【技术实现步骤摘要】
一种大型设备在线监测与故障预测系统
本专利技术涉及大型装备的监测及预警
，尤其涉及一种大型设备在线监测与故障预测系统。
技术介绍
随着国家大型设备的大力建设和快速发展，大型设备安全保障技术的研究也成为领域热点。在工业环境中，大型设备的连续性运作容易导致故障发生，因此通过对大型设备运行的状态需要进行数据采集、处理和预测，监督其运行走势，提前预测风险，能够有效降低故障发生概率。近年来随着人工智能算法的广泛应用，对于故障预测领域也较为成熟。例如，专利号CN202010184204.0公开了一种风机故障预测方法与系统，基于风机的使用年限利用卷积神经网络预测风机故障；专利号CN201811177988.3公开了一种基于均等分割的轴承故障预测方法及装置，其基于单层双向GRU网络建立预测模型对轴承故障进行预测；专利号CN201910530466.5公开一种储存设备故障预测方法与系统，其基于储存设备各时间点的SMART属性数据训练预测模型。本申请专利技术人基于现有大型设备的监测及预测技术，发现大型设备的故障受多种因素影...
【技术保护点】
1.一种大型设备在线监测与故障预测系统，其特征在于，所述系统包括：数据采集组件、现场控制端、中央控制端、设备监测端；/n所述数据采集组件实时采集大型设备中包括温度、压力、气体浓度、应力分布、不均匀沉降、液体液位、静电以及腐蚀状态中的一种或多种特征数据；/n所述现场控制端连接所述数据采集组件，接收所述数据采集组件所采集大型设备的特征数据；/n所述中央控制端对大型设备的历史数据追溯分析，构建故障预测模型；将实时接收的特征数据输入到故障预测模型中，利用包括卷积神经网络在内的人工智能算法，对特征数据进行特征提取、辨识及分类学习，基于预设的故障判定方法进行大型设备的故障预测及诊断；/...
【技术特征摘要】 【专利技术属性】
1.一种大型设备在线监测与故障预测系统，其特征在于，所述系统包括：数据采集组件、现场控制端、中央控制端、设备监测端；
所述数据采集组件实时采集大型设备中包括温度、压力、气体浓度、应力分布、不均匀沉降、液体液位、静电以及腐蚀状态中的一种或多种特征数据；
所述现场控制端连接所述数据采集组件，接收所述数据采集组件所采集大型设备的特征数据；
所述中央控制端对大型设备的历史数据追溯分析，构建故障预测模型；将实时接收的特征数据输入到故障预测模型中，利用包括卷积神经网络在内的人工智能算法，对特征数据进行特征提取、辨识及分类学习，基于预设的故障判定方法进行大型设备的故障预测及诊断；
所述设备监测端实时接收并展示所述现场控制端发送的大型设备的一种或多种特征数据，同时接收并展示所述中央控制端的故障预测及诊断结果，并对风险进行故障报警提醒。
2.如权利要求1所述的大型设备在线监测与故障预测系统，其特征在于，所述中央控制端获取大型设备的特征数据后，利用故障预测模型，根据包括模糊综合评判方法、不确定层次分析法在内的判定方法，综合评判大型设备的风险在模型中的权重，建立大型设备的各特征数据与故障特征之间的映射关系。
3.如权利要求2所述的大型设备在线监测与故障预测系统，其特征在于，所述故障预测模型利用模糊综合评判方法对大型设备的故障风险进行多级划分，对接收的特征数据进行安全风险分析，处理影响故障风险的影响因素。
4.如权利要求3所述的大型设备在线监测与故障预测系统，其特征在于，所述故障预测模型利用不确定层次分析法，判断大型设备各故障风险的权重关系，包括：构建故障风险的递阶层次结构,构造故障风险特征数据的两两比较判断矩阵,计算单一准则下故障风险的相对权重,计算各层故障风险的组合权重；
所述故障预测模型利用不确定层次分析法获取最终决策方案的方法包括：根据大型设备各故障风险的权重关系，获取相对总目标各决策方案的优先顺序权重，并利用组合排序权重以及整个设备故障风险的递阶层次结构中所有判断，给出一致性指标，并根据一致性指标做出最终决策。
技术研发人员：徐彬，林明辉，李荣荣，刘旭辉，李芳，张慧敏，
申请(专利权)人：上海应用技术大学，
类型：发明
国别省市：上海;31
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。