生概率；基于所述部件故障发生概率以及每个所述决策引擎对应的初始置信等级，获得每个所述决策引擎对应的部件故障置信概率；基于所有所述部件故障置信概率获得部件整体故障发生概率，其中所述初始置信等级为获取所述部件整体故障发生概率时每个决策引擎所对应的权重分配。2.根据权利要求1所述的方法，其特征在于，所述故障概率诊断模型具体为：其中：A为用于评估部件故障发生概率的决策引擎，P(D＝Faulty|A)为决策引擎A对应的部件故障发生概率，λA为故障概率诊断系数，ΔA为由专家经验定义的决策引擎A对应的监测到的部件故障状态与正常状态的预警偏差值，Δ′A为决策引擎A对应的实际监测值与正常值之间的最大偏差值；PA为基于同类系统部件故障率统计的决策引擎A对应的当监测到的故障状态与正常状态的偏差值为ΔA的情况下，系统部件发生故障的概率。3.根据权利要求1所述的方法，其特征在于，所述部件故障置信概率具体为：P'＝P(D＝Faulty|A)P(A)，其中，P'为决策引擎A对应的部件故障置信概率，P(A)为决策引擎A对应的初始置信等级，P(D＝Faulty|A)为决策引擎A对应的部件故障发生概率。4.根据权利要求1或2所述的方法，其特征在于，所述基于所有所述部件故障置信概率获得部件整体故障发生概率具体为：所有所述部件故障置信概率的累加和为所述部件整体故障发生概率，其中：Pi'＝P(D＝Faulty|Ai)P(Ai)，其中P(D＝Faulty)为部件整体故障发生概率，Pi'为决策引擎Ai对应的部件故障置信概率，n是多引擎决策系统在决策过程中所选择的决策引擎数，P(D＝Faulty|Ai)为第i个决策引擎Ai对应的部件故障发生概率，P(Ai)是第i个决策引擎Ai对应的初始置信等级。5.根据权利要求1或2所述的方法，其特征在于，还包括：基于获取的所述部件整体故障发生概率、每个决策引擎所对应的实际监测值与正常值之间的所述最大偏差值以及贝叶斯后验概...

【专利技术属性】
技术研发人员：齐洪峰，周一青，孙梅玉，李明高，孙帮成，王坚，戴毅茹，
申请(专利权)人：中车工业研究院有限公司，同济大学，
类型：发明
国别省市：北京,11