一种基于大数据模型的设备故障预测方法技术

本发明专利技术公开了一种基于大数据模型的设备故障预测方法，包括如下步骤：S1、根据大数据分析设备浴盆曲线模型；S2、对需要监测的设备进行分类，按浴盆曲线逐一匹配设备；S3、预判设备的衰退期，提前给出预警；通过实验的方法，对不同种类的设备进行测试，绘制处其浴盆曲线，并且将不同种类设备的浴盆曲线存入到数据库中，而工厂中设备的PLC与Ruff网关相连接，并将数据进行协议转化和处理后发送到云端，数据传入云端并进行分类，使得每种设备与相应的浴盆曲线相对应，从而通过预先绘制的浴盆曲线对不同设备的试用期进行检测，并且可以预测的衰退期的到来，以此来提醒工作人员，从而提高设备使用过程中的安全性。用过程中的安全性。用过程中的安全性。

【技术实现步骤摘要】
一种基于大数据模型的设备故障预测方法


[0001]本专利技术涉及设备故障测试
，特别涉及一种基于大数据模型的设备故障预测方法。

技术介绍

[0002]实践证明大多数设备的故障率是时间的函数，典型故障曲线称之为浴盆曲线，曲线的形状呈两头高，中间低，具有明显的阶段性，可划分为三个阶段：早期故障期，偶然故障期，严重故障期。浴盆曲线是指产品从投入到报废为止的整个寿命周期内，其可靠性的变化呈现一定的规律。如果取产品的失效率作为产品的可靠性特征值，它是以使用时间为横坐标，以失效率为纵坐标的一条曲线。因该曲线两头高，中间低，有些像浴盆，所以称为“浴盆曲线”。
[0003]目前工厂中针对设备的故障检测往往还是需要维修人员参与到现场进行检修，此种方式虽然测试结果更加准确，但是费时费力，并不能够适应大批量设备的检测，而将上述浴盆曲线与各种不同设备一一对应，即可预测设备的衰退期，从而使得维修人员在检测作业过程中更加有针对性。
[0004]因此，有必要提供一种基于大数据模型的设备故障预测方法解决上述技术问题。

技术实现思路

[0005]本专利技术的目的在于提供一种基于大数据模型的设备故障预测方法，以解决上述
技术介绍
中提出的现有工厂中针对设备的故障检测往往还是需要维修人员参与到现场进行检修，此种方式虽然测试结果更加准确，但是费时费力，并不能够适应大批量设备的检测，而将上述浴盆曲线与各种不同设备一一对应，即可预测设备的衰退期，从而使得维修人员在检测作业过程中更加有针对性的问题。
[0006]基于上述思路，本专利技术提供如下技术方案：包括如下步骤：
[0007]S1、根据大数据分析设备浴盆曲线模型；
[0008]S2、对需要监测的设备进行分类，按浴盆曲线逐一匹配设备；
[0009]S3、预判设备的衰退期，提前给出预警。
[0010]作为本专利技术进一步的方案：所述浴盆曲线模型包括故障率降低的早期故障期、故障率稳定的偶然故障期和故障率上升的耗损故障期三个阶段。
[0011]作为本专利技术进一步的方案：所述浴盆曲线的建立包括设备的测试，以使用时间为横坐标，以设备的失效率为纵坐标绘制一条曲线即为浴盆曲线。
[0012]作为本专利技术进一步的方案：所述设备测试包括数据采集、数据上传、数据入库和数据模型的建立，通过数据采集装置对设备使用过程中的各种参数进行采集，将采集到的模拟信号输送至控制器处，通过控制器对采集的信息进行分析和处理，并通过有限或者无线传输的方式将采集并处理之后的信息输送至终端，所述终端将接受的信息分类之后入库。
[0013]作为本专利技术进一步的方案：所述浴盆曲线的参数至少设置为四个。
[0014]作为本专利技术进一步的方案：所述车间设备PLC与Ruff网关相连接，并将数据进行协议转化和处理后发送到云端，所述网关的一端进行设备PLC数据的采集并进行初步的数据筛选和处理，将有价值的数据再从另一端口上传到云端或者客户指定的服务器上，以此实现设备数据的采集和传输。
[0015]作为本专利技术进一步的方案：所述设备与相应的浴盆曲线一一对应。
[0016]与现有技术相比，本专利技术的有益效果是：
[0017]1、当工厂设备接入互联网之后，对设备进行分类，并且将数据库中的浴盆曲线模型与相应种类的设备进行一一对应，使得浴盆曲线与设备逐一匹配，使用过程中，在设备的不同使用实现段，都可以通过浴盆曲线对设备的使用情况进行反应，有利于工作人员实时掌握设备的使用情况，并且由于预先绘制的浴盆曲线与相应种类的设备是一一对应的，因此，在实际操作中，可以快速匹配，并且一种浴盆曲线可以多个同一种类的设备进行匹配，从而完成对一批设备的监控，可以在不同的试用期对工作人员进行提醒。
[0018]2、方法通过实验的方法，对不同种类的设备进行测试，绘制处其浴盆曲线，并且将不同种类设备的浴盆曲线存入到数据库中，而工厂中设备的PLC与Ruff网关相连接，并将数据进行协议转化和处理后发送到云端，数据传入云端并进行分类，使得每种设备与相应的浴盆曲线相对应，从而通过预先绘制的浴盆曲线对不同设备的试用期进行检测，并且可以预测的衰退期的到来，以此来提醒工作人员，从而提高设备使用过程中的安全性，有利于工作人员的实时监测，实用性强。
附图说明
[0019]下面结合附图和实施例对本专利技术进一步说明。
[0020]图1是本专利技术的流程图；
[0021]图2是本专利技术的浴盆曲线模型建立的流程图。
具体实施方式
[0022]如图1
‑
2所示，一种基于大数据模型的设备故障预测方法，具体包括如下步骤：
[0023]S1、根据大数据分析设备浴盆曲线模型；
[0024]实际使用过程中，大量产品故障率随时间的变化曲线形似浴盆，故称为浴盆曲线，在研究浴盆曲线时，人们将其划分为故障率降低的早期故障期、故障率稳定的偶然故障期和故障率上升的耗损故障期三个阶段，直观地反映了产品寿命期内故障率的变化规律。
[0025]具体地：第一阶段是早期失效期：表明产品在开始使用时，失效率很高，但随着产品工作时间的增加，失效率迅速降低，这一阶段失效的原因大多是由于设计、原材料和制造过程中的缺陷造成的。
[0026]第二阶段是偶然失效期，也称随机失效期：这一阶段的特点是失效率较低，且较稳定，往往可近似看作常数，产品可靠性指标所描述的就是这个时期，这一时期是产品的良好使用阶段，偶然失效主要原因是质量缺陷、材料弱点、环境和使用不当等因素引起
[0027]第三阶段是耗损失效期：该阶段的失效率随时间的延长而急速增加，主要由磨损、疲劳、老化和耗损等原因造成。
[0028]为了缩短这一阶段的时间，产品应在投入运行前进行试运转，以便及早发现、修正
和排除故障；或通过试验进行筛选，剔除不合格品。
[0029]实际使用时，测试相应产品的使用时间以及其使用情况，以使用时间为横坐标，以设备的失效率为纵坐标绘制一条曲线，此曲线即为浴盆曲线，并且将该设备下的浴盆曲线记录到设备数据库中，而数据库与大数据平台相连接，方便后期调用。
[0030]具体地，对于设备的测试包括数据采集、数据上传、数据入库和数据模型的建立，使用过程中，通过数据采集装置对设备使用过程中的各种参数进行采集，例如通过压力传感器、电压传感器和电流传感器等对设备所受的压力以及电流电压等数据进行采集，并将采集到的模拟信号输送至控制器处，而控制器可以采用单片机或者PLC等，通过控制器对采集的信息进行分析和处理，并通过有限或者无线传输的方式将采集并处理之后的信息输送至终端，终端将接受的信息分类之后入库，并且根据采集的信息与时间的关系建立浴盆曲线模型。
[0031]此处的压力传感器采用半导体类型的传感器，半导体压电阻抗扩散压力传感器是在薄片表面形成半导体变形压力，通过外力(压力)使薄片变形而产生压电阻抗效果，从而使阻抗的变化转换成电信号。
[0032]而电压传感器电压传感器是一种将被测电量参数转换成直流电本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据模型的设备故障预测方法，其特征在于：包括如下步骤：S1、根据大数据分析设备浴盆曲线模型；S2、对需要监测的设备进行分类，按浴盆曲线逐一匹配设备；S3、预判设备的衰退期，提前给出预警。2.根据权利要求1所述的一种基于大数据模型的设备故障预测方法，其特征在于：所述浴盆曲线模型包括故障率降低的早期故障期、故障率稳定的偶然故障期和故障率上升的耗损故障期三个阶段。3.根据权利要求1所述的一种基于大数据模型的设备故障预测方法，其特征在于：所述浴盆曲线的建立包括设备的测试，以使用时间为横坐标，以设备的失效率为纵坐标绘制一条曲线即为浴盆曲线。4.根据权利要求3所述的一种基于大数据模型的设备故障预测方法，其特征在于：所述设备测试包括数据采集、数据上传、数据入库和数据模型的建立，通过数据采集装置对设备使用过程中的各...

【专利技术属性】
技术研发人员：杨清永，谢晓霞，贾月辉，
申请(专利权)人：天津白泽技术有限公司，
类型：发明
国别省市：