一种智能制造生产线故障预估与维修方法技术

本发明专利技术公开了一种智能制造生产线故障预估与维修方法，步骤一：通过计算机硬件监测系统获得基于HMM的设备退化过程描述；步骤二：计算机采用基于HDP‑HMM设备故障预测评估并制定维修的技术方案。本发明专利技术提供的一种智能制造生产线故障预估与维修的技术方案，利用计算机硬件监测系统及计算机通过HDP‑HMM算法处理HMM序列数据，克服HMM模型状态数必须预先设定的不足，同时发挥了HDP自动生成聚类数目功能特点，更准确获得设备退化状态，计算机实现了对产线设备不同退化状态下的剩余寿命预测，预估结果更全面有效且维修技术方案更优化，经济效益更好。

【技术实现步骤摘要】
一种智能制造生产线故障预估与维修方法
本专利技术涉及一种智能制造生产线故障预估与维修技术，属于智能制造故障预测与维修的

技术介绍
随着智能制造国家战略的推进实施，企业开发建设的智能化生产线发展迅猛，生产线中引入的设备也越来越多,其机械结构、智能化水平也越来越复杂,给维护工作提出了新的要求。传统"定时维护"因为智能生产线涉及维修技术工种复杂、高价值零部件和专业高技能人员协同，维护成本很高，不适合定期更换的传统定时维护模式，"事后维护"也不能满足现代化的生产作业要求,在生产过程中应为生产线自动化程度高，一旦某个环节发生故障,立刻会影响整体生产效率,可能会对工作人员的人身安全造成威胁。因此，在智能制造生产系统运营中能有效地预测到生产线中潜在的故障点,提前制定出合适的维护方案,在降低对生产工作影响的同时,有目的对设备进行检修,提高设备的有效使用寿命,为企业节省大量成本与费用。但是由于机械设备本身结构和机理的复杂性，影响系统运行的因素复杂多变，机器所表现出的状态行为具有大范围不确定性、高度非线性、动态时变性、强关联性等特征、从而造成通常难以建立精确、完备的机理模型，难以描述系统各部分之间的依赖关系，给精确预测带来更大的困难和挑战。如何有效地实现对智能生产线故障的预测,从而为设备的维护工作提供最优维修实施方案是一个亟待解决的问题。
技术实现思路
目的：为了克服现有技术中存在的不足，本专利技术提供一种智能制造生产线故障预估与维修方法。技术方案：为解决上述技术问题，本专利技术采用的技术方案为：一种智能制造生产线故障预估与维修方法，包括如下步骤：步骤一：通过计算机硬件监测系统获得基于HMM的设备退化过程描述；步骤二：计算机采用基于HDP-HMM设备故障预测评估并制定维修的技术方案；所述步骤一包括：1a：设置设备从正常状态到早期故障点P的临界点；1b：设置设备功能故障点F，监测从P点到F点的设备退化过程；1c：采用HMM描述设备性能退化过程，假设HMM描述的设备全寿命周期共有S=｛1,2....K｝个隐藏状态,｛1｝为设备的正常状态,｛2，3....K-1｝分别为设备K-2个依次严重程度的退化状，｛k｝为设备故障状态，到T时刻为止，产生的隐状态序列为｛S1，S2.....ST｝,｛X1，X2.....XT｝是不同状态下出现的观测值X1关于状态S1条件独立,不同状态转换的转移概率矩阵决定，联合概率密度函数表示为步骤二包括：2a：构造HDP作为HMM参数的先验分布，以观测数据计算模型的后验概率，对HMM参数动态调整，确定设备状态数K（1为正常状态，K为故障状态）；2b：采用不同状态对应的观测数据，对HMM进行参数基于Viterbi算法分别识别评估，，K为设备全寿命周期所经历状态数，训练对应出每个状态的HMMn模型，建立设备退化状态识别库；2c:利用设备全寿命数据，训练涵盖设备所有状态HMM模型，获得每个退化状态所持续时间，确定设备早起故障临界点P和功能故障点F；2d:针对当前观测序列，利用退化状态识别库计算P（），估计剩余寿命，识别设备当前状态，并提供预警评估从而制定优化维修技术方案，公式：式中：为设备处于第n个退化状态的剩余寿命，Tn为设备第n个退化状态的持续时间。有益效果：本专利技术提供的一种智能制造生产线故障预估与维修方法，通过计算机监测硬件获得设备的运营数据，计算机通过HDP-HMM算法处理HMM序列数据，克服了HMM模型状态数必须预先设定的不足，发挥了HDP自动生成聚类数目功能特点，更准确获得设备退化状态，实现了对产线设备不同退化状态下的剩余寿命预测，预估结果更全面有效，因此而制定的维修技术方案也更优化，维修的经济效益也全面提升。具体实施方式下面结合具体优选实施方案对本专利技术作更进一步的说明。一种智能制造生产线故障预估与维修方法，包括如下步骤：步骤一：采用基于HMM的设备退化过程描述；所述步骤一包括：1a：设置设备从正常状态到早期故障点P的临界点；1b：设置设备功能故障点F，监测从P点到F点的设备退化过程；1c：采用HMM描述设备性能退化过程，假设HMM描述的设备全寿命周期共有S=｛1,2....K｝个隐藏状态,｛1｝为设备的正常状态,｛2，3....K-1｝分别为设备K-2个依次严重程度的退化状，｛k｝为设备故障状态，到T时刻为止，产生的隐状态序列为｛S1，S2.....ST｝,｛X1，X2.....XT｝是不同状态下出现的观测值X1关于状态S1条件独立,不同状态转换的转移概率矩阵决定，联合概率密度函数表示为步骤二：采用基于HDP-HMM设备故障预测评估；步骤二包括：2a：构造HDP作为HMM参数的先验分布，以观测数据计算模型的后验概率，对HMM参数动态调整，确定设备状态数K（1为正常状态，K为故障状态）；2b：采用不同状态对应的观测数据，对HMM进行参数基于Viterbi算法分别识别评估，，K为设备全寿命周期所经历状态数，训练对应出每个状态的HMMn模型，建立设备退化状态识别库；2c:利用设备全寿命数据，训练涵盖设备所有状态HMM模型，获得每个退化状态所持续时间，确定设备早起故障临界点P和功能故障点F；2d:针对当前观测序列，利用退化状态识别库计算P（），估计剩余寿命，识别设备当前状态，并提供预警评估，公式：式中：为设备处于第n个退化状态的剩余寿命，Tn为设备第n个退化状态的持续时间。以上所述仅是本专利技术的优选实施方式，应当指出：对于本
的普通技术人员来说，在不脱离本专利技术原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本专利技术的保护范围。本文档来自技高网...

【技术保护点】
1.一种智能制造生产线故障预估与维修方法，其特征在于：包括如下步骤：/n步骤一：通过计算机硬件监测系统获得基于HMM的设备退化过程描述；步骤二：计算机采用基于HDP-HMM设备故障预测评估并制定维修的技术方案；/n所述步骤一包括：/n1a：设置设备从正常状态到早期故障点P的临界点；/n1b：设置设备功能故障点F，监测从P点到F点的设备退化过程；/n1c：采用HMM描述设备性能退化过程，假设HMM描述的设备全寿命周期共有S=｛1,2....K｝个 隐 藏 状 态,｛1｝为设备的正常状态, ｛2，3....K-1｝分别为设备K-2个依次严重程度的退化状，｛k｝为设备故障状态，到T时刻为止，产生的隐状态序列为｛S1，S2.....ST｝,｛X1，X2.....XT｝/n是不同状态下出现的观测值X1关于状态S1条件独立,不同状态转换的转移概率矩阵决定，联合概率密度函数表示为/n

【技术特征摘要】
1.一种智能制造生产线故障预估与维修方法，其特征在于：包括如下步骤：
步骤一：通过计算机硬件监测系统获得基于HMM的设备退化过程描述；步骤二：计算机采用基于HDP-HMM设备故障预测评估并制定维修的技术方案；
所述步骤一包括：
1a：设置设备从正常状态到早期故障点P的临界点；
1b：设置设备功能故障点F，监测从P点到F点的设备退化过程；
1c：采用HMM描述设备性能退化过程，假设HMM描述的设备全寿命周期共有S=｛1,2....K｝个隐藏状态,｛1｝为设备的正常状态,｛2，3....K-1｝分别为设备K-2个依次严重程度的退化状，｛k｝为设备故障状态，到T时刻为止，产生的隐状态序列为｛S1，S2.....ST｝,｛X1，X2.....XT｝
是不同状态下出现的观测值X1关于状态S1条件独立,不同状态转换的转移概率矩阵决定，联合概率...

【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：苏州优它科技有限公司，
类型：发明
国别省市：江苏;32