【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...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。