一种动设备寿命预测方法及装置制造方法及图纸

本发明专利技术公开了一种动设备寿命预测方法及装置，涉及数据处理技术领域，主要目的在于提高动设备寿命预测的准确率；主要技术方案包括：基于动设备的静态参数生成机理模型；采用所述动设备运行时产生的生产数据，修正所述机理模型；采用最新修正后的机理模型预测所述动设备的寿命。设备的寿命。设备的寿命。

【技术实现步骤摘要】
一种动设备寿命预测方法及装置


[0001]本专利技术涉及数据处理
，特别是涉及一种动设备寿命预测方法及装置。

技术介绍

[0002]动设备，是指如泵、压缩机、风机等由驱动机带动的动力设备，其是工业领域中的主要工艺设备之一，用于支持工业生产进行。
[0003]动设备具有一定的寿命，该寿命通常由以下两点决定：一是，动设备突然出现故障时，经技术人员的检修和诊断认定动设备的维修成本太高，采用整体更换新的动设备更为合算，则认定动设备报废，动设备的寿命终结。此点完全依靠技术人员的经验认定，其认定动设备寿命的准确率不高。二是，动设备出厂时设定了一个使用时限，一旦动设备的实际使用时限达到该设定的使用时限，则认定动设备的零部件老化，随时存在安全风险，认定动设备报废。此点完全依靠厂家设定的使用时限，若动设备使用过程中维护较优，可能到设定的使用时限动设备仍可安全使用，则会导致动设备提前报废，产生浪费。而若动设备使用过程中超负荷运转或维护较差，其寿命终止时限可能早于厂家设定的使用时限，将导致动设备的运行产生安全风险。
[0004]可见，现有的动设备寿命认定中，并没有可靠的预测方法进行支撑，对动设备寿命认定的准确率较低。

技术实现思路

[0005]有鉴于此，本专利技术提出了一种动设备寿命预测方法及装置，主要目的在于提高动设备寿命预测的准确率。
[0006]第一方面，本专利技术提供了一种动设备寿命预测方法，该方法包括：
[0007]基于动设备的静态参数生成机理模型；
[0008]采用所述动设备运行时产生的生产数据，修正所述机理模型；
[0009]采用最新修正后的机理模型预测所述动设备的寿命。
[0010]第二方面，本专利技术提供了一种动设备寿命预测装置，该装置包括：
[0011]生成单元，用于基于动设备的静态参数生成机理模型；
[0012]修正单元，用于采用所述动设备运行时产生的生产数据，修正所述机理模型；
[0013]预测单元，用于采用最新修正后的机理模型预测所述动设备的寿命。
[0014]第三方面，本专利技术提供了一种计算机可读存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行第一方面所述的动设备寿命预测方法。
[0015]第四方面，本专利技术提供了一种存储管理设备，所述存储管理设备包括：至少一个处理器、以及与所述处理器连接的至少一个存储器、总线；其中，所述处理器、所述存储器通过所述总线完成相互间的通信；所述处理器用于调用所述存储器中的程序指令以执行第一方面所述的动设备寿命预测方法。
[0016]借由上述技术方案，本专利技术提供的一种动设备寿命预测方法及装置，首先通过动设备的静态参数生成机理模型，然后采用动设备运行时产生的生产数据，修正机理模型。在需要预测动设备的寿命时，采用最新修正后的机理模型预测动设备的寿命。可见，本专利技术提供方案随着动设备的使用，不断的使用动设备运行时的产生的生产数据反哺机理模型，从而不断提高机理模型的寿命预测能力，进而能够更为准确预测动设备的寿命。
[0017]上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。
附图说明
[0018]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。
[0019]图1示出了本专利技术一个实施例提供的一种动设备寿命预测方法的流程图；
[0020]图2示出了本专利技术另一个实施例提供的一种动设备寿命预测方法的流程图；
[0021]图3示出了本专利技术一个实施例提供的一种动设备寿命预测装置的结构示意图；
[0022]图4示出了本专利技术另一个实施例提供的一种动设备寿命预测装置的结构示意图。
具体实施方式
[0023]下面将参照附图更加详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
[0024]如图1所示，本专利技术实施例提供了一种动设备寿命预测方法，该方法主要包括：
[0025]101、基于动设备的静态参数生成机理模型。
[0026]动设备是由驱动机带动的动力设备，其应用在诸如化工等工业领域中的工艺设备，是支持工业生产进行的主要设备之一。动设备随着其使用进程的进行，其零部件会逐渐老化，因此需要预测动设备的寿命，以在其寿命接近终结时及时对其进行更换，以保证工业生产能够安全的进行。
[0027]动设备的类型本实施例中不做具体限定，其可以根据实际业务要求确定。示例性的，动设备可以包括但不限于压缩机、烟气轮机、关键机组、泵、风机。
[0028]动设备具有静态参数，该静态参数是动设备出厂时，未投入工业生产之前，动设备固有的参数，这些静态参数由动设备本身特性而定，不受工业生产影响。静态参数本实施例中不做具体限定，其可以根据实际业务要求确定。示例性的，动设备的静态参数可以包括但不限于如下内容：动设备的生产日期、动设备的类型(比如，泵、风机等)、动设备的品牌、动设备的生产厂家、动设备的主要零部件的材质、动设备的主要零部的尺寸。
[0029]由于动设备的静态参数由动设备本身特性而定，是动设备的固有参数，因此基于该静态参数能够确定出动设备的理论寿命，也就是，基于静态参数能够确定出动设备的理
想工作时长。故，基于动设备的静态参数生成机理模型，该机理模型能够预测出动设备的寿命，但其预测的仅为动设备的理论寿命，其可以作为动设备寿命预测的基础模型。
[0030]下面对基于动设备的静态参数生成机理模型的具体过程进行说明，该过程具体包括如下步骤一至步骤四：
[0031]步骤一、从所述静态参数中提取所述动设备的静态特征。
[0032]具体的，动设备的静态参数存在有多种，有的静态参数可能并不符合训练机理模型的要求，因此需要对静态参数中的静态特征进行提取，以提取出能够用于训练机理模型的静态特征。示例性的，该静态特征可以包括但不限于如下内容：动设备的生产日期、动设备的类型、动设备的品牌、动设备的生产厂家、动设备的主要零部件的材质、动设备的主要零部的尺寸。
[0033]步骤二、将所述静态特征输入至待训练机理模型的损失层。
[0034]具体的，待训练机理模型是未训练过的样本模型，其具体类型可以基于业务要求确定，可选的，该待训练机理模型为卷积神经网络模型(Convolutional Neural Networks，CNN)。
[0035]具体的，在提取到本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种动设备寿命预测方法，其特征在于，包括：基于动设备的静态参数生成机理模型；采用所述动设备运行时产生的生产数据，修正所述机理模型；采用最新修正后的机理模型预测所述动设备的寿命。2.根据权利要求1所述的方法，其特征在于，基于动设备的静态参数生成机理模型，包括：从所述静态参数中提取所述动设备的静态特征；将所述静态特征输入至待训练机理模型的损失层；获得所述待训练机理模型中损失函数的损失值；根据所述损失函数的损失值对所述待训练机理模型中的参数进行调整，生成所述机理模型。3.根据权利要求1所述的方法，其特征在于，采用所述动设备运行时产生的生产数据，修正所述机理模型，包括：基于所述动设备上安装的采集设备，周期性的采集所述生产数据；采用当前周期采集的生产数据，修正所述机理模型。4.根据权利要求1所述的方法，其特征在于，采用所述动设备运行时产生的生产数据，修正所述机理模型，包括：基于所述动设备上安装的采集设备，采集所述生产数据；当接收到修正指令时，采用所采集生产数据，修正所述机理模型。5.根据权利要求3或4所述的方法，其特征在于，修正所述机理模型，包括：基于所述动设备对应的生产业务场景，从修正所述机理模型时所采用的生产数据中提取所述动设备的生产特征；将所述生产特征输入至所述机理模型的损失层；获得所述机理模型中损失函数的损失值；根据所述损失函数的损失值对所述机理模型中的...

【专利技术属性】
技术研发人员：李金诺，
申请(专利权)人：北京国双科技有限公司，
类型：发明
国别省市：